人工智能（AI）正以惊人的速度发展，但其背后日益增长的能源消耗问题也引发了广泛关注。根据法国施耐德电气公司的数据，2023年AI工作负载的功耗已接近一个小国家的用电量，预计未来五年内可能翻数倍。本文基于专业分析，为你深入解读AI能耗的现状、成因，并提供切实可行的应对策略。
一、AI功耗现状与未来预测
2023年：AI功耗已不容忽视
根据施耐德电气的估算，2023年所有数据中心的总功耗约为54吉瓦（GW），其中AI工作负载功耗达4.3吉瓦——这一数字略低于塞浦路斯2021年的全国用电量（4.7吉瓦）。在这4.3吉瓦中，约20%用于AI训练，80%用于推理任务，AI工作负载约占当年数据中心总功耗的8%。
2028年：AI功耗将翻数倍
展望未来，施耐德电气预计到2028年，数据中心总功耗将增至90吉瓦，而AI工作负载功耗将在13.5吉瓦至20吉瓦之间（复合年增长率26%–36%），这一数值已超过冰岛2021年的全国电力消耗。届时，AI占数据中心总耗电量的比例将从8%提升至15%–20%，其中训练占15%，推理占85%。
二、AI功耗急剧攀升的四大核心因素
1. AI GPU功耗持续攀升
AI硬件的“胃口”越来越大。以英伟达GPU为例：2020年的A100功耗为400W，而2022年的H100功耗已高达700W。除了GPU，AI服务器中还包含高功耗的CPU、网卡等部件，进一步推高了整体能耗。
2. AI集群规模不断扩大
训练复杂AI模型需要大规模集群。例如，一个包含22,000个H100 GPU的集群，约占用700个机架。每个基于H100的机架（安装8台HPE Cray XD670 GPU加速服务器）的功率密度高达80千瓦。整个集群仅计算设备就需要约31兆瓦电力，这还不包括冷却等辅助设施。
这类集群在训练期间几乎满负荷运行，平均能耗接近峰值。大量AI集群的机架密度通常落在30kW至100kW之间，具体取决于GPU型号和数量。
3. 网络基础设施加剧能耗
分布式训练要求高速数据通信，使得网络延迟成为关键因素。为支持GPU间的海量数据交换，需要配备高达800Gb/s速度的线缆和交换机，这些高速网络设备同样消耗大量电能。
4. 冷却系统成为“电老虎”
高密度机架与高功耗处理器产生巨大热量，冷却方案（风冷或液冷）本身就非常耗电。为确保硬件正常运行，冷却系统不得不持续运转，进一步拉高数据中心整体功耗。