Meta 近期支持伊利諾伊州的核電廠，象徵著這家科技巨頭正積極為 AI 驅動的未來做準備。這項與 Constellation Energy 達成的 20 年協議，呼應了 Amazon、Google 和 Microsoft 等產業領導者的類似舉措。這些公司都在努力確保可持續能源，以支援其不斷擴展的 AI 營運。然而，將核能轉變為科技產業的主要能源來源，將是一個漫長而複雜的過程。
人工智慧日益增長的能源需求
人工智慧是一項能源密集型事業。AI 模型的訓練、部署和維護消耗大量電力。目前，這些能源大多來自化石燃料，對氣候變遷產生重大影響。生成式 AI 技術的快速普及，使情況更加複雜。它打亂了眾多科技公司精心策劃的過渡到更環保能源的計畫。
Meta 與其競爭對手一樣，面臨著平衡其對可持續發展的承諾與 AI 基礎設施的即時能源需求的挑戰。雖然該公司的長期願景包括增加對核能的依賴，但其短期策略則涉及天然氣。例如，主要公用事業供應商 Entergy 正在加速路易斯安那州天然氣發電廠的建設，以支援一個大型 Meta 數據中心複合體。
核能作為 AI 的賦能者：全球視角
法國大力推廣其廣泛的核能基礎設施，認為這是全球 AI 競賽中的關鍵優勢。法國約有 75% 的電力來自核能，擁有全球最高的核能依賴度。在巴黎舉行的 AI 峰會上，總統 Emmanuel Macron 將法國的做法與「drill baby drill」的心態進行了對比，提出了一個「plug baby plug」的替代方案，強調該國已準備好以潔淨的核能推動 AI 創新。
然而，美國嚴重依賴化石燃料來為其數據中心供電，而數據中心是 AI 營運的骨幹。國際能源總署 (IEA) 的一份報告指出，天然氣，在某些情況下甚至是煤炭，是這些設施的主要能源來源。預計對 AI 的需求增加將進一步促使人們依賴燃氣發電廠，這是一種具有成本效益但對環境有害的解決方案。
儘管太陽能和風能等再生能源約佔美國數據中心能源供應的 24%，但根據 IEA 的數據，核能約佔 15%。轉向更可持續的能源結構將需要對再生能源和核能基礎設施進行大量投資。
美國能源部的一份報告預測，數據中心的電力需求將大幅增加。過去十年，這些設施的電力消耗量增加了兩倍，預計到 2028 年將再次增加兩倍，可能佔全國總電力消耗量的 12%。
AI 背後的能源密集型流程
AI 系統的開發和運營，特別是生成式 AI 模型，需要巨大的計算能力。以 AI 聊天機器人和基礎系統（如 Meta 的 Llama）為例。
訓練（或預訓練）： AI 系統從大量數據中學習。這涉及識別數據中的模式和關係。專用電腦晶片，例如圖形處理單元 (GPUs)，用於在互連設備上執行平行計算。訓練 AI 模型可能需要消耗大量的电力和时间，需要使用超级计算机或者大规模的GPU集群进行运算。训练数据的质量和数量也会直接影响模型的性能和能源消耗。
推論： 經過訓練後，AI 模型需要大量能源才能執行任務，例如生成文字或圖像。這涉及處理新資訊並根據模型現有的知識得出推論。整個過程都需要電力。為了減少推論所需的能源，研究人員正在開發更有效率的算法和硬件。 例如，使用量化技術可以減少模型的大小，从而降低计算复杂度和能源消耗。
冷卻 AI 巨頭：應對散熱挑戰
AI 系統產生大量熱量，必須將其耗散以維持最佳效能。數據中心依靠冷卻系統，例如空調，來調節溫度。這些系統消耗額外的電力，進一步增加了 AI 的能源足跡。為了減少能源消耗，數據中心營運商正在探索替代冷卻技術，例如水冷系統。這些新型的散热技术旨在更有效地将热量从服务器中移除，从而降低数据中心的整体能源消耗。
數據中心冷卻技術的演進
最初，數據中心主要依賴傳統的空氣冷卻系統。然而，隨著伺服器密度的增加和計算需求的提升，空氣冷卻的效率逐漸降低。水冷技術作為一種替代方案應運而生，可以直接將冷卻液體導入伺服器，實現更精準和高效的散熱。
直接液冷（Direct Liquid Cooling，DLC）：DLC 是目前最先進的冷卻技術之一。它將冷卻液體（例如水或特殊冷卻劑）直接引入伺服器的 CPU 和 GPU 等發熱組件，實現快速散熱。DLC 系統的能源效率遠高於空氣冷卻，並且能夠支持更高的伺服器密度。
浸沒式冷卻（Immersion Cooling）：浸沒式冷卻將整個伺服器浸泡在非導電冷卻液體中。這種方式可以實現極高的散熱效率，並且有助於降低噪音和灰塵污染。浸沒式冷卻系統通常用於高性能計算和 AI 應用。
其他節能措施
除了先進的冷卻技術，數據中心還可以採取其他措施來降低能源消耗。
伺服器虛擬化：伺服器虛擬化可以將多個虛擬伺服器整合到一台物理伺服器上，從而減少伺服器的數量和能源消耗。
利用率優化：通過監控伺服器的利用率，可以將閒置的伺服器關閉或調整至低功耗模式，從而節省能源。
可再生能源：數據中心可以利用太陽能、風能等可再生能源來供應電力，從而減少對化石燃料的依賴。
智能電網：數據中心可以與智能電網連接，根據電網的供需情況調整電力消耗，從而實現能源的優化利用。
未來展望
隨著 AI 技术的不断发展，數據中心的能源需求將持續增長。为了应对这一挑战，我们需要不断创新和改进数据中心的能源效率。未来的数据中心将更加注重绿色环保，采用更加先进的冷卻技術和能源管理策略。通过共同努力，我们可以构建一个可持续的 AI 生态系统。