人工智能的指数级增长为大型科技公司数据中心提供了一把双刃剑，这些数据中心是未来的 AI 工厂。虽然 AI 提供了巨大的机会，但它也带来了重大挑战：为 AI 工作负载提供支持的能源密集型数据中心的温室气体排放激增。AI 需要巨大的计算能力，转化为数据中心的巨大能源消耗。
那么，为什么它们突然变得如此耗能呢？传统的数据中心设计没有完全考虑热电联产、与相邻行业的热负荷和水负荷管理、电网优化和本地储能，因为这些概念中的大多数在当时都是实验性的。在建筑运营方面，我们看到了一个问题。然而，纵观内部，我们发现了另一个问题：大多数公司的团队都缺乏有效的方法来预测和衡量其数据中心所需的处理能力。这导致他们的中央和图形处理单元利用率不足，进一步加剧了能源问题。
即使可以使用可再生能源，无休止的指数级需求也会使有限的资源紧张，难以跟上 AI 处理需求的快速增长。可再生能源（如太阳能、风能）的间歇性以及水力和地热能的地理限制，对满足数据中心持续且不断增长的能源需求构成了重大挑战。
此外，数据中心目前的地理分布通常会限制它们获得新的和远程的可再生能源资源。虽然 Google、Meta、Microsoft 和 Amazon 试图实现其雄心勃勃的可持续发展目标，但它们正在努力跟上步伐，同时扩大其 AI 工作。这是他们所处的巨大增长阶段，年度可持续发展报告需要深思熟虑地解决和承认新的计算水平。
优化未来的 AI 工厂（今天称为数据中心）
那么，作为 AI 生产的核心，数据中心如何变得更加可持续呢？首先，客户、设计师、建筑商和运营商需要一种更新和系统思考的方法，以了解所有因素、成本和收益，从而共同解决这个问题。此外，以下是一些可能有助于推动发展的潜在有前途的解决方案：
•硬件和软件效率：Nvidia 最近在 GPU 方面的进步在特定 AI 和高性能计算任务的能效方面通常比 CPU 高出 20 倍。仅此一项就可以在不影响性能的情况下显著降低能耗。
•可再生能源与储存：增加对太阳能和风能、地热能和水力等可再生能源的投资，再加上高效的新电池存储选项，可以提供更清洁、更可靠的能源。一个例子是 Google 与 NV Energy 合作，利用地热能来支持其在内华达州拉斯维加斯（一个不断增长的数据中心区域）的数据中心扩张。
•小规模核能：尽管存在争议，但一些专家认为，小规模、模块化的现场核动力系统可以提供低碳、高能量密度的解决方案。
•电网优化和热共享：数据中心会产生巨大的热量，需要相应的水来保持凉爽。虽然其中一些可以通过负载管理来缓解，但 Equinix 和 Schneider Electric 等公司正在开发智能电网，这些电网可以利用这些热量并与周围社区分享，以提高社区层面的整体能源效率。
•讽刺与机遇：AI 是系统解决方案，而不仅仅是问题
具有讽刺意味的是，AI 数据中心的巨大能源需求可能成为解决整个经济能源挑战的催化剂。跨行业的 AI 驱动的自动化可以显著降低制造、运输甚至农业的能源消耗。考虑自我优化和能源共享工厂或连接到带有电池墙和当地电网的家庭的自动驾驶电动汽车——所有这些都由 AI 供电和负载管理，并且作为一个系统和网络有可能比独立的孤立同类产品更加节能。这种转变最终可能会带来能源使用的净收益，即使 AI 数据中心的兴起也是如此。
Work Computer 与 Paper Office 范式
从纸质办公室到工作计算机的转变提供了一个历史例子，说明技术在提高效率和减轻新能源负担方面的潜力。虽然数据中心消耗大量电力，但它们可以取代纸张生产、运输和与纸质和手动工作流程相关的物理通勤中使用的能源。经济学中有一条原则叫做收益递减定律，这也适用于能源使用。随着技术的进步，我们看到每单位产出的能源使用量显着减少。然而，进一步的改进变得越来越难以实现，人们消耗更多的水。
尽管存在这种限制，但能源的未来是光明的。对太阳能和风能等可再生能源的关注使它们成为比传统高排放能源更可行的选择。此外，能源生产、电池存储，甚至全新形式的清洁能源方面的突破都可能进一步推动效率的界限。最后，关注科技领域的“循环经济”，即材料被重复使用和回收，可以显着减少制造和处置电子设备对环境的影响。
全球挑战，协作解决方案
数据中心的可持续性不仅仅是科技公司关心的问题。每个国家/地区很快都将拥有自己的国内 AI 数据中心网络，将高效的数据和能源管理中心作为其关键弹性基础设施的一部分。协作和知识共享是关键。这包括分享最佳实践、更深入的行业合作伙伴关系以及联合研究工作，以应对其中一些系统性挑战。
开发强大 AI 的竞赛正在进行，但不能以牺牲环境可持续性为代价。优化数据中心和促进协作是面向未来构建更绿色 AI 工厂的关键步骤。然而，故事并没有就此结束。推动数据中心能源激增的技术可能是为整个全球经济开启更清洁、更高效的能源未来的关键。
转载自：文章
