如何解決AI快速發展帶來的能源需求？

　　生成式人工智能技術可以將簡單的短語轉化為令人驚嘆的、逼真的圖像，激發了世界的想象力。

　　不過，它們還需要大量的能量。據研究人員估計，運行一種生成式人工智能算法需要比常規搜索引擎查詢多五倍的能量。僅訓練 ChatGPT 所消耗的能量相當于駕駛 123 輛內燃機汽車一年所需的能量。

　　隨著人工智能查詢數量的激增，其對能源消耗量也在飆升。根據SametimeWeb的數據，僅Openai.com 在2023 年 5 月就吸引了超過19億次的訪問。而處理查詢的數據中心產生的熱量與企業和政府目前普遍存在的更廣泛的可持續發展目標相矛盾。

　　“數據中心的未來與可持續發展是密不可分的，”仲量聯行數據中心全球戰略與創新高級總監Colm Shorten表示。“我們正在努力滿足提高數據處理、速度和效率的需求，同時著眼于未來的可持續發展路線圖——盡管這兩件事朝著相反的方向發展。”

　　數據中心并不是人工智能產生影響的唯一商業地產領域。根據仲量聯行最近的一項調查，租戶和開發商認為，人工智能和生成式人工智能將成為在不久的將來對地產影響最大的三大技術之一。

　　然而，數據處理人工智能需求的絕對水平意味著數據中心處于跟上時代發展的最前沿。獨立研究公司Dell'Oro Group表示，未來需要在數字基礎設施上投資5000億美元，才能滿足不斷飆升的計算需求。

　　仲量聯行數據中心研究主管Daniel Thorpe表示：“隨著人工智能淘金熱的到來，數據中心正在做好準備，以更好地支持不斷增長的功率和性能要求。”

　　目前數據中心消耗的能源平均約有40%來自防止硬件和機架過熱所需的空氣冷卻過程，而且在溫暖的氣候下可能會更多。

　　Thorpe說：“用于為處理人工智能數據的更快機器提供動力的新芯片運行溫度明顯更高，這對傳統空氣冷卻解決方案提出了挑戰。”“降低溫度意味著轉向液體冷卻。”

　　然而， Shorten認為人工智能可以部分解決這個自身造成的問題。他表示：“數據中心已經并將繼續采用人工智能，以提高其設施的性能和運營效率。”

　　據Gartner稱，預計到2025年，一半的云數據中心將使用人工智能，將運營效率提高30%。勞倫斯伯克利國家實驗室與Google合作進行的一項研究發現，基于人工智能的數據中心冷卻系統控制可降低高達40%的能耗。

　　Shorten解釋說，人工智能提供了更高水平的可預測性，并提供了通過動態工作負載管理來提高數據中心效率的機會。

　　通過最大限度地提高CPU使用率、有效管理數據處理方式和數據中心選址的見解，可以實現顯著的節能，從而減少不必要的消耗。

　　在可行的情況下，人工智能甚至可以智能地集成可再生能源，管理可再生能源供應和數據中心工作負載之間的平衡，以最大限度地利用清潔能源并最大限度地減少對化石燃料來源的依賴。增強數據中心的可持續性

　　盡管對液浸冷卻的投資有所增加，但要使其被廣泛認為是可靠、安全和商業上可行的解決方案，仍有很長的路要走。Shorten表示，人工智能將成為推動進步的關鍵因素，幫助運營商擺脫低效的空氣冷卻，轉向這種更可持續的技術。

　　Meta最近暫停了幾個數據中心的建設，將重點轉移到新的人工智能設施上，這些設施將采用液冷基礎設施——索普表示，這種方法的效率估計比空氣高 3000 倍。

　　Thorpe表示：“隨著數據中心面臨越來越嚴格的，數據中心管理者的首要任務是“變得更加可持續和更具社會責任感”。

　　“我們還看到人工智能通過預測性維護計劃來改變數據中心資產管理，從而優化設備的使用壽命并減少過早更換造成的浪費，” Shorten說。

　　最終，人工智能分析大量數據、做出智能預測和優化資源分配的能力將顯著增強數據中心的可持續性。

　　Shorten認為，為了滿足未來的客戶承諾，運營商必須過渡到混合空氣和液體冷卻的混合數據中心模型。

　　“從本質上講，人工智能既推動又促進了這種新的形式因素，”他總結道。“人工智能時代已經到來，沒有回頭路，所以讓我們利用它來幫助減少碳排放，并盡可能減少數據中心運營的整體環境足跡。”

　　資料來源：JLL