19世紀，人們坐在駕駛座上喊著

 

“我們需要更多的石油”

 

20世紀，人們在電腦屏幕前說著

 

“我們需要更多的硅”

 

現在，正在與AI對話的人們想著

 

“我們需要更多的算力”

 

無論是建立在石油和煤炭之上的現代工業還是基于硅的IT產業，能源永遠都是推動生產、經濟乃至整個人類社會變革的決定性因素之一。

 

任何突破性技術都會帶來挑戰，就像維多利亞時期倫敦上空冒出的黑煙一樣，對資源的開采和環境的破壞始終籠罩著我們，為了避免悲劇的重演并促進經濟社會更高質量的發展，人們開始用電力、風力替代車里石油和煤炭，用可回收的再生紙替代嘴巴里的塑料吸管，竭盡所能地通過科技減輕對地球負擔。

 

現在，人工智能正如潮水一般席卷全球，其環境足跡已經成為業界正努力解決的問題，而如果將這一問題簡化來看那就是：如何讓人工智能的自身消耗能源小于其減少碳排放的能力，于是在IT行業我們就可以看到有趣的一幕：

 

Gartner在其2023年CEO調查報告中表示：“大多數首席執行官(94%)將增加或維持與2022年類似水平的可持續發展和ESG投資。”，而根據戴爾科技集團的研究則發現：目前，76%的IT決策者計劃增加預算以支持AI的用例，78%的決策者對人工智能投資如何使其組織受益感到興奮。

 

沒錯，企業同時增加了對可持續發展和能源密集型技術的投資，這一現象看起來似乎相互矛盾，但這并不代表著可持續性和人工智能一定是“非此即彼”的選擇，戴爾科技集團認為：技術進步是企業實現其環境和氣候目標的先決條件，最好的創新應該在提高技術力的同時支持更加節能和可持續的未來。

 

 

 

作為第四次工業革命的核心組成部分和驅動力之一的人工智能，在快速推動全球經濟和科技向前發展的同時，由其訓練和運行以及推理等工作負載所產生的碳足跡也日益凸顯出來。

 

OpenAI曾提出了AI模型性能的“縮放定律”，即在大型神經網絡模型中，模型的性能會隨著算力、數據規模和參數規模的增加而提升。于是我們就可以看到ChatGPT每一代模型的參數都比上一代多得多：

 

2019年推出的ChatGPT-2擁有15億個參數，訓練成本為5萬美元左右;到了2020年，ChatGPT-3擴大了117倍，來到了1750 億個參數，訓練費用增加了36倍達到了180萬美元。

 

“大就是好”這一極具蘇聯美學的形容，用在前些年的AI模型上一點都不為過，企業在人工智能領域的比拼，更像是財力與算力規模的比拼。然而，如此龐大的數據規模也代表著巨量的能源消耗。

 

OpenAI曾發布報告稱：自2012年起，用于AI訓練的電力每3到4個月就會翻一番。同時也有其他研究報告顯示：使用1750億個參數訓練ChatGPT-3消耗了1287兆瓦時的電力，并導致了502噸碳的碳排放，這相當于112輛燃油車行駛一年的碳排放量。

 

AI所產生的能源消耗不是一次性的，在部署模型之后的推理(AI對新數據進行預測并響應查詢的模式)可能會比訓練消耗更多的能源。

 

谷歌估計用于訓練和推理人工智能的能源中有40%用于訓練，60%用于推理，而卡羅拉多大學與德克薩斯大學的研究人員在一篇《讓 AI 更節水》的預印論文中估算了訓練 AI的用水，數據顯示：ChatGPT每與用戶交流25-50個問題，就會消耗掉500毫升的水用于降溫，這看起來不算很多，但請不要忘了這樣的推理會多次使用來為數百萬乃至數億用戶提供服務。

 

 

 

盡管我們前面提到了很多關于人工智能的能源消耗數據，但人工智能的總體碳足跡依然是難以量化和測量的。不過我們都清楚，人工智能的碳足跡始于計算機和數據中心。

 

而為了管理甚至抵消人工智能不斷增長的碳足跡，加強對數據中心能源消耗的控制成為中和人工智能和可持續發展目標的首要任務。IDC也表示：IT決策者在IT規劃和采購方面的首要可持續發展優先事項是降低數據中心能耗。

