（一）AI 的强大潜力
AI 被赋予了巨大的期望，它在科学发现方面具有极大的潜力，可以将科学新发现的速度提高至少 10 倍以上。在医疗领域，有望治愈绝大多数的疾病，延长人类寿命可达 150 岁。在智力方面，AI 在包括生物学、编程、数学、工程和写作等大多数领域，都有超越诺贝尔奖获得者的趋势。例如在编程领域，AI 能够快速生成高效的代码，提高软件开发的效率；在数学领域，AI 可以协助数学家进行复杂的计算和证明。
（二）能源消耗困境
随着 AI 的快速发展，其能源消耗问题日益凸显。以 GPT - 4 为例，一次训练需要约三个月时间，使用到 25000 张英伟达的 A100GPU，每张 A100GPU 拥有 540 亿个晶体管，功耗为 400 瓦，仅这一次训练就将用掉 2.4 亿度电，是 GPT - 3 的 50 倍左右。据统计，2024 年目前 AI 行业的用电量占比已经达到了全球用电量的 3% - 4%。IEA 预计，到 2026 年，人工智能的用电量将超过日本，占到全球用电量的 5% - 8%，而到了 2030 年，人工智能的总能耗将增长超过 6 - 10 倍。如此巨大的能源消耗，引发了人们对能源供应的担忧，也让我们不得不思考如何在发展 AI 的同时，解决能源消耗问题。
二、AI 能源之争的现状
（一）AI 耗电现状
当前，人工智能技术快速发展，芯片需求急剧增加，进而带动电力需求激增。公开数据显示，全球数据中心市场的耗电量已经从十年前的 100 亿瓦增加到如今的 1000 亿瓦水平。摩根士丹利近日发布的报告指出，到 2027 年，生成式 AI 行业的年电力消耗量将与 2022 年整个西班牙的用电量不相上下，有望达到惊人的 224 太瓦时。美国机构 Uptime Institute 预测，到 2025 年，人工智能业务在全球数据中心用电量中的占比将从 2% 增加到 10%。据【纽约客】杂志披露，OpenAI 旗下聊天机器人 ChatGPT 日耗电量高达 50 万千瓦时，相当于美国家庭每天用电量的 1.7 万多倍。到 2027 年，AI 服务器所消耗的用电量约为 85 - 134 太瓦时，将等同于荷兰全国的能源需求量。
（二）巨头的行动与挑战
科技巨头们在 AI 发展中投入巨大，但也面临着严峻的能源问题。微软在 2020 年刚刚宣布了一项雄心勃勃的可持续发展目标，称要在 2030 年实现负碳排放，然而今年微软的排放量不降反增，还飙升了多达 30%。谷歌在最新的环保报告中也突然转口，宣布要正式放弃维持了 17 年的承诺，表示不再维持运营碳综合了。2023 年谷歌的污染排放量已经达到了 1430 万吨，碳氮量比 2019 年增长了多达 50%。亚马逊、谷歌、微软等科技企业为解决能源问题，纷纷寻找无碳能源，如核能、地热能、清洁氢等。微软计划利用下一代核反应堆来支持其数据中心和 AI 项目，还与北美最大的核能供应商美国联合能源签订了一份长达 20 年的大合同。亚马逊从美国塔伦能源公司手中购买了位于宾夕法尼亚州的数据中心园区，附近的苏斯奎汉纳核电站将为其提供无碳电力。谷歌和 OpenAI 也押注核聚变，投资了相关公司。尽管科技巨头们在努力寻找解决方案，但目前仍面临着诸多挑战，如小型模块化反应堆开发项目最快十年才能实现商业化，核能的 「远水」 难解电力负荷增加的 「近火」。
三、解决 AI 能源问题的方案
（一）大力拥抱核能方向
小型模块化反应堆（SMR）在解决 AI 能源问题方面展现出诸多优势。一方面，其安全性较高。新一代的 MR 一般都自带稳定功能，当温度到达设置阈值时，反应堆会在内部自然冷却循环，实现精准的温度控制和调控。同时，M3 的固有安全特性意味着即便是在极端事故中，也不会像清水堆一样在高温下产生氢气，避免了由于氢气造成的爆炸风险。另一方面，小型模块化的特点使其具有灵活组合和分布式布局的优势。在大型的数据中心，可以使用 10 核的大站；在小的自算推理中心，则可采用两到三核的小核站。
中美在小型模块化反应堆技术上处于前沿地位。石岛湾的 MR 项目和美国的
olo.MR
项目都备受关注。数据显示，传统的核电站对于环境要求苛刻，一般沿海而建且需远离地震带，每发 1000 兆瓦的电力就要用掉大约 50 - 60 万吨的冷却水。而福岛核电站事故后，民众对清水堆的安全关切引发了越来越多的舆论反感。相比之下，小型模块化反应堆更受青睐。
