人工智能与能源：清洁能源转型中的双刃剑
人工智能（AI）的迅猛发展正在以前所未有的速度重塑各行各业，其中能源行业也不例外。然而，AI 的大规模应用，特别是计算中心的爆炸式增长，对电力需求产生了巨大的影响，这既带来了挑战，也带来了机遇。本文将深入探讨 AI 在清洁能源转型中的双重角色，分析其潜在的风险与收益，并探讨如何利用 AI 来加速能源结构的优化。
AI 对能源需求的惊人增长
近年来，随着深度学习、自然语言处理等 AI 技术的日益成熟，计算中心的需求呈指数级增长。这些中心需要大量的电力来维持运行，导致全球电力消耗显著增加。在美国，计算中心目前的电力消耗约占全国总量的 4%，并且预计到 2030 年可能飙升至 12%-15%。这种惊人的增长速度对现有的电力基础设施构成了严峻的挑战。
MIT 林肯实验室的高级科学家 Vijay Gadepally 强调了 AI 消耗的巨大规模。“维持一些大型模型所需的电力几乎每三个月翻一番，” 他指出，“一次 ChatGPT 对话消耗的电力相当于给手机充电，而生成一张图像则需要消耗大约一瓶水的冷却量。”
OpenAI 的首席执行官 Sam Altman 在国会作证时也表示：“智能的成本，AI 的成本，将趋同于能源的成本。” 这突显了 AI 与能源之间日益紧密的联系。为了应对这一挑战，我们需要深入研究 AI 如何影响能源消耗，并探索可能的解决方案。
清洁能源解决方案的策略
面对 AI 带来的能源挑战，各界专家正在积极探索多种解决方案。一些研究模型表明，尽管 AI 在短期内可能会增加排放，但其优化能力有望在 2030 年后通过更高效的电力系统和加速清洁技术开发来实现显著的减排。
塞萨姆可持续发展公司（Sesame Sustainability）的联合创始人兼首席执行官 Emre Gençer 的分析显示，在美国中部地区，由于太阳能和风能资源的互补性，以清洁电力为计算中心供电的成本相对较低。然而，实现零排放电力需要大规模的电池部署，这将使成本增加两到三倍。
Gençer 认为：“如果我们想要通过可靠的电力实现零排放，我们需要可再生能源和电池之外的技术，否则成本将过高。” 他指出，“长期储能技术、小型模块化反应堆、地热或混合方法” 是必要的补充。
康斯泰拉能源公司（Constellation Energy）的研发和公司战略经理 Kathryn Biegel 指出，由于数据中心对能源的需求，人们对核电的兴趣再次高涨。她的公司正在重启前三里岛的反应堆，现在称为 “起重机清洁能源中心”，以满足这一需求。“数据中心领域已成为康斯泰拉的一个主要优先事项，” 她强调说，他们对可靠和无碳电力的需求正在重塑电力行业。
AI 能否加速能源转型？
尽管 AI 带来了能源消耗的挑战，但它同时也为能源转型提供了巨大的潜力。AI 可以通过多种方式改进电力系统，加速清洁能源的开发和部署。
MIT 电气工程与计算机科学系助理教授 Priya Donti 展示了 AI 如何通过将基于物理的约束嵌入到神经网络中来加速电网优化，从而可能以 “比传统模型快 10 倍甚至更高” 的速度解决复杂的潮流问题。
谷歌的可持续发展和合作伙伴关系全球总监 Antonia Gawel 分享了一些 AI 已经减少碳排放的例子。谷歌地图的燃油效率路线功能 “自推出以来，已帮助减少了超过 290 万吨的温室气体排放，相当于每年减少 65 万辆燃油汽车”。另一个谷歌研究项目使用 AI 帮助飞行员避免产生飞机凝结尾迹，这约占全球变暖影响的 1%。
MIT 材料科学与工程系副教授 Rafael Gómez-Bombarelli 强调了 AI 在加速电力应用材料发现方面的潜力。“可以训练 AI 监督的模型从结构到属性，” 他指出，这有助于开发对计算和效率至关重要的材料。
