近几日大火电影《流浪地球2》中的超级人工智能MOSS引发群众热议，它代表了人类对于AI终极形态的幻想和对超级计算机迭代结果的展望。而投射到当下，一个基于OpenAI训练的大语言模型——ChatGPT，也走入了公众视野。随着其同家族GPT4的迭代问世，ChatGPT向世人展现了无限的潜能，它为深度人工智能的发展掀开了一个口子，也激发了大众对于AI领域的兴趣和关注——相关市场随之风起云涌，海量的研发投入也接踵而至。然而，如此火爆的现状也可能蕴含潜在的能耗胁迫问题，在双碳目标的视域下，对于超级AI的盲目投入可能并不可取。

人工智能算力追求背后的能源成本掣肘

AI模型本身并不具有感知和思考的能力，它只能根据输入的数据进行计算并生成输出结果。因此，人类对人工智能的研发更新便主要集中在优化算法、改进数据集等方面，简单来说可以归纳为对其算力的提升。然而，由于超级计算机需要大量的电力支持其高强度的计算工作，算力支撑的背后则是极大的潜在能源投入。马萨诸塞大学阿默斯特校区的研究人员以常见的几种大型AI模型的训练周期为例，他们发现该过程可排放超过626,000磅二氧化碳，这几乎是普通汽车寿命周期排放量的五倍（其中包括汽车本身的制造过程）。这篇论文结果表明：训练一个AI模型产生的能耗多达五辆汽车一生排放的碳总量，由于这一观察仅仅针对单一模型，这个数字显然只是一个基础。在惯常的认知中，训练和开发人工智能似乎只是超级计算机的使命，我们只需要更改几个参数，等待程序运行，就能得到一个满意的答案。然而，软件迭代的背后少不了硬件的支持，硬件的支持则直接将人工智能的开发问题导向了能源消耗问题之上，这是显而易见却也极易被大家忽视的。

据估计，目前AI的能源消耗约占全球能源消耗的3％，而据此推断：直到2025年，AI将消耗15％的全球电力供应，这意味着AI的快速发展将对能源消耗和环境产生巨大的影响。此外，除了硬件开发所必须投入的“固定碳成本”以外，对于人工智能日常环境的维护投入也不容小觑，而随着AI算力的提升，这一问题将会更加严重。归根到底，我们甚至无法判断大热的人工智能研发能否达成“投产相抵”的结果，不计成本的研究思路将会导致规模不经济的结果，这显然是违背了自然规律和最初的出发点。地球的资源是有限的，人类能点亮的科技树也是有穷的，如果无法解决人工智能研发所面临的能耗掣肘，我们的科技畅想和技术发展可能始终都会“如鲠在喉”。

人工智能开发的未来困境讨论

我国在当下仍然面临着较为严重的能源短缺问题，尽管诸如太阳能、风能、水能等清洁能源被引入能源结构，可若任由大规模的AI开发工作无序进行，无疑会导致极其可怕的结果。我们可以把现有能源体系看作一块定量的大蛋糕，人工智能研发显然是其中的一大食客；在能源的存量竞争中，如若任由鲁莽的食客吃掉大头的蛋糕，那么原本的蛋糕便就无法抵偿其他项目的能源需求，随之而来的就是化石能源的巨量消耗和碳排放的新高潮。这与我国30-60的双碳目标显然相悖，亦不利于环境的可持续发展和资源的存续。

在不远的将来，大批的人工智能集成服务群可能会扎堆出现，各大城市的周围也会集结各类超级运算中心，这背后的潜在电力支持将会是能源账上的一笔巨额支出。当已有的清洁能源无法抵偿能耗需要时，传统化石能源的过量加入将成为必然的结果；除此之外，超级运算中心所需的水冷设施也可能导致废热废水等环境污染问题，这对于大中型城市的发展也较为不利。在当下，双碳计划的提出和相关政策的调和已将我国的碳减排工作维系在一个可控范围内；然而，人工智能研发的无序介入极有可能成为节能减排一个不可控变量，这是值得我们思考和审慎对待的。

碳减排要求下，人工智能研发何去何从

若要确保人工智能在未来的持续性发展，能耗胁迫是我们必须要面对和解决的一大问题。对于AI发展而言，优化算法、减少计算资源等方式显得极为关键，而在其应用过程中，我们可以采取包括使用可再生能源、优化硬件设备等在内的多种措施来减少碳足迹。此外，还可以采用多种策略来提高能源效率，如使用先进的制冷技术、采用更高效的电源设计、优化硬件配置等。而对于能源消耗而言，优化能源结构仍是我们目前需要面对的最主要方面，可以加大对可再生能源的投资以降低依赖传统化石能源的程度，减少对环境的不良影响，逐步实现能源的可持续发展。

总的来说，AI的快速发展和应用带来了能源消耗和环境问题，我们需要在技术和政策上寻求解决方案。在这个过程中，寻求可持续的能源供应、开发高效的AI算法、促进可持续发展的政策和法规，都是至关重要的。

来源：中国日报网