AI 正在核化:一份评论

社区文章 发布于 2024 年 10 月 20 日

核电能否满足 AI 的能源需求?

Nuclear power plant fuelling a supercomputer

此图片使用 FLUX1-dev 生成

AI、数据与能源:引言

2022 年 11 月永远改变了人类的生活:此前一直默默无闻的人工智能世界,终于凭借 OpenAI 的 ChatGPT 走向台前。ChatGPT 是一个聊天界面,它利用大型语言模型 (GPT-3) 来生成与人类互动的回应。对 AI 的热情首次超越了科学界,也触及了商业世界:在不到两年的时间里,该领域的投资和收入呈爆炸式增长,大大小小的公司都在进一步推动这场革命,测试我们技术的极限。

在不到两年的时间里,从 GPT-3 到 Llama-3,AI 的数据量从 10^11 个训练令牌增加到 10^13 个训练令牌,这种数据需求与计算能力的需要相结合,将使数据中心的能源需求在 2030 年几乎翻倍。

由于大多数 AI 开发公司的保密政策,人工智能的环境成本仍然模糊不清,但趋势很明显:其电力需求将是巨大的,对电力消耗的影响将非常显著。

现在的问题是:我们如何在不加剧我们正在经历的严峻气候危机的情况下,为这场革命提供动力?

了解问题:一些关键事实

1. AI 公司正在投资更强大的硬件

根据Beth Kindig 在福布斯上的文章,我们可以看到硬件生产公司,如 NVIDIA、AMD 和 Intel,正在投入资金开发越来越强大的芯片,这些芯片能够快速高效地管理更大的数据量,但同时需要更高的功耗。

  • 截至目前,NVIDIA 最强大的两款 GPU 硬件 A100 和 H100,在最高功率下分别消耗 250W/芯片和 300 至 700W/芯片。下一代 GPU,Blackwell 系列的 B200 和 GB200,将能够以 1200W/芯片和 2700W/芯片运行,功耗将增加四倍。
  • AMD 最强大的 GPU 硬件 MI300x 消耗 750W/芯片,比其前身 MI250 增加了 50%。
  • Intel 目前正在开发 Falcon shores 芯片,其功耗将达到 1500W/芯片,与 Gaudi 3 相比增加了 67%,而 Gaudi 3 “仅”消耗 900W。

2. AI 开发者正在努力为他们的模型建造更大的发电厂

训练和运行模型需要大量的计算和数据流,随着 AI 革命的规模扩大,每年都将变得更大,需要更大规模的物理基础设施来提供这种计算能力。

  • 2024 年夏天,xAI 通过埃隆·马斯克宣布,他们建造了一个拥有 100,000 个 H200 GPU 的发电站,用于运行和训练其最新版本的模型 Grok。
  • Meta 在其《构建 Meta 的 GenAI 基础设施》声明中宣布,将把投资重点放在两个 24,000 GPU 集群上,并表示:“到 2024 年底,我们的目标是继续扩大基础设施建设,其中包括 350,000 块 NVIDIA H100 GPU,作为总计算能力相当于近 600,000 块 H100 的组合的一部分。”
  • 谷歌宣布将向东南亚,特别是马来西亚和泰国投资 30 亿美元,以扩展其 AI 能力和云基础设施。

3. AI 并不像我们想象的那么环保

AI 已经巨大的电力消耗预计到 2026 年将增长 10 倍,超越比利时这样小国的电力需求。这种需求并非没有代价:尽管公司声称“绿色”,但对环境的影响远比看起来复杂,而且超出了排放范围。

  • 2022 年,谷歌声称其在芬兰的数据中心运行能源 98% 来自无碳能源。然而,在亚洲数据中心,这个比例下降到 4-18%,而这正是谷歌目前正在投入资金建设新基础设施的地方。
  • 2019 年,微软宣布与埃克森美孚合作,埃克森美孚是世界上最大的石油公司之一:借助多种人工智能工具,埃克森美孚宣布他们优化了石油开采,并将在 2025 年将石油产量提高 50,000 桶/天。
  • 根据2023 年的一项研究,AI 不仅需要大量能源,还需要大量水:水是数据中心最重要的冷却剂之一,对于维持数据中心的最佳运行状态至关重要。这在亚利桑那州等炎热地区的数据中心尤为重要,这些地区夏季气温高,水资源稀缺。2027 年 AI 本身所需的水量估计为 42 亿至 66 亿立方米,相当于整个英国的水消耗量,而仅在微软最先进的数据中心训练 GPT-3 就需要 70 万升淡水。
  • 在其 2024 年环境报告中,谷歌声称数据中心中 AI 驱动的能源需求导致其温室气体排放量增加了 48%

总而言之,AI 发展迅速,硬件生产商使其对电力需求越来越高,大型科技公司正在向巨大的计算和数据工厂投入数十亿美元以应对该行业的增长,其对环境的直接和间接影响变得越来越显著

走向核能:解决方案?

