跳到内容

照亮世界的知识

人工智能消耗多少能源?数据中心、电力、水资源及解决方案的探索

训练和运行人工智能模型需要庞大的数据中心。根据国际能源署的数据,到2030年,数据中心的用电量可能会增加一倍以上。本文将探讨相关数据、用水量、对电网的影响以及效率解决方案。

人工智能消耗多少能源?数据中心、电力、水资源及解决方案的探索

向人工智能聊天助手提问只需几秒钟。但在回答背后,是庞大的数据中心,数以千计的强大芯片在那里运行,并且必须不断进行冷却。人工智能的普及已将这些设施的能源需求推向了全球议程的首位。

数据说明了什么?

根据国际能源署 (IEA) 的 2025 年报告《能源与人工智能》,2024 年数据中心的耗电量约为 415 太瓦时 (TWh),约占全球用电量的 1.5%。根据报告的基准情况,预计到 2030 年这一数字将上升到约 945 太瓦时,增加一倍以上。增长的主要驱动因素是用于人工智能的加速服务器。

尽管全球占比看起来很小,但消耗量集中在某些地区。美国和中国占据了大部分增长,在数据中心集中的某些地区,当地电网正面临严重压力。

训练与使用

能源消耗分为两个阶段:训练大型模型需要数千个芯片运行数周或数月。一旦模型发布,来自数百万用户的每一次请求(推理)也会消耗能源。随着使用范围的扩大,推理在总消耗中的占比也在增长。生成图像和视频通常比生成文本需要更多的计算能力。

水足迹

一些数据中心为其服务器使用蒸发冷却技术,这会消耗大量水资源。发电厂在产生电力时也具有间接的水足迹。因此,在干旱地区开展新的数据中心项目可能会引发争议。

寻找解决方案

  • 高效硬件:每一代新芯片都旨在以更少的能源完成同样的工作。
  • 小型化模型:对于许多任务,使用更小、更高效的模型可能就足够了,而不必使用大型模型。
  • 清洁能源:科技公司正转向可再生能源和核能协议。
  • 智能冷却与选址:液冷技术、废热回收以及在凉爽气候地区建设可以提高效率。

作为用户我能做些什么?

个人使用的影响本身很小,但如果不必要地生成大量图像或视频,而是针对简单问题使用搜索引擎,并使用一个清晰的提示词(prompt)来完成任务,就可以节省时间和能源。

效率如何衡量?PUE

数据中心使用的所有电力并不都用于计算机;很大一部分用于冷却、电源转换和照明等支持系统。衡量这种差异最广泛使用的指标是 PUE(电源使用效率)。

  • 定义:PUE 是设施总能耗与其 IT 设备能耗的比率;它由行业联盟 The Green Grid 于 2007 年提出。
  • 理想值:1.0 是理论极限,即所有能源都用于 IT 设备;数值越高,用于支持系统的份额就越大。
  • 行业平均水平:在 Uptime Institute 的全球数据中心调查中,近年来的平均 PUE 维持在 1.5–1.6 左右。

PUE 是一个有用的衡量标准,但仅凭它是不够的:它无法显示所用电力的来源、用水情况或硬件运行的效率。

局部影响与透明度

尽管数据中心的耗电量在全球范围内仍然有限,但它们在某些地区的影响更为显著。例如,根据爱尔兰中央统计局的数据,2023 年数据中心约占该国总计量用电量的 21%。

这种集中趋势正引发关于电网容量、电价和水资源的局部辩论。在修订后的《能源效率指令》下,欧盟已开始要求超过一定规模的数据中心报告其能源和水资源使用情况。专家强调,为了了解人工智能真实的环境成本,企业在模型和设施层面分享更详细、更具可比性的数据至关重要。

来源与延伸阅读

  1. 国际能源署 (IEA),《能源与人工智能》报告 (2025)。
  2. IEA,《2025 年电力》报告。
  3. Li, P. 等,《让人工智能不再“口渴”》,ACM 通讯 (2025)。
  4. The Green Grid – PUE:该指标的全面审查
  5. Uptime Institute – 2024 年全球数据中心调查
  6. 爱尔兰中央统计局 (CSO Ireland) – 2023 年数据中心计量用电量
分享
关注 YulaHub第一时间获取当天最重要的新闻。
RSS

发表评论

您的电子邮箱地址不会被公开。必填项已用 * 标注