AI引爆能源需求 核能是商機？

亞馬遜產業霸主的地位早已成為市場共識，鮮為人知的是，亞馬遜是核電廠的所有者和營運商。

2024年初電力供應商塔倫能源 (Talen Energy) 以6.5 億美元價格將百分百由核能供電的Cumulus 資料中心園區賣給亞馬遜子公司AWS ，並獲得960MW全天候供電的核能。

從表面上看，這筆交易表明了亞馬遜雄心勃勃的擴張計劃。但深入挖掘就會發現，該公司購買核電設施的舉動說明了亞馬遜和其他科技巨頭正在努力解決的一個更廣泛的問題：人工智慧對能源的永不滿足的需求。

以亞馬遜為例，AWS 購買塔倫能源 位於賓州的核動力資料中心，將其快速擴張的人工智慧資料中心安置在電源旁邊，以滿足人工智慧產生的能源需求。

這項策略是隨著人工智慧逐漸滲透到消費者的日常生活中，而形成的能源清算的一個徵兆，為從網路搜尋到智慧型裝置和汽車的一切事物提供動力。

Google (GOOL)、蘋果 (AAPL)和特斯拉 (TSLA)等公司繼續透過新產品和服務增強人工智慧能力。每項人工智慧任務都需要大量的運算能力，這會轉化為高耗能資料中心的大量電力消耗。

據估計，到 2027 年，全球人工智慧相關用電量可能會成長 64%，每年達到 134 太瓦時(TWh)，相當於荷蘭或瑞典等國家的用電量。

這就凸顯一個關鍵問題：大型科技公司如何解決未來人工智慧創新所需的能源需求？

人工智慧的能源消耗不斷上升

根據皮尤研究中心的數據，超過一半的美國人每天至少與人工智慧互動一次。著名研究員和資料科學家 Sasha Luccioni 是 Hugging Face（一家為人工智慧應用建置工具的公司）的人工智慧和氣候主管，她經常討論人工智慧的能耗。

Luccioni 解釋說，雖然訓練 AI 模型是能源密集型的—例如訓練 GPT-3 模型使用了大約 1,300 兆瓦時的電力—但它通常只發生一次。然而，由於查詢量龐大，模型產生回應的推理階段可能需要更多的能源。

例如，當使用者向 ChatGPT 等 AI 模型詢問問題時，它會向資料中心發送請求，其中強大的處理器會產生回應。這個過程雖然很快，但消耗的能量比典型的 Google 搜尋多約 10 倍。根據模型的大小，5,000 萬到 2 億次查詢所消耗的能量與訓練模型本身一樣多。

ChatGPT 每天有 1000 萬用戶，在 20 天內，就達部署模型進行訓練所需的巨大用電量。

這些能源的最大消費單位是被稱為「超大規模企業」的大型科技公司，這些企業有能力透過其雲端服務快速擴展人工智慧工作。預計2024 年，微軟、Alphabet、META和亞馬遜在人工智慧領域就花費1890億美元。

隨著人工智慧驅動的能源消耗的成長，它給已經不堪重負的能源網帶來了額外的壓力。高盛項目預計到 2030 年，全球資料中心電力需求將成長 160%，占美國總電力需求的 8%，高於 2022 年的 3%。

老化的基礎設施和推動美國汽車和製造業的電氣化。根據能源部70% 的美國輸電線路已接近其典型的 50 至 80 年生命週期的終點，增加了停電和網攻的風險。此外，再生能源正在努力跟上步伐。

即使再生能源發電規模不斷擴大，電網營運商仍在擴大燃煤發電廠的使用，以滿足不斷增長的能源需求。

人工智慧顛覆了大型科技公司的永續發展承諾

微軟和Google在永續發展報告中承認人工智慧阻礙了他們實現氣候目標的能力。例如，由於AI相關的資料中心建置，微軟的碳排放量自 2020 年以來增加了 29%。

儘管如此，再生能源仍然是大型科技公司策略的重要組成部分，即使它無法滿足人工智慧的所有能源需求。

Brookfield 資產管理公司、Brookfield Renewable 以及微軟 5 月1 日宣布簽署全球再生能源框架協議，透過風能、太陽能和其他無碳能源發電技術，在全球範圍內提供超過 10.5 GW的新再生能源發電能力。此外，該公司還大力投資於碳清除工作，以抵銷產業記錄排放量820萬噸。

亞馬遜也對再生能源進行了大量投資，將自己定位為全球最大的再生能源企業採購商連續第四年。該公司的投資組合目前包括每年足以為 720 萬美國家庭供電的風能和太陽能。

除了採購清潔能源外，大型科技公司還在提高效率方面進行投資。像Google這樣的公司現在正在開發人工智慧專用晶片，例如張量處理單元(TPU) ，這些晶片針對人工智慧任務進行了最佳化，而不是使用為遊戲技術而創建的圖形處理器 (GPU)。

Nvidia 聲稱其最新Blackwell GPU 可以減少 AI 模型的能源消耗與早期版本相比，成本高達 25 倍。

對於一窺不管理能源成本的科技公司未來，看看台積電 (TSM) 就知道了，全球90%以上最先進的AI晶片都是由台積電生產，

財務長兼發言人黃仁昭表示，在過去的一年裡，該公司能源成本翻了一倍，利潤率下降了近一個百分點。

專家表示，為了更準確地衡量能源需求並降低未來成本，透明度是關鍵，這需要更多的監管。

當談到科技公司的優先事項時，始終關注資金，或在這種情況下是投資。公用事業公司和科技巨頭預計將支出1兆美元未來幾年的人工智慧。人工智慧可能不僅僅是問題所在，它還可能成為解決能源稀缺問題的解決方案的一部分。

例如，知道水力發電大壩何時可能需要修復，以及老化的基礎設施(如電纜) 同樣需要修復洩漏。實際上，在傳輸和存儲過程中會損失大量能量。因此人工智慧可以可用於即時預測或修復它。