1. 背景

尽管大型科技公司不如环境科学家那么担忧,但它们仍然受金钱和实用性的驱动:如果人工智能的能源需求变得过大,并且它们无法提供足够的电力来满足这些需求,那么所有游戏都将结束。

从这个意义上讲,微软亚马逊谷歌都宣布将参与一些与核能相关的项目,通过租赁、收购或从头建设新的核能发电厂来帮助满足能源需求。

  • 微软将重启宾夕法尼亚州的“三里岛”核电站,这是美国历史上最大核泄漏事件的发生地,以在其电网中产生 835 兆瓦(MW)的电力。
  • 亚马逊将依靠公共财团“西北能源”建造四个小型模块化反应堆,以达到总功率 960 兆瓦,相当于 770,000 个美国家庭的用电量。
  • 谷歌与 Kairos Power 合作,计划在 2030 年前部署数个小型模块化反应堆,并在 2035 年前部署更多,总发电量达 500 兆瓦

要理解这些决定的重要性,我们必须了解为什么选择核能而不是其他技术,以及大型科技公司正在押注的小型模块化反应堆是什么。

2. 核能

关于核能的辩论已经持续了几十年,涉及其安全性、对环境的影响以及对人类和动物健康的影响。为了理解其超越政治和意识形态派别的重要性,让我们弄清一些事实。

  • 核能通过核裂变产生,这是一个用中子轰击不稳定放射性元素(如铀)原子核的过程:这会引发一系列事件,在受控环境中,从原子核的稳定化中释放出可用能量。之所以发生这种情况,是因为放射性原子核通常在从不稳定形式变为稳定形式时会损失能量,这种能量可以被导入稳定的通道并输送给电网。
  • 核能不需要燃烧任何东西,不涉及温室气体排放,并且用相对少量的放射性物质就能产生大量能量:快中子增殖反应堆中的天然铀能量密度约为每千克 8600 万焦耳,是煤炭的 360 万倍
  • 目前,全球 31 个国家共有440 座核反应堆,它们在 2023 年满足了全球电力需求的 10%。
  • 对不良建设可能导致核事故的安全担忧已经过去了,目前的安保协议非常细致和可靠。然而,我们仍然面临着“核废料”问题,这包括所有耗尽的放射性或受辐射的材料。虽然目前这不是主要问题,但核废料必须进行处理:截至目前,最简单的解决方案是将其深埋地下,在数百千年内远离人类的洞穴中。
  • 大规模实施核能的主要问题是不断上涨的成本(在美国约为 3000 至 6000 美元/千瓦时)以及不那么快的建造时间(平均为 11-12 年,也有显著例外)。

因此,核能虽然不可再生(它依赖于有限的放射性材料),但它环保且高效,但面临着高昂的生产成本和漫长的建造时间,以及核废料问题。

3. 小型模块化反应堆

解决核能发展所面临问题的一个潜在方案是小型模块化反应堆(SMR),顾名思义,它们是传统核电站的更小型化实施。

  • 它们体积小,模块化,因此其模块可以在工厂预先组装,然后只需在现场组装成反应堆,从而显著加快建造时间并大幅削减成本。
  • 它们的安全性无需复杂的系统管理:由于体积小且不处理高能量,这些反应堆利用自然发生的物理过程来保障能源生产。
  • 它们具有良好的能源效率:尽管它们产生的能量通常只有传统反应堆的三分之一,但它们可以与可再生能源结合使用,以提高其性能。

尽管 SMRs 具有明显的优势,但许多 SMRs 仍处于设计阶段,并且没有足够的证据来评估其核废料产量:斯坦福大学和不列颠哥伦比亚大学的一项研究确实表明,与能量产量仍未超过 300 兆瓦/反应堆相比,它们会(按比例)产生比传统反应堆更多的废物。

这引出了我们的大问题,也是结论

4. 为什么大型科技公司正在为 AI 转向核能?

正如我们所见,核能效率高,并且随着 SMR 等技术进步,它变得越来越可行和可扩展。除了核废料问题(从长远来看仍然是一个大问题)之外,核能清洁且无碳,因此它不会加剧气候危机。所有这些原因使其成为“清洁”AI 的完美选择,同时为其提供更多电力,尽管一些关键点仍不清楚。

  • 大型科技公司正在积极建设核电站,但其能源需求远远超过这些小型模块化反应堆所能提供的:仅谷歌一家公司,根据其自身的环境报告,2024 年消耗了 24 太瓦时的电力,即 2400 万兆瓦时。小型模块化反应堆的贡献非常小,可能只会直接输送到生成式 AI 数据中心和设施,但它们本身实际上无法满足 AI 不断增长的能源需求。
  • 这些项目,即使是短期规划(大多数将在 2035-2040 年之前实施),也需要时间,但人工智能的蓬勃发展正在发生,不断增长的需求将在 2035-2040 年之前成为一个问题:在此期间,大型科技公司将采取何种策略?
  • 除了在核能方面的投资外,大型科技公司还需要向清洁能源设施投入资金。然而,到目前为止,它们一直在通过获取可再生能源证书(REC)来规避:科技巨头认为获得完全清洁和绿色的可再生能源流几乎是不可能的,所以它们只是向开发商提供资金,以确保这些投资将用于建设新的可再生能源基础设施。另一个广泛使用的模式是碳信用(CC),这是一种金融工具,允许公司支付他人采取行动并减少其碳排放。REC 和 CC 结合起来是一种廉价且简单的方式来声称达到环境目标,而无需在实践中实际实现这些目标:根据麻省理工学院的一项评论,这种策略被广泛使用(谷歌、亚马逊、Meta 和 Salesforce 只是其中一些例子),尽管声称碳中和,但往往导致在降低公司影响方面没有/很少实际效果。
  • 由于数据中心和计算设施的能源需求,电网的压力日益增大:它们将如何处理涌入的电力以满足 AI 的需求?

所以,总而言之:大型科技公司真的除了能源效率外,还对核能的脱碳潜力感兴趣吗?或者它们只是对能源饥渴,试图找到一些短期内具有成本效益的解决方案,同时也能美化自己的形象?目前没有简单的答案,也许根本没有答案:只有未来才能告诉我们它们站在哪一边。

参考文献

本文参考文献请见此处

社区

注册登录以评论