（一）AI 的強大潛力
AI 被賦予了巨大的期望，它在科學發現方面具有極大的潛力，可以將科學新發現的速度提高至少 10 倍以上。在醫療領域，有望治愈絕大多數的疾病，延長人類壽命可達 150 歲。在智力方面，AI 在包括生物學、編程、數學、工程和寫作等大多數領域，都有超越諾貝爾獎獲得者的趨勢。例如在編程領域，AI 能夠快速生成高效的程式碼，提高軟件開發的效率；在數學領域，AI 可以協助數學家進行復雜的計算和證明。
（二）能源消耗困境
隨著 AI 的快速發展，其能源消耗問題日益凸顯。以 GPT - 4 為例，一次訓練需要約三個月時間，使用到 25000 張輝達的 A100GPU，每張 A100GPU 擁有 540 億個晶體管，功耗為 400 瓦，僅這一次訓練就將用掉 2.4 億度電，是 GPT - 3 的 50 倍左右。據統計，2024 年目前 AI 行業的用電量占比已經達到了全球用電量的 3% - 4%。IEA 預計，到 2026 年，人工智能的用電量將超過日本，占到全球用電量的 5% - 8%，而到了 2030 年，人工智能的總能耗將增長超過 6 - 10 倍。如此巨大的能源消耗，引發了人們對能源供應的擔憂，也讓我們不得不思考如何在發展 AI 的同時，解決能源消耗問題。
二、AI 能源之爭的現狀
（一）AI 耗電現狀
當前，人工智能技術快速發展，芯片需求急劇增加，進而帶動電力需求激增。公開數據顯示，全球數據中心市場的耗電量已經從十年前的 100 億瓦增加到如今的 1000 億瓦水平。摩根士丹利近日釋出的報告指出，到 2027 年，生成式 AI 行業的年電力消耗量將與 2022 年整個西班牙的用電量不相上下，有望達到驚人的 224 太瓦時。美國機構 Uptime Institute 預測，到 2025 年，人工智能業務在全球數據中心用電量中的占比將從 2% 增加到 10%。據【紐約客】雜誌披露，OpenAI 旗下聊天機器人 ChatGPT 日耗電量高達 50 萬千瓦時，相當於美國家庭每天用電量的 1.7 萬多倍。到 2027 年，AI 伺服器所消耗的用電量約為 85 - 134 太瓦時，將等同於荷蘭全國的能源需求量。
（二）巨頭的行動與挑戰
科技巨頭們在 AI 發展中投入巨大，但也面臨著嚴峻的能源問題。微軟在 2020 年剛剛宣布了一項雄心勃勃的可持續發展目標，稱要在 2030 年實作負碳排放，然而今年微軟的排放量不降反增，還飆升了多達 30%。谷歌在最新的環保報告中也突然轉口，宣布要正式放棄維持了 17 年的承諾，表示不再維持營運碳綜合了。2023 年谷歌的汙染排放量已經達到了 1430 萬噸，碳氮量比 2019 年增長了多達 50%。亞馬遜、谷歌、微軟等科技企業為解決能源問題，紛紛尋找無碳能源，如核能、地熱能、清潔氫等。微軟計劃利用下一代核反應堆來支持其數據中心和 AI 專案，還與北美最大的核能供應商美國聯合能源簽訂了一份長達 20 年的大合約。亞馬遜從美國塔倫能源公司手中購買了位於賓夕法尼亞州的數據中心園區，附近的蘇斯奎漢納核電廠將為其提供無碳電力。谷歌和 OpenAI 也押註核聚變，投資了相關公司。盡管科技巨頭們在努力尋找解決方案，但目前仍面臨著諸多挑戰，如小型模組化反應堆開發專案最快十年才能實作商業化，核能的 「遠水」 難解電力負荷增加的 「近火」。
三、解決 AI 能源問題的方案
（一）大力擁抱核能方向
小型模組化反應堆（SMR）在解決 AI 能源問題方面展現出諸多優勢。一方面，其安全性較高。新一代的 MR 一般都內建穩定功能，當溫度到達設定閾值時，反應堆會在內部自然冷卻迴圈，實作精準的溫度控制和調控。同時，M3 的固有安全特性意味著即便是在極端事故中，也不會像清水堆一樣在高溫下產生氫氣，避免了由於氫氣造成的爆炸風險。另一方面，小型模組化的特點使其具有靈活組合和分布式布局的優勢。在大型的數據中心，可以使用 10 核的大站；在小的自算推理中心，則可采用兩到三核的小核站。
中美在小型模組化反應堆技術上處於前沿地位。石島灣的 MR 專案和美國的
olo.MR
專案都備受關註。數據顯示，傳統的核電廠對於環境要求苛刻，一般沿海而建且需遠離地震帶，每發 1000 兆瓦的電力就要用掉大約 50 - 60 萬噸的冷卻水。而福島核電廠事故後，民眾對清水堆的安全關切引發了越來越多的輿論反感。相比之下，小型模組化反應堆更受青睞。
