AI-industrins potential att konkurrera med den nationella elkonsumtionen
AI:s snabba expansion 2022 och 2023, driven av framgången för OpenAIÄr ChatGPT, har väckt oro för elförbrukning och miljöpåverkan. Datacenters elförbrukning, som endast står för 1 % av den globala elanvändningen, kan ha ökat med 6 % mellan 2010 och 2018. Den här kommentaren undersöker AI-elektricitetsförbrukning och dess potentiella implikationer, diskuterar både pessimistiska och optimistiska scenarier och varnar för att omfamna båda extremerna .
AI, inklusive generativa AI-verktyg som ChatGPT och OpenAI's DALL-E, använder naturlig språkbehandling för att skapa nytt innehåll. Träningsfasen, ofta energikrävande, involverar matning av stora datamängder och justering av parametrar för att anpassa förutspådda utdata med målutdata. Slutledningsfasen, där modeller genererar utdata, har fått lite uppmärksamhet i litteraturen. Däremot kan slutledningsfasen bidra avsevärt till en AI-modells livscykelkostnader, där Google anger att 60 % av AI-relaterad energiförbrukning härrör från slutsatser.
Enligt forskaren Alex de Vries från Handelshögskolan i Amsterdam kan AI-företagens energiförbrukning nå häpnadsväckande proportioner till 2027, jämförbart med hela nationer som Argentina, Nederländerna och Sverige.
De Vries härleder sina beräkningar från de förväntade leveranserna av AI-servrar från marknadsledaren Nvidia 2023. Hans uppskattningar tyder på en betydande ökning, från 100 tusen servrar i år till 1.5 miljoner servrar år 2027.
Förutsatt att dessa servrar fungerar med full kapacitet kommer deras energiförbrukning att stiga från nuvarande 6–9 terawattimmar (TWh) årligen till svindlande 86–134 TWh årligen år 2027. För perspektivet förbrukar Sverige 125 TWh energi varje år.
Om Google dessutom enbart skulle övergå sin söktjänst till AI-algoritmer idag, skulle enbart energikostnaderna uppgå till 29.3 TWh årligen, motsvarande Irlands årliga energiförbrukning.
De Vries erkänner att ett sådant scenario förblir osannolikt, delvis för att Nvidia för närvarande står inför utmaningar när det gäller att leverera den nödvändiga mängden AI-servrar. Bristen på dessa servrar leder också till höga kostnader. Till exempel skulle Googles teoretiska övergång till en helt AI-strategi utplåna företagets rörelsemarginal.
AI-algoritmdrift är ekonomiskt betungande för företag, och effektiv intäktsgenerering förblir svårfångad. Paradoxalt nog, när antalet användare växer, ökar teknikkostnaderna snarare än minskar. Microsoft försöker dra nytta av hypen kring generativ AI för att skapa en marknad för sådana tjänster och tjäna pengar. Företaget har dock drabbats av ekonomiska förluster på sina första generativa produkter, såsom GitHub Copilot-tjänst, som förlorade från $20 till $80 per användare. För att undvika detta har Microsoft beslutat att släppa AI-tillägg för sina populära produkter, vilket kan öka kostnaden för produkten. Google och Microsoft har också svårt att tjäna pengar på AI-tjänster på grund av de höga underhållskostnaderna. Företag som Microsoft och Google kräver ytterligare $30 för att underhålla AI-modeller. Zoom-skapare försöker också spara pengar genom att utveckla sina egna algoritmer och låna andra för komplexa uppgifter. Adobe och andra företag begränsar användningen av neurala nätverk baserat på tariffplaner. Företag hoppas att kostnaden för AI-modeller kommer att sjunka med tiden, men innan det händer kommer de att behöva spendera hundratals miljoner dollar.
Förbättringar av hårdvarueffektivitet, modellarkitekturer och algoritmer kan potentiellt minska AI-relaterad elförbrukning på lång sikt. Detta kan bero på Jevons paradox, där ökad effektivitet leder till ökad efterfrågan, vilket leder till en nettoökning av resursanvändningen. Dessutom kan en omanvändning av GPU:er för AI-relaterade uppgifter, som Ethereums "mining 2.0", flytta 16.1 TWh årlig elförbrukning till AI.
AI-relaterad elförbrukning är osäker, men det kan öka applikationer som Google Sök. Resursbegränsningar kan dock begränsa tillväxten. Ansträngningar för att förbättra AI-effektiviteten kan utlösa en rebound-effekt, vilket ökar efterfrågan på AI. Utvecklare bör fokusera på att optimera AI och överväga dess nödvändighet, med tillsynsmyndigheter som överväger miljökrav.
Villkor
I linje med den Riktlinjer för Trust Project, vänligen notera att informationen på den här sidan inte är avsedd att vara och inte ska tolkas som juridisk, skattemässig, investerings-, finansiell eller någon annan form av rådgivning. Det är viktigt att bara investera det du har råd att förlora och att söka oberoende finansiell rådgivning om du har några tvivel. För ytterligare information föreslår vi att du hänvisar till villkoren samt hjälp- och supportsidorna som tillhandahålls av utfärdaren eller annonsören. MetaversePost är engagerad i korrekt, opartisk rapportering, men marknadsförhållandena kan ändras utan föregående meddelande.
Om författaren
Damir är teamledare, produktchef och redaktör på Metaverse Post, som täcker ämnen som AI/ML, AGI, LLMs, Metaverse och Web3-relaterade områden. Hans artiklar lockar en massiv publik på över en miljon användare varje månad. Han verkar vara en expert med 10 års erfarenhet av SEO och digital marknadsföring. Damir har nämnts i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto och andra publikationer. Han reser mellan Förenade Arabemiraten, Turkiet, Ryssland och OSS som en digital nomad. Damir tog en kandidatexamen i fysik, som han tror har gett honom de kritiska tänkande färdigheter som behövs för att bli framgångsrik i det ständigt föränderliga landskapet på internet.
fler artiklar
Damir är teamledare, produktchef och redaktör på Metaverse Post, som täcker ämnen som AI/ML, AGI, LLMs, Metaverse och Web3-relaterade områden. Hans artiklar lockar en massiv publik på över en miljon användare varje månad. Han verkar vara en expert med 10 års erfarenhet av SEO och digital marknadsföring. Damir har nämnts i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto och andra publikationer. Han reser mellan Förenade Arabemiraten, Turkiet, Ryssland och OSS som en digital nomad. Damir tog en kandidatexamen i fysik, som han tror har gett honom de kritiska tänkande färdigheter som behövs för att bli framgångsrik i det ständigt föränderliga landskapet på internet.