 

明智且可持續的技術投資可以減少人工智能對環境的影響，同時也使我們能夠利用人工智能來解決世界上的挑戰，因此，戴爾科技集團正在通過各種各樣的技術來降低數據中心能耗。

 

 

通過現代的、更節能的服務器和存儲設備以及對環境負責的冷卻方法，最大限度地減少人工智能的碳足跡，同時為數據中心提供可再生能源，是從根源上減少人工智能碳排放及能源消耗的方法之一。

 

因此，戴爾科技集團在新一代PowerEdge服務器中引入了Dell Smart Flow(智能冷卻技術)來保證服務器始終處于最佳效能和功耗區間內，并在服務器設計上加入智能流量配置，帶來更大的進氣容量使機器內氣流更加均衡的分布，以實現可靠、高效的冷卻方式。

 

咨詢客服還可了解更多優惠活動

 

隨著AI引爆服務器市場，液冷服務器的需求也越來越高。在這方面，戴爾科技也擁有豐富的實踐經驗，已在世界各地的多個數據中心成功部署了浸沒式液冷方案;而在中國，戴爾科技集團幫助武漢某高校的超算數據中心通過浸沒式液冷技術實現了1.049的超低PUE。

 

除此以外，戴爾科技現在還推出了第三代DLC(直接液冷)服務器平臺及其預集成方案，以消除正確選擇和安裝液冷相關的復雜性和風險。而憑借頂部箱內的第四代Intel® Xeon CPU內置加速器所帶來的性能和節能上的提升，DLC冷卻方案不僅能夠輕松滿足AI工作負載的需求，還可捕獲超過22kW的CPU功率。

 

Dell DLC 解決方案硬件組件

 

 

盡管規模依然是人工智能的決定性因素，但并非所有企業都需要像ChatGPT或PaLM那樣龐大的算力集群。科學地調整計算需求和基礎設施規模也是實現降低能耗的有效途徑。

 

因此，越來越多的企業開始選擇靈活的“即服務”支出模式，以幫助企業節省數據中心成本，科學管理工作負載規模。Forrester的報告指出：超過一半的企業已經采用了IaaS模式，并認為其作為一種服務模式將提供明顯的可持續發展優勢。

 

咨詢客服還可了解更多優惠活動

 

Dell APEX FOD就是一款基于結果的“即服務”產品，通過將硬件交付到客戶指定的數據中心、邊緣或托管設施，用戶只需為實際使用容量付費，可將浪費性過度配置的成本降低多達45%，在獲得經濟性和可擴展性的同時減少排放和電子垃圾。

 

 

在數據中心長期的運營過程中，使用人工智能跟蹤和分析數據，以改進監控和工作負載分配，有助于優化效率、調整工作負載規模并降低能源成本。

 

戴爾科技集團針對可持續方面的考量不僅僅局限于硬件層面，CloudIQ是戴爾科技推出的基礎設施主動監控和預測分析的AIOps應用程序，能夠幫助企業優化工作負載整合、減少占用空間，從而做出最佳的可持續發展決策。

 

鑒于數據中心和人工智能工作負載難以量化碳排放等指標，CloudIQ提供了碳排放檢測功能，這一計算標準基于國際能源署(IEA)為每個國家/地區提供的特定位置排放因子，以及全球行業平均電力利用效率 (PUE) 值而構建。

 

CloudIQ的碳排放設置頁面

 

除了檢測功能以外，CloudIQ能夠通過機器學習來進行能源使用分析和碳足跡預測，算法會預測系統、工作負載以及企業總能源使用量和排放量等，以便用戶可以規劃未來并做出相應的計劃。

 

CloudIQ的碳排放預測

 

 

雖然人工智能需要強大的算力和龐大的能源，但目前它只占全球IT能源消耗的一小部分。而隨著越來越多的公司、政府和組織利用人工智能來提高其運營和團隊的效率和生產力，這種情況將會發生翻天覆地的變化。

 

人工智能基礎設施的開發可以為更加可持續的運營提供一條道路。因為人工智能并非只造成環境上的破壞，其本身也是解決環境問題的關鍵所在，所有企業都應致力于實現技術的現代化，并尋求在可持續發展和人工智能間“兩者兼而有之”的未來。