数据中心面临的挑战--人工智能二分法

不可否认，人工智能是最新的热门词汇，有望为各行各业带来变革潜力。然而，随着人工智能应用的加速，数据中心正面临着巨大的挑战，如何在不断增长的能源需求与效率提升之间取得平衡？

在结构化布线市场工作了 30 年之后，我很快就要退休了--这让我开始思考这些年来发生的一些变化以及地平线上迫在眉睫的一些重大挑战--人工智能的影响可能是最大的。人工智能工作负载，尤其是涉及大规模模型训练和推理的工作负载，是异常耗电的，引发了人们对日益增长的能源消耗和碳排放的担忧。

在过去十年中，直流电行业在能效方面取得了显著进步。平均功率使用效率（PUE）得分显著提高，从 2010 年的约 2.20 分下降到 2022 年的约 1.55 分。如今，以人工智能为重点的数据中心将目标定得更低，通常将 PUE 值定在 1.3 以下。然而，尽管取得了这些进步，人工智能的快速发展却带来了一个悖论：虽然人工智能有望为全球可持续发展挑战提供解决方案，但技术本身却往往会大幅提高能耗。

环境成本和反弹效应

国际能源机构（IEA）预计，在 2022 年至 2026 年期间，全球数据中心的电力需求将翻一番，部分原因是人工智能的推动。马萨诸塞大学阿默斯特分校的一项研究强调了人工智能的严峻环境成本，指出训练一个大型人工智能模型可能会排放超过 62.6 万磅（28.4 万公斤）的二氧化碳，超过五辆普通汽车一生的排放量。

这种情况引入了一个关键的二分法。人工智能经常被定位为降低全球能耗和促进可持续发展的关键。然而，实现这些优势目前需要增加能源和资源的使用。这种矛盾体现了 "反弹效应"，即效率的提高反而会导致总体消耗的增加。例如，提高效率和降低运营成本可能会无意中鼓励更密集地使用人工智能，最终增加而不是减少总能耗。

正如知名物理学家斯蒂芬-霍金（Stephen Hawking）在 2016 年 Leverhulme 未来智能中心开幕式上所言，人工智能可能是 "人类最好或最坏的事情"。行业面临的挑战显而易见：我们如何利用人工智能的优势，同时又不加剧对环境的影响？

可持续的人工智能数据中心战略

为应对这一挑战，有几项战略已经在开发或部署中：

• 可再生能源集成：将数据中心过渡到可再生能源可显著减少碳足迹。谷歌与 Kairos Power 公司的合作就是一个很好的例子，该公司旨在部署小型模块化核反应堆，到 2030 年能够提供多达 500 兆瓦的无碳电力。
• 优化人工智能模型：设计能有效平衡性能和能效的人工智能算法，可以大幅减少资源消耗。
• 高能效硬件：投资创新型高能效处理器和智能集成系统可降低总体能源需求。
• 先进的冷却技术：采用尖端冷却技术可降低维持理想运行温度所需的能耗，从而提高整体效率。

人工智能和数据中心的未来

总之，人工智能的快速发展正在重塑研发重点和数据中心的设计原则。电源管理和效率正成为越来越重要的考虑因素。解决人工智能固有的两难问题--既要发挥其变革潜力，又不能造成环境后果的升级--是当今数据中心运营面临的最大挑战。

Share this