AI-industriens potentiale til at konkurrere med det nationale elforbrug
AI's hurtige ekspansion i 2022 og 2023, drevet af succesen med OpenAI's ChatGPT, har rejst bekymringer om elforbrug og miljøpåvirkning. Datacentres elforbrug, som kun udgør 1 % af det globale elforbrug, kan være steget med 6 % mellem 2010 og 2018. Denne kommentar undersøger AI-elektricitetsforbrug og dets potentielle implikationer, diskuterer både pessimistiske og optimistiske scenarier og advarer mod at omfavne begge ekstremer .
AI, herunder generative AI-værktøjer som ChatGPT , OpenAI's DALL-E, bruger naturlig sprogbehandling til at skabe nyt indhold. Træningsfasen, der ofte er energikrævende, involverer fodring af store datasæt og justering af parametre for at tilpasse forudsagte output med måloutput. Inferensfasen, hvor modeller genererer output, har fået lidt opmærksomhed i litteraturen. Inferensfasen kan dog bidrage væsentligt til en AI-models livscyklusomkostninger, hvor Google siger, at 60 % af AI-relaterede energiforbrug stammer fra inferens.
Ifølge forsker Alex de Vries fra School of Business and Economics i Amsterdam kan AI-virksomheders energiforbrug nå forbløffende proportioner i 2027, sammenlignet med hele nationer som Argentina, Holland og Sverige.
| Relaterede: Træning af AI og vandkrisen: Et kig på den overraskende forbindelse mellem ChatGPT og vandforbrug |
De Vries udleder sine beregninger fra de forventede leverancer af AI-servere fra markedslederen Nvidia i 2023. Hans estimater indikerer en væsentlig stigning, fra 100 tusinde servere i år til 1.5 millioner servere i 2027.
Forudsat at disse servere fungerer med fuld kapacitet, vil deres energiforbrug stige fra de nuværende 6-9 terawatt-timer (TWh) årligt til svimlende 86-134 TWh årligt i 2027. For et perspektiv bruger Sverige 125 TWh energi hvert år.
Ydermere, hvis Google udelukkende skulle overgå sin søgetjeneste til AI-algoritmer i dag, ville energiomkostningerne alene beløbe sig til 29.3 TWh årligt, svarende til Irlands årlige energiforbrug.
De Vries erkender, at et sådant scenario forbliver usandsynligt, blandt andet fordi Nvidia i øjeblikket står over for udfordringer med at levere den nødvendige mængde AI-servere. Manglen på disse servere betyder også høje omkostninger. For eksempel ville Googles teoretiske skift til en all-AI-tilgang udslette virksomhedens driftsmargin.
AI-algoritmedrift er økonomisk belastende for virksomheder, og effektiv indtægtsgenerering forbliver uhåndgribelig. Paradoksalt nok stiger teknologiomkostningerne snarere end falder, efterhånden som antallet af brugere vokser. Microsoft forsøger at udnytte hypen omkring generativ AI for at skabe et marked for sådanne tjenester og tjene penge. Imidlertid har virksomheden haft økonomiske tab på sine første generative produkter, såsom GitHub Copilot-tjeneste, som tabte fra $20 til $80 pr. bruger. For at undgå dette har Microsoft besluttet at frigive AI-tilføjelser til sine populære produkter, hvilket kan øge prisen på produktet. Google og Microsoft har også problemer med at tjene penge på AI-tjenester på grund af de høje vedligeholdelsesomkostninger. Virksomheder som Microsoft og Google kræver yderligere $30 for at vedligeholde AI-modeller. Zoom-skabere forsøger også at spare penge ved at udvikle deres egne algoritmer og låne andre til komplekse opgaver. Adobe og andre virksomheder begrænser brugen af neurale netværk baseret på takstplaner. Virksomheder håber, at prisen på AI-modeller vil falde over tid, men før det sker, skal de bruge hundredvis af millioner af dollars.
Forbedringer i hardwareeffektivitet, modelarkitekturer og algoritmer kan potentielt reducere AI-relateret elforbrug på lang sigt. Dette kan skyldes Jevons' paradoks, hvor øget effektivitet fører til øget efterspørgsel, hvilket fører til en nettostigning i ressourceforbruget. Derudover kunne genbrug af GPU'er til AI-relaterede opgaver, såsom Ethereums "mining 2.0", flytte 16.1 TWh årligt elforbrug til AI.
AI-relateret elforbrug er usikkert, men det kan booste applikationer som Google Search. Ressourcebegrænsninger kan dog begrænse væksten. Bestræbelser på at forbedre AI-effektiviteten kan udløse en rebound-effekt, hvilket øger efterspørgslen efter AI. Udviklere bør fokusere på at optimere kunstig intelligens og overveje dens nødvendighed, med tilsynsmyndigheder, der overvejer krav til miljøoplysninger.
Ansvarsfraskrivelse
I tråd med den Trust Project retningslinjer, bemærk venligst, at oplysningerne på denne side ikke er beregnet til at være og ikke skal fortolkes som juridiske, skattemæssige, investeringsmæssige, finansielle eller nogen anden form for rådgivning. Det er vigtigt kun at investere, hvad du har råd til at tabe, og at søge uafhængig finansiel rådgivning, hvis du er i tvivl. For yderligere information foreslår vi at henvise til vilkårene og betingelserne samt hjælpe- og supportsiderne fra udstederen eller annoncøren. MetaversePost er forpligtet til nøjagtig, objektiv rapportering, men markedsforholdene kan ændres uden varsel.
Om forfatteren
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
Flere artikler
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