在可持续发展中确保增长
在整个研讨会中，与会者都在努力平衡快速的 AI 部署与环境影响。IBM 可持续发展和数据中心创新高级技术人员 Dustin Demetriou 引用了一篇世界经济论坛的文章，该文章表明 “估计 80% 的环境足迹是由于推理造成的”。Demetriou 强调需要在所有 AI 应用中提高效率。
卡内基梅隆大学计算机科学学院语言技术研究所助理教授 Emma Strubell 警告说，杰文斯悖论（即 “效率的提高往往会增加总体资源消耗而不是减少”）是另一个需要考虑的因素。Strubell 提倡将计算中心电力视为一种有限的资源，需要周全地分配给不同的应用。
几位演讲者讨论了将可再生能源与现有电网基础设施整合的新方法，包括将清洁装置与已具有有价值的电网连接的现有天然气发电厂相结合的潜在混合解决方案。这些方法可以在美国各地以合理的成本提供大量的清洁容量，同时最大限度地减少对可靠性的影响。
驾驭 AI 能源悖论
MIT 在开发解决 AI 电力挑战的解决方案方面发挥着核心作用。
MIT 能源倡议主任 William H. Green 谈到了一个新的 MITEI 项目，该项目涉及计算中心、电力和计算，将与 MIT 气候项目研究的全面展开并行运作。“我们将尝试以一种所有利益相关者都能接受的方式，从电力来源到为客户提供价值的实际算法，全面解决一个非常复杂的问题，并真正满足所有需求，” Green 说。
MITEI 研究主任 Randall Field 对研讨会参与者进行了关于 MIT 研究优先事项的民意调查。实时结果将 “数据中心和电网集成问题” 列为首要任务，其次是 “用于加速能源先进材料发现的 AI”。
此外，与会者表示，大多数人将 AI 在电力方面的潜力视为 “希望”，而不是 “危险”，尽管相当一部分人仍然不确定其最终影响。当被问及计算设施电力供应的优先事项时，一半的受访者选择碳强度作为他们最关心的问题，其次是可靠性和成本。
结论
AI 既是清洁能源转型的挑战，也是解决方案。我们需要正视 AI 带来的能源需求增长，并积极探索各种策略，如提高能源效率、开发长期储能技术、以及探索核能等替代能源。同时，我们也要充分利用 AI 的潜力，优化电力系统、加速清洁能源技术的开发和部署。只有这样，我们才能在可持续发展中确保增长，实现经济发展与环境保护的双赢。
通过跨学科的合作和持续的创新，我们可以驾驭 AI 能源悖论，实现一个更加清洁、高效和可持续的能源未来。这需要政府、企业、学术界和公众的共同努力，共同推动 AI 技术在能源领域的应用，并确保其发展符合可持续发展的目标。只有这样，我们才能充分释放 AI 的潜力，为应对气候变化和建设一个更美好的世界做出贡献。
在未来的发展中，我们需要关注以下几个关键领域：
- 提高能源效率： 开发更高效的计算硬件和算法，减少 AI 模型的能源消耗。
- 优化电力系统： 利用 AI 技术优化电网的运行，提高可再生能源的利用率，降低电力损耗。
- 加速材料发现： 利用 AI 加速新型储能材料、太阳能电池材料和超导材料的发现，提高能源技术的性能。
- 发展长期储能技术： 推动长期储能技术的发展，解决可再生能源的间歇性问题，确保电力供应的稳定性。
- 探索替代能源： 积极探索核能、地热能等替代能源，构建多元化的能源结构，降低对化石燃料的依赖。
通过在这些关键领域的努力，我们可以更好地应对 AI 带来的能源挑战，并充分利用 AI 的潜力，加速清洁能源转型，实现可持续发展的目标。让我们共同努力，创造一个更加清洁、高效和可持续的能源未来！
