22 年及以后 2024 个令人震惊的人工智能用电统计数据
9分钟读
发表于
分享此文章
改进本指南
人工智能正在席卷世界，并以前所未有的方式创新行业。但今天，我仔细分析了这些数字，发现了最令人震惊的人工智能用电统计数据。
训练和开发人工智能模型和算法所需的大量数据和处理能力，以及日常请求的大幅增加，需要大量的电力。我们能适应这样的需求吗？
让我们来看看！
关键人工智能用电统计数据
AI功耗呈指数级增长。这些关键 AI 电力统计数据显示了我们现在所处的位置以及世界未来可能面临的问题。
- 到 2022 年，人工智能将占全球能源使用量的 2%——相当于一个小国家的能源使用量。
- IEA 预计，到 2026 年，人工智能的用电量将与日本相当。
- 运行人工智能模型和服务器需要传统应用程序两到三倍的能力。
- 预计到 80 年，人工智能将推动美国数据中心需求增长 2030%。
- 每天发出 200 亿个 ChatGPT 请求，消耗 XNUMX 万千瓦时的电力。
- GPT-3 型号一年的用电量相当于 130 个美国家庭的用电量。
- 埃隆·马斯克 (Elon Musk) 认为，到 2025 年，将没有足够的电力来为所有人工智能芯片供电。
全球AI用电统计
这些人工智能用电量统计数据提供了当前人工智能功耗水平的全球概览。
1. 2022年，人工智能占全球能源使用量的2%——相当于一个小国家的能源使用量。
（来源：Vox）
国际能源署 (IEA) 警告称，仅 2022 年，全球就有 2% 的能源用于支持人工智能和加密货币相关任务。除了电力之外，支持这项技术所需的基础设施还需要大量的数据中心、塑料、金属、电线、水和劳动力，这也引起了环境问题。
2. 运行人工智能模型和服务器需要传统应用程序两到三倍的能力。
（来源：标准普尔全球）
人工智能系统在数据中心的强大服务器上运行，这些服务器消耗大量电力来维持冷却和安全，并促进高速处理。
数据中心的传统机架使用 30-40 kW 的电力。当 AI 与 NVIDIA Grace Hopper H100 等处理器混合使用时，功耗会增加两到三倍。
3. AI GPU平均耗电650瓦。
（来源：《巴伦周刊》）
AI 任务使用 GPU，与 CPU 相比，GPU 消耗的能源要多得多。除了 NVIDIA 之外，目前所有 AI GPU 的平均功耗为 650 瓦，比传统的高端显卡耗电得多，而传统高端显卡很少超过这个值的一半。
4. 每天有 200 亿个 ChatGPT 请求，相当于 XNUMX 万千瓦时的电力。
（来源：纽约客）
ChatGPT只是一种人工智能系统，但作为最受欢迎的人工智能系统，它的耗电量惊人。平均200亿 生成式人工智能 每天请求，这相当于每天超过 50 万千瓦时的电力。相比之下，美国家庭平均每天消耗的电量仅为二十九千瓦时。
5. GPT-3模型一年的用电量相当于130个美国家庭的用电量。
（来源：The Verge、Statista）
甚至在我们考虑最新模型之前，训练 GPT-3 模型的耗电量就已经相当于 130 个美国家庭（1,300 MWh）和 200 个德国家庭一年的用电量。训练大型语言模型比任何传统数据中心任务需要更多的能量，并且这种消耗只会随着新模型的出现、发展和需要更多数据而增加。
6. GPT-3消耗的资源比世界上最强大的20台超级计算机还要多。
（来源：福布斯）
当考虑处理能力和电力时，GPT-3 需要 800 petaflops，相当于当前世界上 20 台最强大的超级计算机的处理能力总和。
7. Google 数据中心 15% 的能源消耗用于机器学习。
（来源：耶鲁大学）
谷歌是为数不多的对用电量持坦诚态度的人工智能先驱之一。截至 2024 年，这家搜索巨头承认其数据中心 15% 的能源使用现在来自机器学习。
人工智能能源市场统计
值得考虑的不仅仅是人工智能对电力和其他能源的消耗。人工智能也部署在这些市场中。
8. 能源领域的人工智能价值 4 亿美元。
（来源：联合市场研究）
4.0 年，人工智能在全球能源市场的价值为 2021 亿美元，预计到 19.8 年将达到 2031 亿美元。贡献者包括智能电网、机器学习以及气候变化和减排效应。
9、北美在全球人工智能能源市场中占有37.08%的份额。
（来源：Statista）
2019年最新数据显示，北美是人工智能能源市场的全球领先者，占据37.08%的份额。到 2024 年底，预计价值将达到 7.78 亿美元。
10.人工智能在能源行业有50多种不同的应用。
（来源：纬度媒体）
最近的一项估计显示，约有 100 家能源相关供应商提供人工智能解决方案，有 50 多种可能的应用，包括电网维护和负荷预测。
11. 可再生能源市场中的人工智能价值超过 16 亿美元。
（来源：优先研究）
人工智能不仅仅是一个耗电大户，它在可再生能源领域的应用也越来越多。目前全球市场价值为 16.19 亿美元，预计到 114 年将达到 2032 亿美元以上。亚太地区处于领先地位，市场份额为 4.4 亿美元，预计到 44.4 年将达到 2032 亿美元。