例如，甲骨文最近獲準建設三座小型核電廠，為正在建設的雲數據中心供應超過 1000 兆瓦的電力；微軟與北美最大的核能供應商美國聯合能源簽訂了長達 20 年的大合約，計劃重新開機三裏島核電廠，並將所有發電量賣給微軟的數據中心。
（二）矽光子芯片技術
矽光子芯片技術在 AI 領域具有廣闊的前景。矽光子技術是以矽和矽基襯底材料作為光學介質，透過互補金氧半導體相容的集成電路工藝制造相應光子器件和光電器件的技術。它具有高整合度、高速率、低成本等優勢。
市場研究機構 Yole 數據顯示，2022 年矽光芯片市場價值為 6800 萬美元，預計到 2028 年將超過 6 億美元，復合年均增長率為 44%。數通光模組的套用占矽光芯片市場的 93%，復合增長 44%。此外，在電信領域、光學激光雷達、量子計算、光計算以及醫療保健領域都有廣闊發展前景。
隨著 AI 與算力的暴增，2010 年至 2023 年，全球數據中心的網絡交換頻寬提升了多達 80 倍，代價則是芯片功耗增加了約 10 倍，交換芯片 S 的功耗更是增加了多達 30 倍左右。而矽光子芯片技術在散熱和降低功耗方面表現出色。目前一座數據中心的冷卻系統的用電大約占總耗電量的 30%，電訊號每位元數據約消耗 10 - 20P 加爾，而光子信耗大概僅損耗 0.1P 加爾。算上轉換，在現有技術同樣的成本下，不僅通訊密度、速率大幅提升，同時能耗可能能夠降低 80% - 90%。
未來 AI 產業全面擁抱光子，可能是未來電腦框架重點發展的關鍵領域。例如，光模組中矽光及薄膜鈮酸鋰的份額將呈上升趨勢，CPO 光電共封裝方案中，矽光技術既可以用在傳統可插拔光模組中，也可以用在 CPO 方案中。
（三）光伏儲能加 AI 分布式方案
光伏儲能加 AI 分布式方案具有諸多特點。一方面，它可以提供穩定和可靠的電力供應。光伏器材在前期生產雖然會產生一定的碳排放，但隨著單晶回收技術的發展，光伏加儲能長期來說能夠有效緩解氣候變遷的發生。另一方面，該方案能為計算中心提供更加廉價的能源，80% 的用電將來自於可再生能源，能夠幫助未來的 AI 產業形成一個相對健康、可持續性的能源生態鏈。
例如，最近太陽能摩爾定律引發廣泛討論，指出從過去到未來，太陽能的裝機量每 10 年就會翻 10 倍，太陽能電池很可能在 2030 年中期成為地球上最大的電力來源。現在太陽能發電的成本事實上已經低於大多數的化石能源了，並且預計之後每年成本還將下降 10% 左右。
亞馬遜剛剛收購了濱州核電廠旁邊的數據中心，已獲得 960 兆瓦的電力供應；甲骨文在上個月剛剛獲準了三座小型核電廠的建設特許，已為甲骨文正在建設的雲數據中心供應超過 1000 兆瓦的電力。未來在沙漠、戈壁、高原，光伏加儲能加 AI 的協同建設也會是一個很有前景的大方向。
四、AI 能源的未來展望
科技的進步為人類帶來了諸多便利，但同時也引發了對環境的擔憂。在 AI 發展的道路上，我們必須在科技進步與環境保護之間尋找平衡，以實作可持續發展。
隨著 AI 的不斷發展，其對能源的需求將持續增長。在這種情況下，我們需要探索更加環保、安全、適合人類 AI 發展的能源之路。一方面，我們可以繼續加大對可再生能源的開發和利用，如太陽能、風能、水能等。根據國際能源署的數據，到 2025 年，可再生能源將占全球電力供應的三分之一以上。這表明可再生能源在未來的能源供應中將發揮越來越重要的作用。
另一方面，我們可以透過技術創新來提高能源利用效率。例如，AI 技術可以用於最佳化能源管理系統，實作對能源的智能分配和使用。根據行業統計，AI 能源管理系統可以實作高達 15% 的能源節約。此外，矽光子芯片技術的發展也為提高能源利用效率提供了新的途徑。該技術可以降低芯片功耗，提高通訊密度和速率，從而減少能源消耗。
同時，我們還需要加強國際合作，共同應對全球能源挑戰。各國可以共享技術、經驗和資源，共同推動可再生能源的發展和套用。此外，國際組織也可以發揮重要作用，制定相關政策和標準，促進全球能源的可持續發展。
在未來，我們需要在科技進步與環境保護之間找到一個平衡點，以實作人類的可持續發展。這需要政府、企業和個人的共同努力。政府可以制定相關政策，鼓勵企業加大對可再生能源和節能技術的研發投入；企業可以積極履行社會責任，采用更加環保的生產方式；個人也可以從自身做起，養成節約能源的好習慣。
總之，尋找更環保、安全、適合人類 AI 發展的能源之路是我們面臨的重要任務。只有在科技進步與環境保護之間找到平衡，我們才能實作人類的可持續發展，為子孫後代留下一個更加美好的世界。
