人工智能与能源的双重挑战：清洁能源转型的机遇与风险
在清洁能源转型的浪潮中，人工智能（AI）既是潜在的解决方案，也可能成为加剧能源消耗的难题。麻省理工学院能源倡议（MITEI）的年度研究研讨会聚焦于这一复杂议题，探讨如何在利用AI加速清洁能源发展的同时，应对其带来的能源需求挑战。
AI惊人的能源需求
研讨会伊始，一组数据便引发了广泛关注：美国计算中心目前的电力消耗已占全国总量的4%，且这一数字还在快速增长。预计到2030年，AI应用可能将电力需求推升至12%-15%。
麻省理工学院林肯实验室高级科学家Vijay Gadepally强调了AI能源消耗的惊人速度：“维持大型AI模型所需的电力几乎每三个月翻一番。一次ChatGPT对话的耗电量相当于给手机充电，而生成一张图像则需要消耗一瓶水的冷却量。”
OpenAI首席执行官Sam Altman在美国国会的证词中指出，AI的成本将最终收敛于能源成本。这一论断揭示了AI发展与能源消耗之间日益紧密的联系。
清洁能源解决方案的策略
面对AI带来的能源挑战，与会专家们探讨了多种解决方案。一种观点认为，虽然AI在短期内可能增加排放，但其优化能力有望在2030年后大幅减少排放，这主要得益于更高效的电力系统和加速的清洁技术发展。对此，笔者认为，短期阵痛是转型过程中难以避免的，关键在于如何有效引导和管理这一过程，确保长期效益。
Sesame Sustainability的联合创始人兼首席执行官Emre Gençer指出，在美国中部地区，由于太阳能和风能资源的互补性，利用清洁电力为计算中心供电的成本相对较低。然而，要实现零排放电力，需要大规模部署电池，其规模是中等碳排放情景的五到十倍，从而导致成本增加两到三倍。Gençer强调，除了可再生能源和电池之外，还需要长时储能技术、小型模块化反应堆、地热或混合方法等作为补充。笔者认为，多元化的能源结构是保障能源安全和实现可持续发展的关键，不应过度依赖单一能源形式。
Constellation Energy的研发和公司战略经理Kathryn Biegel表示，由于数据中心对能源的需求，人们对核能的兴趣再次燃起。该公司正在重启前三里岛核电站的反应堆，以满足这一需求。她强调，数据中心对可靠且无碳电力的需求正在重塑电力行业。笔者认为，在确保安全的前提下，核能作为一种清洁能源，可以在能源转型中发挥重要作用。
AI加速能源转型？
麻省理工学院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，从而以比传统模型快十倍甚至更高的速度解决复杂的电力 flow 问题。笔者认为，AI在优化电力系统方面的潜力巨大，有望显著提高能源利用效率。
谷歌可持续发展与合作伙伴关系全球总监Antonia Gawel分享了AI已经在减少碳排放的案例。谷歌地图的 fuel-efficient 路线规划功能自推出以来，已减少超过290万吨温室气体排放，相当于减少65万辆燃油汽车一年的排放量。另一个谷歌研究项目利用AI帮助飞行员避免产生飞机凝结尾迹，这大约占全球变暖影响的1%。笔者认为，这些案例表明，AI在减少碳排放方面具有实际应用价值，值得进一步推广。
麻省理工学院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。他指出，可以训练AI监督模型从结构到属性，从而开发对计算和效率至关重要的材料。笔者认为，AI有望加速新材料的研发，为能源转型提供技术支撑。
可持续增长的保障
在研讨会期间，与会者一直在努力平衡快速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引用世界经济论坛的一篇文章指出，“据估计，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。笔者认为，关注AI推理过程的能耗至关重要，应采取措施降低其环境影响。
卡内基梅隆大学语言技术研究所助理教授Emma Strubell提醒说，Jevons悖论（即效率提高往往会增加总体资源消耗而不是减少资源消耗）是另一个需要考虑的因素。Strubell主张将计算中心电力视为一种有限资源，需要在不同应用之间进行周到的分配。笔者认为，应采取措施避免Jevons悖论的发生，例如通过碳定价等方式引导资源配置。
一些演讲者讨论了将可再生能源与现有电网基础设施相结合的新方法，包括将清洁装置与现有天然气发电厂相结合的潜在混合解决方案，这些天然气发电厂已经具有有价值的电网连接。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。笔者认为，混合解决方案是一种可行的过渡方案，可以在保证能源供应的同时逐步降低碳排放。
驾驭AI-能源悖论
研讨会强调了麻省理工学院在开发AI-电力挑战解决方案中的核心作用。
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，该项目将与麻省理工学院气候项目研究的全面展开一起运作。“我们将尝试解决一个非常复杂的问题，从电力来源到实际的算法，这些算法将价值传递给客户——以一种所有利益相关者都能接受的方式，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麻省理工学院研究优先事项的调查。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，与会者透露，大多数人认为AI在电力方面的潜力是一种“希望”，而不是一种“危险”，尽管相当一部分人仍然不确定最终的影响。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。
通过以上分析可以看出，人工智能在清洁能源转型中扮演着双重角色。一方面，AI技术能够优化能源系统、加速清洁能源技术的发展，从而降低碳排放；另一方面，AI的快速发展也带来了巨大的能源需求，可能对电力系统造成压力。因此，我们需要在发展AI的同时，积极探索降低其能源消耗的方法，并充分利用AI的潜力来推动清洁能源转型。这不仅需要技术创新，还需要政策引导和跨领域合作，共同应对这一复杂的挑战。
同时我们也要注意到AI发展带来的伦理问题，例如数据隐私、算法公平性等。在追求技术进步的同时，必须坚守伦理底线，确保AI的发展符合人类的共同利益。人工智能与能源的融合发展，需要我们以更加开放、包容和负责任的态度去面对，才能实现可持续的未来。
