Das Potenzial der KI-Industrie, mit dem nationalen Stromverbrauch mithalten zu können
Die schnelle Expansion der KI in den Jahren 2022 und 2023 wird durch den Erfolg von vorangetrieben OpenAI ChatGPT, hat Bedenken hinsichtlich des Stromverbrauchs und der Umweltauswirkungen geäußert. Der Stromverbrauch von Rechenzentren, der nur 1 % des weltweiten Stromverbrauchs ausmacht, ist zwischen 6 und 2010 möglicherweise um 2018 % gestiegen. Dieser Kommentar untersucht den KI-Stromverbrauch und seine möglichen Auswirkungen, diskutiert sowohl pessimistische als auch optimistische Szenarien und warnt davor, sich auf eines der beiden Extreme einzulassen .
KI, einschließlich generativer KI-Tools wie ChatGPT und OpenAIDALL-E von DALL-E nutzt die Verarbeitung natürlicher Sprache, um neue Inhalte zu erstellen. Die oft energieintensive Trainingsphase umfasst die Eingabe großer Datensätze und die Anpassung von Parametern, um die vorhergesagten Ergebnisse mit den Zielergebnissen in Einklang zu bringen. Die Inferenzphase, in der Modelle Ergebnisse generieren, hat in der Literatur wenig Beachtung gefunden. Die Inferenzphase kann jedoch erheblich zu den Lebenszykluskosten eines KI-Modells beitragen, wobei Google angibt, dass 60 % des KI-bezogenen Energieverbrauchs auf Inferenz zurückzuführen sind.
Laut Forscher Alex de Vries von der School of Business and Economics in Amsterdam, der Energieverbrauch von KI-Unternehmen könnte bis 2027 erstaunliche Ausmaße annehmen, vergleichbar mit dem Energieverbrauch ganzer Nationen wie Argentinien, den Niederlanden und Schweden.
De Vries leitet seine Berechnungen von den prognostizierten Auslieferungen von KI-Servern des Marktführers Nvidia im Jahr 2023 ab. Seine Schätzungen gehen von einem erheblichen Anstieg aus, von 100 Servern in diesem Jahr auf 1.5 Millionen Server im Jahr 2027.
Unter der Annahme, dass diese Server voll ausgelastet sind, wird ihr Energieverbrauch von derzeit 6–9 Terawattstunden (TWh) jährlich auf unglaubliche 86–134 TWh jährlich bis 2027 ansteigen. Zum Vergleich: Schweden verbraucht jedes Jahr 125 TWh Energie.
Würde Google seinen Suchdienst heute ausschließlich auf KI-Algorithmen umstellen, würden allein die Energiekosten jährlich 29.3 TWh betragen, was dem jährlichen Energieverbrauch Irlands entspricht.
De Vries räumt ein, dass ein solches Szenario weiterhin unwahrscheinlich bleibt, auch weil Nvidia derzeit vor Herausforderungen steht, die erforderliche Menge an KI-Servern bereitzustellen. Die Knappheit dieser Server führt auch zu hohen Kosten. Beispielsweise würde die theoretische Umstellung von Google auf einen All-AI-Ansatz die operative Marge des Unternehmens zunichtemachen.
Der Betrieb von KI-Algorithmen ist für Unternehmen finanziell belastend Eine effektive Monetarisierung bleibt schwer zu erreichen. Paradoxerweise steigen die Technologiekosten mit zunehmender Nutzerzahl eher, als dass sie sinken. Microsoft versucht, den Hype um generative KI auszunutzen, um einen Markt für solche Dienste zu schaffen und Geld zu verdienen. Allerdings musste das Unternehmen bei seinen ersten generativen Produkten, wie z. B. dem, finanzielle Verluste hinnehmen GitHub Copilot-Dienst, der von 20 $ auf 80 $ pro Benutzer verlor. Um dies zu vermeiden, hat Microsoft beschlossen, KI-Add-ons für seine beliebten Produkte zu veröffentlichen, was die Produktkosten erhöhen kann. Auch Google und Microsoft haben aufgrund der hohen Wartungskosten Schwierigkeiten, KI-Dienste zu monetarisieren. Unternehmen wie Microsoft und Google verlangen zusätzlich 30 US-Dollar für die Wartung von KI-Modellen. Zoom-Entwickler versuchen auch, Geld zu sparen, indem sie ihre eigenen Algorithmen entwickeln und andere für komplexe Aufgaben übernehmen. Adobe und andere Unternehmen beschränken die Nutzung neuronaler Netze anhand von Tarifplänen. Unternehmen hoffen, dass die Kosten für KI-Modelle mit der Zeit sinken, doch bevor das geschieht, müssen sie Hunderte Millionen Dollar ausgeben.
