生成式AI工作負載需要更多的計算，勢必更廣泛地影響數(shù)據(jù)中心的能源效率和冷卻系統(tǒng)，即影響會遍及行業(yè)的方方面面。有分析稱，到2028年數(shù)據(jù)中心功耗將比今年增加212倍，數(shù)據(jù)中心基礎(chǔ)設(shè)施加上運營成本總額或超760億美元，堪稱“生成式AI顛覆數(shù)據(jù)中心”。
伴隨年初微軟支持的ChatGPT大火，以及谷歌、Meta等一眾競爭對手快速推出大語言模型（LLM）和生成式人工智能競品，AI儼然正在快速推進至人類生活的更多方面，相關(guān)需求也水漲船高。
鮮為人知的是，AI大火還帶動了數(shù)據(jù)中心成本飆升，最新報道便點明：“與運行人工智能數(shù)字運算相關(guān)的能源使用，正迅速成為數(shù)據(jù)中心費用上漲的關(guān)鍵驅(qū)動因素。”
對人工智能的需求飆升，令一些數(shù)據(jù)中心的運營商們趁機提高商業(yè)租賃價格，以應(yīng)對為運行日益能源密集型工作負載的計算機服務(wù)器組群（stack）供電和散熱而產(chǎn)生的額外成本。
據(jù)全球最大商業(yè)房地產(chǎn)服務(wù)公司之一的世邦魏理仕（CBRE Group）統(tǒng)計，數(shù)據(jù)中心客戶囊括了小型企業(yè)到大型云服務(wù)供應(yīng)商，目前消耗電力的速度快于數(shù)據(jù)中心運營商擴展容量的速度。由于人工智能用例的增加，供應(yīng)限制日益嚴重，這為數(shù)據(jù)中心收取的價格帶來了上行壓力。
例如，在擁有超過275個設(shè)施的全球最大數(shù)據(jù)中心市場——美國北弗吉尼亞州，今年可供租賃的電量從一年前的46.6兆瓦減少至38.4兆瓦，降幅高達17.6%，而總體電量庫存實際同比增長了19.5%至2132兆瓦，主要由于用于訓(xùn)練生成式AI模型的GPU功耗很大且在快速增加。
此外，與AI需求相關(guān)的額外功率還需要輔以更先進的硬件冷卻系統(tǒng)，這些制冷系統(tǒng)不僅能耗很高，往往比傳統(tǒng)的空氣冷卻器更昂貴且占地面積更大，均屬于人工智能推高數(shù)據(jù)中心價格的動因之一。
同時，在AI需求旺盛的當下，數(shù)據(jù)中心客戶支付的電費也更為高昂。市場研究公司Synergy Research Group的首席分析師John Dinsdale坦言，數(shù)據(jù)中心運營商正將運行AI應(yīng)用程序產(chǎn)生的額外成本直接轉(zhuǎn)嫁到客戶身上。
據(jù)世邦魏理仕統(tǒng)計，今年前三個月，美國北弗吉尼亞州的數(shù)據(jù)中心客戶每月每千瓦電力支付的費用高達140美元，比一年前的130美元增長了7.7%。在硅谷，數(shù)據(jù)中心的空置率目前處于接近歷史低點的2.9%，客戶每千瓦每月最高電價攀升至250美元，較去年的175美元猛增了43%。
據(jù)介紹，人工智能應(yīng)用程序比傳統(tǒng)軟件消耗更多的能量，因為它們旨在讀取更大量的數(shù)據(jù)。幾天之內(nèi)，單個人工智能模型可能會消耗數(shù)萬千瓦時的電力，而生成式AI模型可比標準AI工具再大100倍。市場研究公司Enterprise Technology Research今年對約500名企業(yè)IT決策者進行了調(diào)查，其中有一半以上都表示，計劃評估、部署或投入更多資源用于類似ChatGPT的生成式AI技術(shù)。
還有分析指出，由于許多云供應(yīng)商也租賃數(shù)據(jù)中心的空間，隨著越來越多的公司采用生成式人工智能，不斷上漲的數(shù)據(jù)中心成本可能會導(dǎo)致更高的云計算費用。鑒于生成式AI工作負載需要更多的計算，勢必更廣泛地影響數(shù)據(jù)中心的能源效率和冷卻系統(tǒng)，即影響會遍及行業(yè)的方方面面。
據(jù)蘭洋科技的科普文章，業(yè)內(nèi)普遍認為，數(shù)據(jù)中心能耗高、能耗增長快，占我國能源消費比重逐年提高。數(shù)據(jù)中心的能耗消費特點是較為集中，除IT設(shè)備外，制冷系統(tǒng)等輔助設(shè)施能耗比例高：
“IT設(shè)備使用的電力最終會轉(zhuǎn)化為熱量，數(shù)據(jù)中心必須通過使用同樣消耗能源的冷卻設(shè)備去除熱量。平均而言，冷卻系統(tǒng)和服務(wù)器占數(shù)據(jù)中心能耗的大部分，其次是網(wǎng)絡(luò)設(shè)備和存儲驅(qū)動器。”
而能耗也直接與運營成本相關(guān)。據(jù)咨詢機構(gòu)Tirias Research建模預(yù)測，到2028年數(shù)據(jù)中心功耗將接近4250兆瓦，比2023年增加212倍，數(shù)據(jù)中心基礎(chǔ)設(shè)施加上運營成本總額或超760億美元。
這堪稱“生成式AI顛覆數(shù)據(jù)中心”，其增長對新興服務(wù)（例如搜索、內(nèi)容創(chuàng)建和結(jié)合生成式AI的業(yè)務(wù)自動化）的商業(yè)模式和盈利能力都提出了挑戰(zhàn)，成本更是亞馬遜AWS年運營成本的兩倍多。
該機構(gòu)稱，生成式AI帶來的種種創(chuàng)新功能，都是以處理性能和功耗方面的高昂成本為代價。因此，雖然人工智能的潛力可能是無限的，但物理和成本最終可能是界限。
為了降低成本，該機構(gòu)建議，可使用高度優(yōu)化、甚至是更簡單、更專業(yè)的小型神經(jīng)網(wǎng)絡(luò)模型來降低數(shù)據(jù)中心成本，方法是減少云端的模型規(guī)模，將海量參數(shù)網(wǎng)絡(luò)用于快速訓(xùn)練較小的模型，并將工作負載完全移出云端，從而將生成式AI應(yīng)用程序更加經(jīng)濟高效地分發(fā)給智能手機、PC、車輛和移動XR產(chǎn)品等分布式平臺上運行：
“五年前，各公司在年度Hot Chips半導(dǎo)體技術(shù)會議上開始對數(shù)據(jù)中心功耗敲響警鐘，當時預(yù)測全球計算需求可能在十年內(nèi)超過全球發(fā)電總量。那還是在生成式AI迅速采用之前，而生成式AI有可能以更快的速度增加計算需求。
天下沒有免費的午餐——消費者會要求更好的生成式AI輸出，而這將抵消效率和性能的提升。隨著消費者使用量的增加，成本將不可避免地攀升。將計算轉(zhuǎn)移到邊緣，并將其分配給PC、智能手機和XR設(shè)備等客戶端是降低資本和運營成本的關(guān)鍵途徑。”
來源：華爾街見聞
