近年來，人工智慧（AI）的崛起引起了廣泛的討論和擔憂，許多人擔心AI 會造成失業率飆升，而有些樂觀的朋友則戲稱“只要電費貴過饅頭，AI 就永遠不能完全代替人” 。雖然這是句玩笑，但背後則是實實在在的AI能耗問題，越來越多的人擔憂高能耗將成為限制AI 發展的瓶頸。就在不久前，科技創業家、前Google工程師凱爾·科比特（Kyle Corbitt）在社群媒體X 上表示，微軟已經遇到了這方面的難題。

AI 到底有多費電？

科比特稱，訓練GPT-6 的微軟工程師正忙著搭建IB 網路（InfiniBand），把分佈在不同地區的GPU 連接起來。這項工作很困難，但他們別無選擇，因為如果把超過10 萬塊H100 晶片部署在同一個地區，電網就會崩潰。

為什麼這些晶片集中起來會導致電網崩潰的後果呢？讓我們來簡單算一筆帳。

英偉達網站上公佈的數據顯示，每塊H100 晶片的峰值功率為700W，10 萬塊H100 峰值功耗最高可達7000 萬W。而X 評論區有能源產業從業人員指出，10 萬塊晶片的總能耗將相當於一座小型太陽能或風能發電廠的全部輸出。除此之外，還要考慮這麼多晶片的配套設施的能耗，包括伺服器和冷卻設備。這麼多耗電設施，集中在一小片區域，對電網帶來的壓力可想而知。

AI 耗電，冰山一角

關於AI 能耗問題，《紐約客》的報導一度引起廣泛關注。報道估算，ChatGPT 每日耗電量或超過50 萬千瓦時。

事實上，目前AI耗電量雖然看起來是個天文數字，但仍遠遠不及加密貨幣和傳統的資料中心。而微軟工程師遇到的難題也顯示，限制AI 發展的不僅是技術本身的能耗，還有配套基礎設施的能耗，以及電網的承載力。

國際能源總署（IEA）發布的報告顯示，2022 年全球資料中心、人工智慧和加密貨幣的耗電量達到460 TWh，佔全球能耗的近2%。 IEA 預測，在最糟糕的情況下，到2026 年這些領域的用電量將達1000 TWh，與整個日本的用電量相當。

但是，報告同時顯示，目前直接投入AI 研發的能耗遠低於資料中心和加密貨幣。

英偉達在AI 伺服器市場中佔據約95%的份額，2023 年供應了約10 萬塊晶片，每年耗電量約為7.3 TWh。但在2022 年，加密貨幣的能耗為110 TWh，與整個荷蘭的用電量相當。

圖註：2022 年與2026 年，傳統資料中心、加密貨幣、AI 資料中心的能耗估計值（長條圖依次顯示）。可見，目前AI 耗電量遠低於資料中心和加密貨幣。圖片來源：IEA

冷卻能耗，不容忽視

資料中心的能源效率通常以能源效率比（Power Usage Effectiveness）評估，即消耗的所有能源與IT 負載消耗的能源的比值。能源效率比越接近1，表示資料中心浪費的能源越少。

資料中心標準組織Uptime Institute 發布的報告顯示，2020 年全球大型資料中心的平均能源效率比約為1.59。也就是說，資料中心的IT 設備每消耗1 度電，其配套設備就消耗0.59 度電。

在資料中心的額外能耗中，絕大部分應用於冷卻系統。一項調查研究顯示，冷卻系統消耗的能量可達資料中心總能耗的40%。

近年來，隨著晶片更新換代，單一設備的功率增大，資料中心的功率密度（即單位面積耗電量）不斷提升，對散熱提出了更高的要求。但同時，透過改進資料中心設計，就能大幅減少能量的浪費。

因為冷卻系統、結構設計等各方面的差異，不同資料中心的能源效率比差異很大。 Uptime Institute 報告顯示，歐洲國家已經把能源效率比降到了1.46，而亞太地區仍有超過十分之一的資料中心能效比超過2.19。

世界各國正在採取措施，敦促資料中心實現節能減排的目標。其中，歐盟要求大型資料中心設立餘熱回收設備；美國政府注資研發更高能源效率的半導體；中國政府也推出措施，要求資料中心從2025 年起能源效率比不高於1.3，並將再生能源使用比例逐年上調，到2032 年達到100%。

圖註：2020 年，全球各地大型資料中心的能源效率比。由左至右依序為：非洲、亞太地區、歐洲、拉丁美洲、中東、俄羅斯及獨聯體國家、美國及加拿大。圖片來源：Uptime Institute

科技公司用電，節流難開源更難

隨著加密貨幣和AI 的發展，各大科技公司的資料中心規模不斷擴大。根據國際能源總署（IEA）統計，在2022 年美國擁有2,700 座資料中心，消耗了全國用電量的4%，並預測這一比例到2026 年將達到6%。隨著美國東西海岸用地越發緊張，資料中心逐步向愛荷華州、俄亥俄州等中部地區轉移，但這些二線地區原有的產業並不發達，電力供應可能無法滿足需求。

有些科技公司試圖擺脫電網的束縛，直接從小型核電廠購買電能，但這種用電方式和新建核電廠都要面臨複雜的行政流程。微軟嘗試使用AI 輔助完成申請，而Google利用AI 進行運算任務調度，以提高電網運作效率，降低企業碳排放。至於可控核融合何時投入應用，目前仍是未知數。

氣候變暖，雪上加霜

AI 的研發需要穩定且強大的電網支持，但隨著極端天氣頻傳，許多地區的電網正在變得更加脆弱。氣候暖化會導致更頻繁的極端天氣事件，不僅造成用電需求激增，加重電網負擔，還會直接衝擊電網設施。 IEA 報告指出，受乾旱、降雨不足和提早融雪的影響，2023 年全球水力發電佔比下跌到三十年來的最低值，不到40%。

天然氣往往被視為向再生能源轉型過程中的一座橋樑，但它在冬季極端天氣下並不穩定。 2021 年，寒流襲擊美國德州，造成大規模斷電，部分居民家中斷電超過70 小時。這次災難的一個主要原因是天然氣管線冰凍，造成天然氣發電廠停擺。北美電力可靠性委員會（North American Electric Reliability Council，簡稱NERC）預測，在2024-2028 年，美國、加拿大有超過300 萬人口面臨越來越高的斷電風險。

為保障能源安全，同時實現節能減排，許多國家也將核電廠視為一種過渡措施。在2023 年12 月舉辦的聯合國應對氣候變遷委員會第28 次高峰會（COP 28）上，22 個國家簽署聯合聲明，承諾在2050 年將核能發電能力提升到2020 年水準的3 倍。同時，隨著中國、印度等國大力推動核電建設，IEA 預測2025 年，全球核電發電量將達到歷史新高。

IEA 報告指出：「在變化的氣候模式面前，提高能源多樣化、提升電網跨區域調度能力和採取更加抗衝擊的發電方式將變得越發重要。」保障電網基礎設施，不僅關係到AI 技術的發展，更是關乎國計民生。