出品 | 搜狐科技
作者 | 梁昌均
数据的尽头是AI，AI的尽头是电力。大模型快速发展，将带来巨大的能源消耗，而如何实现AI的可持续发展越发受到关注。
近日，在2024罗汉堂数字经济年会上，复旦大学大数据研究院副院长吴力波教授分享了AI如何促进可持续发展，以及如何推动AI的可持续发展。
吴力波认为，AI是帮助实现联合国可持续发展目标（SDG）非常有效的工具，现在已经有各种各样的AI技术在帮助解决相应的问题，实现更加精准地识别和预测，从而做出更智慧的决策、更有效的管控。
在电力系统中，可以使用AI改善电力调度和市场配置的效率，增加系统的韧性，帮助电力系统进行削峰填谷，特别是在更高比例的可再生能源接入后，AI技术的应用可以使得预测更加精准，更好匹配用户需求的变化，与其他电源协同优化形成更加稳定、高质量的电能供给。
AI在气候行动中也大有可为，通过机器学习结合多模态的卫星遥感、物联网、互联网等数据，可以提供高时空分辨率的温室气体排放监测，更早、更精准的识别气候变化的影响，极端气候事件的风险，帮助社会经济系统更好的决策，应对气候风险等。
吴力波还介绍到，类似类似大语言模型的AI时间序列模型，AI还可以做更精准的短时、近中期乃至次季节、季节的天气预测，对做出准确的天气变化预测和季节性的天气预报非常有效，相比传统的数值模式预测精度更好、预测时长更长，对各类气候异常事件的捕捉效果也更好。
但是，AI大模型的发展本身的能耗也非常巨大。比如训练GPT-5这样的大语言模型，参数已经达到万亿以上，所需要的GPU数量和能耗都大大增加，这意味着以大算力、大数据引爆的新一轮AI热潮会带来更多的能耗。
一个典型代表就是，英伟达数据中心GPU出货量在2023年出现了爆发式增长。吴力波展示的数据显示，预计2025年-2029年人工智能带来的电耗将从100TWh增加到400TWh，这是一个巨大的增长。
她还表示，总算力需求未来也会大大增加，国内有些省份特别是沿海东部省份，对算力需求的提升速度特别快，这意味着数据中心会有更多的能耗。“标准基建的数量过去五年时间平均增长率超过30%，这个增长速度非常惊人。”
“目前国内数据中心地理区间的分布非常不平衡，大部分集中在东部，少部分集中在西部，显然更发达的地区的AI技术和产业集中程度非常高，前期我们建设的大量算力中心还是靠近需求中心，而这些地区的电力排放结构却不容乐观。这意味着，我们必须要思考如何解决不平衡的发展问题。”吴力波表示。
不过，从未来国家对于算力资源的总体部署趋势看，西部地区将变成新的数据中心热点。“太阳能及风能在西北地区非常丰富，这也是为什么我相信在未来可以在中西部建立更多的绿色数据中心。”吴力波表示，“东数西算”还需要解决传输成本高、数据安全保障不足、数据实时训练延迟等技术瓶颈问题。
吴力波认为，数据中心分布的不平衡，会导致可再生能源利用效率的不平衡，西部丰富的可再生能源资源可以为数据中心提供更有力的支撑，因此随着未来数据中心在西部规模化发展，可再生能源的供应结构必然进一步优化，数据中心能耗也可以进一步优化，这方面都将大有可为。
“从供应绿色算力的角度看，我们在进行绿电分配以满足算力的需求的时候，可以进行系统化的优化，不仅仅是在空间的布局上，在时间特征上也可以对算力曲线和电力曲线进行协同优化，让双方的峰谷特征更好匹配、实时响应。”
吴力波表示，要在电网和计算机网络、算力网络之间建立联系，共同进行双重优化。这需要在基础硬件上的创新，大大提高电网和算力网的响应速度，提供更加及时有效的信号。
吴力波认为，数字化、低碳化是中国经济目前的两大发展引擎，二者要协同起来。低碳化要求未来希望进一步减少碳排放，进一步减少数据中心的建设和运维成本，同时数字化又需要更好满足对于算力的需求，如大语言模型及其它AI行业的需求，这是经济性及碳排放双重优化的目标。
如何共同进行算力资源、绿电双重优化？吴力波表示，目标是既要最小化数据中心的排放，也要最小化其运营成本，包括投资成本、电力消耗成本、传输成本、运维成本等，因此从时间、空间两个维度都需要考虑。
同时，她表示，为了实现可持续的AI，政府也要站在发展负责任的AI的视角，推动可再生能源的优化，包括实现数据中心能耗的优化。“如果都能完成这样的目标，可以更好确保双碳目标的实现，最终做到净零排放，这也是中国要处理数据中心大量能耗问题的必经之路。”返回搜狐，查看更多
责任编辑：
相关文章
