AI 与能源消耗:一个被误解的话题

AI能耗常被高估,当前计算机设备仅耗电全球约5%,且通过提升各领域能源效率带来净减排效益;其在优化数据中心制冷、推动交通与建筑电气化等方面正发挥关键作用,国际能源署指出其用电增长占比实际很小。

发布于2025年4月9日 06:46
编辑零重力瓦力
评论0
阅读9

随着人工智能的迅猛发展,关于 AI 能耗问题的讨论也变得愈发热烈。一些观点认为,AI和数据中心正在加剧全球变暖。然而,事实果真如此吗?能源使用数据分析专家乔纳森·库米指出,这或许是一个被误解的话题。

从数据来看,包括数据中心在内的所有计算机设备目前仅消耗全球电力的约 5%。这个数字虽然不小,但需要从更宽广的视角来看待。这 5% 的电力消耗实际上帮助我们更高效地使用了剩余 95% 的电力和其他能源。计算机效率每 2.6 年翻一番的发展速度,也在不断优化能源使用。

当我们谈论数据中心用电增长时,往往会产生一个认知偏差。我们往往看到局部地区因数据中心集中导致的用电量激增,就认为这种情况在全球普遍存在。实际上,数据中心的集中布局更多是出于运营效率的考虑,这种局部现象并不能代表整体趋势。

从更长远的角度来看,AI 技术本身也在为能源优化做出贡献。比如,AI 已经被应用于提升数据中心的制冷效率。更重要的是,AI 可能在推动整个社会向净零排放转型过程中发挥关键作用。国际能源署的预测显示,未来几年电力需求的增长主要来自交通、建筑和工业领域的电气化,数据中心仅占预期增长的很小一部分。

或许,我们需要摒弃简单的 "耗电就是坏事" 的思维定式,而应该关注技术带来的整体收益。在向净零排放迈进的过程中,真正的衡量标准不是某个领域的单独表现,而是整个社会的总体排放是否在下降。

相关文章

Meta 开始向 Meta AI 智能体推出“沉思模式”
AI 产品工具
2026年4月14日
0 条评论
小创

Meta 开始向 Meta AI 智能体推出“沉思模式”

Meta 向所有用户免费开放 Muse Spark 的 Contemplating 模式,采用 16 个智能体并行推理架构,在基准测试中性能对标 Google 和 OpenAI 顶尖模型。 Muse Spark 已位列全球 AI 助手第一梯队,发布后 24 小时内 App Store 排名跃升至第 5 位,全球安装量达 6050 万次。此举旨在以免费策略撬动付费竞品市场,将 AI 助手竞争从“能力对比”转向“生态争夺”。

#AI 模型#Muse Spark#Meta
阅读全文
如何构建 AI 扩展定律以实现高效 LLM 训练和预算最大化
AI 教程知识
2026年4月13日
0 条评论
小创

如何构建 AI 扩展定律以实现高效 LLM 训练和预算最大化

MIT-IBM 团队发布大规模语言模型扩展定律系统性指南,通过分析 485 个模型和 190 万条性能指标,拟合超 1000 条扩展定律。研究发现预测相对误差最佳可控制在 4%,并证实小模型与大模型存在可迁移规律。建议优先训练多个小模型而非追求大模型,中期检查点数据最具预测价值。这项研究为资源受限的研究者提供了更公平参与大模型研究的可能,揭示了扩展定律在跨模型家族间的通用性。

#MIT#AI 模型
阅读全文
从 LLMs 到“幻觉”,一文搞懂常见 AI 术语
AI 教程知识
2026年4月13日
0 条评论
零重力瓦力

从 LLMs 到“幻觉”,一文搞懂常见 AI 术语

本文系统梳理了人工智能领域的核心术语框架,涵盖 AGI 定义、智能体、神经网络、深度学习、大语言模型、扩散模型等关键技术概念,并解读了蒸馏、微调、幻觉、算力等产业实践要素。文章揭示 AI 产业飞速发展与概念定义尚未收敛的矛盾,指出记忆危机与算力瓶颈正从基础设施层面重塑竞争格局,理解概念本质比背诵定义更为重要。

#AI 模型
阅读全文
互动讨论

评论区

围绕《AI 与能源消耗:一个被误解的话题》展开交流,未登录用户可浏览评论,登录后可参与讨论。

评论数
0
登录后参与评论
支持发表观点与回复一级评论,互动后将同步到消息中心。
登录后评论
暂无评论,欢迎成为第一个参与讨论的人。