證券時報網
趙黎昀
2025-04-15 23:07
AI的盡頭是電力。作為耗電大戶，馬斯克的“超級算力工廠”，正面臨監管審查。
據外媒報道，馬斯克創辦的AI公司xAI在美國田納西州孟菲斯構建的超級計算機“Colossus”（巨人）因違反環境規定而面臨審查。南方環境法律中心在近日發給謝爾比縣衛生局的一封信中表示，航拍圖像和其他數據顯示，xAI在當地的工廠安裝了“多達35臺甲烷氣體渦輪機”。這些渦輪機的總功率可達到420兆瓦，足以為一座城市供電。這35臺渦輪機不僅是重大空氣污染源，同時也遠超xAI向謝爾比縣衛生局申請的“15臺設備”的數量，是“非法”的。
Colossus是馬斯克為了給xAI聊天機器人Grok提供算力而建設的世界上規模最大的超級計算機。大模型訓練過程需要巨大的算力支持，這直接導致了大量的電力需求。國際能源署預測，全球數據中心到2026年的用電量將高達1.05萬億千瓦時，凸顯了AI發展極快的能源消耗速度。馬斯克被控“非法發電”的背后，是AI大模型這一“吞電巨獸”所面臨的電力困境。
馬斯克“非法”安裝35臺甲烷氣體渦輪機
去年6月，xAI宣布將在美國田納西州孟菲斯建造一臺超級計算機來訓練其人工智能大模型Grok。同年9月，馬斯克透露孟菲斯超級計算機的一部分，即現在的Colossus已經上線。
值得注意的是，馬斯克曾表示，孟菲斯的超級計算機系統包括20萬個英偉達GPU，其中一半是在短短122天內安裝完成的，他希望最終將GPU規模擴大到100萬個。自宣布這一項目以來，xAI已向當地提交了14份施工許可申請，相關文件顯示，預計項目成本合計達到了4.059億美元。
從去年開始，xAI就已經開始孟菲斯數據中心訓練Grok模型。今年2月18日，xAI發布了最新一代模型Grok 3。為了打造Grok 3，馬斯克投入了高達10萬個英偉達GPU作為算力支撐，計算量是前代的10倍。
但是，孟菲斯的超級計算機項目自宣布以來就面臨著能源消耗及環境污染的質疑。據外媒報道，xAI已向孟菲斯照明、天然氣和水處理公司（MLGW）申請了300兆瓦的電網電力，并獲得150兆瓦的供電許可。這一供應許可，足以為10萬個家庭提供電力。
即使是這樣，這些電力對于Colossus而言仍然遠遠不夠。南方環境法律中心在近日發給謝爾比縣衛生局的一封信中表示，航拍圖像和其他數據顯示，xAI在當地的工廠安裝了“多達35臺甲烷氣體渦輪機”。這些渦輪機的總功率高達420兆瓦，足以滿足一座城市的用電需求。
早在去年夏天，xAI就曾在額外設置甲烷發電機，謝爾比縣衛生局當時表示，xAI并未獲得使用這些發電機的許可。今年1月，xAI申請了15臺發電機的許可，以臨時為數據中心供電。而最新披露的35臺顯然遠遠超過其申請的數量。
此外，南方環境法律中心在信中還提到，xAI非法安裝的設備違反了《清潔空氣法》，特別是其中關于有毒和致癌污染物的排放限額，是“重大空氣污染源”。該組織呼吁，當地應發布緊急命令，要求xAI停止使用35臺發電機，如果未遵守，建議每日罰款2.5萬美元。
“吞電”巨獸，如何緩解能耗與污染難題？
xAI因能源消耗及環境污染所面臨監管審查，折射出當前AI大模型所面臨的資源掣肘及環保難題。
國際能源署發布的2024版全球電力報告顯示，2022年全球數據中心和人工智能大約消耗了全球總用電量的1.6%，而且增長迅速。隨著大模型的異軍突起，全球數據中心到2026年的用電量將高達1.05萬億千瓦時。斯坦福人工智能研究所發布的《2023年人工智能指數報告》顯示，大語言模型GPT-3一次訓練的耗電量為1287兆瓦時，相當于120個美國家庭一年的用電量。而GPT-4的主要參數是GPT-3的20倍，計算量是GPT-3的10倍，能耗也隨之大幅增加。
除此以外，大模型還會帶來碳排放增多的問題。去年6月，谷歌發布的環境報告顯示，自2019年以來，其溫室氣體總排放量增長了48%，僅2023年一年谷歌就產生了1430萬噸二氧化碳，同比2022年增長13%。谷歌將碳排放量激增的原因，歸結于數據中心的能源使用和供應鏈排放的增加。
能耗問題正逐漸成為人工智能發展的“絆腳石”。OpenAI首席執行官山姆·奧特曼曾公開表示，未來AI的耗電量將大大超過人們的預期，因此必須在能源方面取得突破。他還表示，更多氣候友好型能源，特別是核聚變或更便宜的太陽能和儲能，是AI的發展方向。這一判斷也促使奧特曼加大對核聚變的投資。奧特曼向核聚變初創公司Helion Energy投資了3.75億美元，這也是他迄今為止最大的一筆投資。
當前，大模型訓練遵循Scaling Law（縮放定律，即模型性能隨著算力、數據的增加而提升），各個廠商都在“卷參數”，因為往往參數越大，能力越大。在這種技術路徑下，模型性能每提升一個層次，其消耗的電力與碳排放也會與之俱增。因此，如何在發展AI大模型的同時，減低其能耗及碳排放，一直是行業研究的重點。
除了發展核能、太陽能、風能等清潔能源等清潔能源以外，行業人士普遍認為，還應加強AI技術的創新與優化，通過不斷改進AI模型與算法，更新使用高效能硬件，優化數據中心設計等方式，減少不必要的計算量，實現更高的能效。事實上，近年來隨著技術的不斷進步，模型壓縮、剪枝、量化、異構計算芯片等新技術的出現，使日常使用AI推理的單次能耗也在持續下降。
校對：劉星瑩