例如，甲骨文最近获准建设三座小型核电站，为正在建设的云数据中心供应超过 1000 兆瓦的电力；微软与北美最大的核能供应商美国联合能源签订了长达 20 年的大合同，计划重启三里岛核电站，并将所有发电量卖给微软的数据中心。
（二）硅光子芯片技术
硅光子芯片技术在 AI 领域具有广阔的前景。硅光子技术是以硅和硅基衬底材料作为光学介质，通过互补金属氧化物半导体兼容的集成电路工艺制造相应光子器件和光电器件的技术。它具有高集成度、高速率、低成本等优势。
市场研究机构 Yole 数据显示，2022 年硅光芯片市场价值为 6800 万美元，预计到 2028 年将超过 6 亿美元，复合年均增长率为 44%。数通光模块的应用占硅光芯片市场的 93%，复合增长 44%。此外，在电信领域、光学激光雷达、量子计算、光计算以及医疗保健领域都有广阔发展前景。
随着 AI 与算力的暴增，2010 年至 2023 年，全球数据中心的网络交换带宽提升了多达 80 倍，代价则是芯片功耗增加了约 10 倍，交换芯片 S 的功耗更是增加了多达 30 倍左右。而硅光子芯片技术在散热和降低功耗方面表现出色。目前一座数据中心的冷却系统的用电大约占总耗电量的 30%，电信号每比特数据约消耗 10 - 20P 加尔，而光子信耗大概仅损耗 0.1P 加尔。算上转换，在现有技术同样的成本下，不仅通信密度、速率大幅提升，同时能耗可能能够降低 80% - 90%。
未来 AI 产业全面拥抱光子，可能是未来计算机框架重点发展的关键领域。例如，光模块中硅光及薄膜铌酸锂的份额将呈上升趋势，CPO 光电共封装方案中，硅光技术既可以用在传统可插拔光模块中，也可以用在 CPO 方案中。
（三）光伏储能加 AI 分布式方案
光伏储能加 AI 分布式方案具有诸多特点。一方面，它可以提供稳定和可靠的电力供应。光伏设备在前期生产虽然会产生一定的碳排放，但随着单晶回收技术的发展，光伏加储能长期来说能够有效缓解气候变化的发生。另一方面，该方案能为计算中心提供更加廉价的能源，80% 的用电将来自于可再生能源，能够帮助未来的 AI 产业形成一个相对健康、可持续性的能源生态链。
例如，最近太阳能摩尔定律引发广泛讨论，指出从过去到未来，太阳能的装机量每 10 年就会翻 10 倍，太阳能电池很可能在 2030 年中期成为地球上最大的电力来源。现在太阳能发电的成本事实上已经低于大多数的化石能源了，并且预计之后每年成本还将下降 10% 左右。
亚马逊刚刚收购了滨州核电站旁边的数据中心，已获得 960 兆瓦的电力供应；甲骨文在上个月刚刚获准了三座小型核电站的建设许可，已为甲骨文正在建设的云数据中心供应超过 1000 兆瓦的电力。未来在沙漠、戈壁、高原，光伏加储能加 AI 的协同建设也会是一个很有前景的大方向。
四、AI 能源的未来展望
科技的进步为人类带来了诸多便利，但同时也引发了对环境的担忧。在 AI 发展的道路上，我们必须在科技进步与环境保护之间寻找平衡，以实现可持续发展。
随着 AI 的不断发展，其对能源的需求将持续增长。在这种情况下，我们需要探索更加环保、安全、适合人类 AI 发展的能源之路。一方面，我们可以继续加大对可再生能源的开发和利用，如太阳能、风能、水能等。根据国际能源署的数据，到 2025 年，可再生能源将占全球电力供应的三分之一以上。这表明可再生能源在未来的能源供应中将发挥越来越重要的作用。
另一方面，我们可以通过技术创新来提高能源利用效率。例如，AI 技术可以用于优化能源管理系统，实现对能源的智能分配和使用。根据行业统计，AI 能源管理系统可以实现高达 15% 的能源节约。此外，硅光子芯片技术的发展也为提高能源利用效率提供了新的途径。该技术可以降低芯片功耗，提高通信密度和速率，从而减少能源消耗。
同时，我们还需要加强国际合作，共同应对全球能源挑战。各国可以共享技术、经验和资源，共同推动可再生能源的发展和应用。此外，国际组织也可以发挥重要作用，制定相关政策和标准，促进全球能源的可持续发展。
在未来，我们需要在科技进步与环境保护之间找到一个平衡点，以实现人类的可持续发展。这需要政府、企业和个人的共同努力。政府可以制定相关政策，鼓励企业加大对可再生能源和节能技术的研发投入；企业可以积极履行社会责任，采用更加环保的生产方式；个人也可以从自身做起，养成节约能源的好习惯。
总之，寻找更环保、安全、适合人类 AI 发展的能源之路是我们面临的重要任务。只有在科技进步与环境保护之间找到平衡，我们才能实现人类的可持续发展，为子孙后代留下一个更加美好的世界。