Verbesserungen der Hardwareeffizienz, der Modellarchitekturen und der Algorithmen könnten möglicherweise langfristig den KI-bedingten Stromverbrauch senken. Das könnte daran liegen Das Paradoxon von Jevons, bei dem eine Steigerung der Effizienz zu einer erhöhten Nachfrage und damit zu einem Nettoanstieg des Ressourcenverbrauchs führt. Darüber hinaus könnte die Umnutzung von GPUs für KI-bezogene Aufgaben, wie zum Beispiel „Mining 2.0“ von Ethereum, 16.1 TWh des jährlichen Stromverbrauchs auf KI verlagern.
Der KI-bedingte Stromverbrauch ist ungewiss, könnte aber Anwendungen wie die Google-Suche ankurbeln. Allerdings können Ressourcenbeschränkungen das Wachstum einschränken. Bemühungen zur Verbesserung der KI-Effizienz können einen Rebound-Effekt auslösen und die Nachfrage nach KI erhöhen. Entwickler sollten sich auf die Optimierung der KI und die Berücksichtigung ihrer Notwendigkeit konzentrieren, während die Regulierungsbehörden die Offenlegungspflichten im Umweltbereich berücksichtigen.
Haftungsausschluss
Im Einklang mit der Richtlinien des Trust-ProjektsBitte beachten Sie, dass die auf dieser Seite bereitgestellten Informationen nicht als Rechts-, Steuer-, Anlage-, Finanz- oder sonstige Beratung gedacht sind und nicht als solche interpretiert werden sollten. Es ist wichtig, nur so viel zu investieren, wie Sie sich leisten können, zu verlieren, und im Zweifelsfall eine unabhängige Finanzberatung einzuholen. Für weitere Informationen empfehlen wir einen Blick auf die Allgemeinen Geschäftsbedingungen sowie die Hilfe- und Supportseiten des Herausgebers oder Werbetreibenden. MetaversePost ist einer genauen, unvoreingenommenen Berichterstattung verpflichtet, die Marktbedingungen können sich jedoch ohne Vorankündigung ändern.
Über den Autor
Damir ist Teamleiter, Produktmanager und Redakteur bei Metaverse Post, behandelt Themen wie KI/ML, AGI, LLMs, Metaverse und Web3-bezogene Felder. Seine Artikel ziehen jeden Monat ein riesiges Publikum von über einer Million Nutzern an. Er scheint ein Experte mit 10 Jahren Erfahrung in SEO und digitalem Marketing zu sein. Damir wurde in Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto und andere Publikationen. Als digitaler Nomade reist er zwischen den Vereinigten Arabischen Emiraten, der Türkei, Russland und der GUS. Damir hat einen Bachelor-Abschluss in Physik, der ihm seiner Meinung nach die Fähigkeiten zum kritischen Denken vermittelt hat, die er braucht, um in der sich ständig verändernden Landschaft des Internets erfolgreich zu sein.
Weitere Artikel
Damir ist Teamleiter, Produktmanager und Redakteur bei Metaverse Post, behandelt Themen wie KI/ML, AGI, LLMs, Metaverse und Web3-bezogene Felder. Seine Artikel ziehen jeden Monat ein riesiges Publikum von über einer Million Nutzern an. Er scheint ein Experte mit 10 Jahren Erfahrung in SEO und digitalem Marketing zu sein. Damir wurde in Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto und andere Publikationen. Als digitaler Nomade reist er zwischen den Vereinigten Arabischen Emiraten, der Türkei, Russland und der GUS. Damir hat einen Bachelor-Abschluss in Physik, der ihm seiner Meinung nach die Fähigkeiten zum kritischen Denken vermittelt hat, die er braucht, um in der sich ständig verändernden Landschaft des Internets erfolgreich zu sein.