AI用电预测
了解当今人工智能的功耗是一回事，但这些人工智能用电量统计数据探索了即将到来的增长。
12. IEA 估计，到 2026 年，人工智能的用电量将与日本相当。
（来源：Vox、数据共享）
日本人口众多，超过 125 亿。它也是十大电力消耗国家之一。 IEA 预计，人工智能用电量最早将在 10 年与日本全国的用电量相当。
13. 到 323 年，人工智能数据中心可为美国增加 2030 太瓦时的电力。
（来源：CNBC、富国银行）
随着人工智能的应用越来越广泛，其应用变得越来越复杂，能源消耗必须增加才能满足不断增长的需求。
富国银行预测，到 323 年，人工智能数据中心的电力需求可能会为美国增加 2030 太瓦时的电力。这比纽约市目前的用电量高出 XNUMX 倍之多。
14. 到 1.5 年，NVIDIA 将每年出货 2027 万台 AI 服务器。
（来源：《科学美国人》）
NVIDIA 的意义不仅仅在于游戏。这家卡和芯片制造商处于人工智能服务器的前沿，预计到 1.5 年这些专用系统的年出货量将达到 2027 万台。这相当于每年 85.4 太瓦时的电力，比许多小国家的消耗量还要多。
15. AMD 可能很快就会在 AI GPU 市场与 NVIDIA 展开竞争。
（来源：Investors.com）
NVIDIA目前凭借其用于AI计算的全栈A100解决方案在AI GPU市场占据主导地位。不过，分析师认为 AMD 的市场份额有可能达到 20%，与其整体 GPU 市场份额相差不远。
其人工智能贡献具有具有竞争力的性能，但价格更实惠。
16. 到 1,000 年，大多数用于人工智能的 GPU 将消耗 2026 瓦的电力。
（来源：《巴伦周刊》）
随着 AI GPU 的发展，到 1,000 年，每个 GPU 平均需要 2026 瓦电力，比目前的平均 650 瓦电力显着增加。
17. 预计到 80 年，人工智能将对美国数据中心需求增长 2030% 做出重要贡献。
（来源：标准普尔全球）
Navitas Semiconductor 预测，80 年至 2023 年间，美国数据中心的需求将增长 2030%，其中大部分归因于训练 AI 模型所需的功率，如上所述，该功率比常规应用程序高出两到三倍。
18. 通过切换到纯人工智能服务器，谷歌搜索的能源使用量将增加一倍。
（来源：细胞）
最近的一项学术研究指出，谷歌在搜索功能中越来越多地采用人工智能服务器。如果这家巨头将其整个搜索业务转向人工智能，其用电量将增加一倍，大致相当于爱尔兰国家的用电量。
19. 天然气公司预计人工智能电力需求将带来业务繁荣。
（来源：CNBC）
据估计，由于人工智能，到 20 年电力需求将增长 2030%，天然气生产商相信他们可以填补可再生能源无法满足的缺口。人工智能可能导致天然气消耗量每天增加多达 10 亿立方英尺。
20. 埃隆·马斯克 (Elon Musk) 认为，到 2025 年，将没有足够的电力来为所有人工智能芯片供电。
（来源：《巴伦周刊》）
即使有了天然气和其他能源，问题仍然存在：世界是否有能源能力跟上人工智能用电量的增长？ SpaceX 和特斯拉首席执行官埃隆·马斯克 (Elon Musk) 认为，即使到明年，也没有足够的电力来运行为人工智能提供动力的芯片。
21. 可再生能源可能是答案。
（来源：《巴伦周刊》）
总部位于弗吉尼亚州的全球能源公司 AES 正在带头向清洁能源转型。它预测，到 7.5 年，数据中心将达到美国总电力消耗的 2030%，但将可再生能源用于人工智能是清洁满足需求的最安全选择。
22.人工智能运行的智能家居可以将家庭二氧化碳排放量减少2%。
（来源：BI 团队、GESI）
人工智能的兴起对地球并不全是坏事的另一个迹象是它能够提高智能家居的效率。研究表明，智能供暖系统将减少约 5% 的燃气消耗，而家庭能源系统的自动化可将普通家庭的二氧化碳排放量减少高达 2%。
总结
毫无疑问 人工智能将继续存在。然而，如果人工智能的采用速度超过了电力生产的增长，电力供应可能难以满足电力需求，可能导致电力短缺或能源成本增加。
正如这些人工智能用电统计数据所显示的那样，人们正在努力提高人工智能系统的能源效率，并且其一些应用实际上可以使地球受益，因为人们更加关注可再生能源和家庭能源效率。
然而，随着人工智能的不断发展和扩展，对电力的需求仍可能保持较高水平。
来源：
1. VOX
2. 标普全球
3. “巴伦周刊”
4. “纽约客”
5. 一触即发
6. Statista
7. “福布斯”
8. Yale
9. 联合市场研究
10. Statista
11. 纬度媒体
12. 优先研究
13. 数据共享
14. CNBC / 富国银行
15. “科学美国人”
16. 投资者
17. 手机
18. 商业智能团队
19. 格西
