“AI的尽头是能源” | 郭沛源说ESG

AI要依靠大量算力，这是人所共知的事实。但最近，当美国的AI业界大佬们抛出“AI的尽头是能源”这个观点时，仍然让市场大吃一惊。

英伟达CEO黄仁勋、OpenAI创始人奥特曼、特斯拉CEO马斯克不约而同表达了同样观点：AI的技术取决于能源，我们需要更多的光伏和储能。比尔盖茨也认为，电力是决定数据中心能否盈利的关键投入，AI所消耗的电量是惊人的。

AI的能耗有多惊人呢？据媒体报道，ChatGPT每天消耗超过50万千瓦时的电力，相当于美国家庭每天用电量的1.7万多倍；到2030年，AI消耗的电力将超过家庭用电量。

由此可见，AI看上去无所不能、潜力巨大，但其发展也会受到能源供给的约束。

根据经济学的理论，某个产品或服务的边际效益和边际成本相当的时候，它的市场就会达到一种均衡，因为更多供应并不会带来更多效益。

AI产品自然也会遵循这一规律。从全社会角度看，AI效益包括效率提升创造的效益、新产品新服务创新的效益等。AI成本包括软硬件成本、能源成本和管理成本（即防范和干预AI所产生的负面影响）。在AI应用初期，总效益是大于总成本的，不然就不可能发展起来。但随着AI供给的增加，边际效益会递减，譬如一个人往往只会打开1个ChatGPT的页面做co-pilot，而不会打开10个页面，因为顾不过来。而如果因为能源供给不足，AI供给的增加就会推高能源成本，AI的边际成本会增长。这样一减一增，AI发展就会逐步达到均衡状态。

当然，技术进步包括AI技术的应用，以及新能源的爆发式增长，或许会在较长一段时间内降低AI的能源成本，但我估计短期（本轮AI变革）内是难以做到的。

与能源问题相关，碳排放也会成为AI发展的约束边界。因为碳排放会从两个方面影响AI成本。

首先是碳排放的约束会推高能源价格。最近一年，亚马逊、微软等几家科技巨头被科学碳目标倡议（SBTi）移除（commitment removed），预计很重要的原因是本轮AI的快速发展打乱了这些公司的碳排放计划，因为维持AI算力实在太耗能源了，是非常高碳的经济活动。看一下英伟达的可持续发展报告就知道了：2021年财年的范畴1排放是2,692公吨，2022财年翻倍到4,612公吨，到2023财年实现三倍增到12,346公吨。范畴3中的租赁资产排放子类别，排放量从2021财年12,357公吨增长到2023财年32,952公吨，我推测和租赁数据中心相关。在全球应对气候变化的背景之下，科技巨头也会尽量避免用化石能源发电，这就让本来就短缺的电力供给更加捉襟见肘，无疑会直接推高能源价格。

其次是因为碳排放造成的气候变化的社会成本。按照IPCC报告的分析，如果我们不能在本世纪内有效控制全球温升，那么气候变化就会越过一个临界点，导致极端天气事件更加频繁。有预测认为，若不加控制，气候风险带来的损失到2100年可能高达100万亿美元。如果AI的发展推高碳排放且导致更多气候损失，那么这些损失也要计入到AI成本中。

因此，短期看，碳排对AI发展的约束边界是存在的。长期看，只有当化石能源占全部能源的比重越来越小直到归零的时候，碳排的约束边界才可能完全解除。

按上述的逻辑，AI或更广义上的硅基智能（还有人用“硅基生命”的说法，我觉得太超前了）将面临资源效率的问题。所谓硅基的资源效率，即让AI解决一个任务（比如完成一项翻译任务），要消耗多少资源。从全生命周期的角度看，这个资源消耗包括能源成本和AI硬件（元器件）从挖矿到回收处置的成本。

如果是人来完成这项翻译任务，也会消耗资源，可以称为碳基的资源效率。碳基的资源消耗就包括人的吃喝拉撒、办公软硬件等，也可以包括人际交流的成本，因为人会有情绪，目前AI似乎还没有为情所困的问题。

当下，我们当然会认为硅基的资源效率会高于碳基的资源效率。从翻译这个简单任务上就可以看出来，ChatGPT很快能完成，而人就要花费更多时间。

但长期看，随着任务的多样化和评判标准的精细化，硅基的资源效率和碳基的资源效率的差距会缩小乃至倒挂。此时也可以理解为AI变革的一个边界，因为用AI还不如用人了。

会不会产生这种情况呢？我认为是会的。如同前面提到的翻译任务，我们按照60-80分的质量标准来衡量，AI的表现是非常不错的；但如果我们用90-100分的质量标准来衡量，AI的表现不一定比资深翻译优秀；如果加上“信达雅”的质量标准，AI可能就会“蒙圈”。如果必须要让AI达到这个标准，或许要多造几个电厂来提升算力，成本自然就会上去了。但委托翻译的客户是不会为这几个电厂的电费买单的，在这种情况下，还不如用回“碳基智能”了。

END

供稿：郭沛源

编辑：张瑞环

审核：徐佶

点“在看”给我一朵小黄花