生成式AI讓我們生活更便利 但你知道嗎？每次與AI互動都可能消耗大量電力
近年生成式AI掀起熱潮，從使用者眾多的ChatGPT，再到近期發表的影片生成模型Sora，許多大型軟體企業爭相採用AI驅動服務，伴隨而來的是快速增長的AI密集用水、用電需求，這些需要大量運算的人工智慧服務相較於傳統應用軟體的能源需求，往往更為巨量。
AI如同變魔術般，滑鼠按兩三下、下個簡單指令就能生成一段文字，甚至是圖像、影像，這些動作雖然跟往常在搜尋欄查找資料並無二致，然而，AI的用電量卻可能比想像中更多。
阿姆斯特丹自由大學（Vrije Universiteit Amsterdam，VU）商學院博士候選人德弗里斯（Alex De Vries）專門研究新興科技的能耗成本，去年他發表的分析估算，隨著人工智慧崛起，到了2027年，AI伺服器所消耗的用電量將等同於荷蘭全國的能源需求量。
德弗里斯根據NVIDIA的AI晶片銷售狀況[1]等參數推估，到了2027年，運算AI所需的硬體設備需求量，每年約有850～1340億度電的能源需求，就等同於世界上部分國家一年的總用電量。
人工智慧新創公司Hugging Face的研究員盧奇奧尼（Sasha Luccioni）指出，隨著AI成為一門好生意，公司機密層級也越來越高。過去幾年，其實OpenAI都會持續公布關於模型訓練的詳細資訊，包括使用的硬體設備與時間。不過，隨著ChatGPT、GPT-4等模型推陳出新，這些資訊再也沒有更新了。
為什麼AI高耗電又高用水？
不論是OpenAI的ChatGPT或是Google的Gemini，這類廣受歡迎的大型語言模型，往往需要一整個倉庫的資料中心來運算，同時也仰賴大量的水資源來幫助機房降溫。若是涉及圖像、影像的生成，AI的耗能將會更高。
AI的能源需求分成兩大部分，一個是訓練語言模型所消耗的電力，包含設定與回應行為；第二部分則是推論階段（inference phase），將訓練到一定程度的模型置入實際場景，並透過提示（prompts），讓AI生成初始回應。這兩階段都有高密集的能源需求，然而目前尚不清楚各階段的耗能占比。
「設置傳統伺服器的標準機櫃耗電量約4瓩（kW），約等同於一個家庭住宅的用電功率；然而設置一組AI伺服器機櫃的能源需求約為20倍、80瓩。」DataVita創辦人奎恩（Danny Quinn）對《英國國家廣播公司》說，一個資料中心內可能有上百或上千組的伺服器及機櫃。
加州大學河濱分校報告指出，與ChatGPT對話一次需消耗約500毫升的水，相當於一瓶寶特瓶。而ChatGPT每月有近15億用戶，用水量可想而知。微軟永續報告書中揭露，其用水量在2021至2022年增長至640萬立方公尺、增加了約34%，相當於2500個奧運規格泳池的大小。
科技兩面刃 AI浪潮下的危機與轉機
隨著科技日新月異，未來AI無疑會如雨後春筍般增長，隨之而來是需謹慎看待的環境衝擊。儘管耗能需求超級高，AI對解決環境挑戰仍潛力無窮。例如，AI可以預測極端氣候，改善工業製程減少碳排放，而在Google和美國航空公司合作的計畫中，飛行員可透過AI找出最適合的飛行高度和路徑，減少50％會造成全球暖化的飛機雲。
盧奇奧尼表示，希望未來有更多公司為AI引進像能源之星（Energy Star）[2] 的評比，讓消費者可以像選購節能電器一樣比較各家AI產品的能源效率。
德弗里斯則認為應該回歸更根本的思考——我們真的需要AI來完成某些特定任務嗎？「AI有其侷限性，在很多應用上或許都不算最好的解決方案，我們將會浪費大量的時間和資源來記取這項教訓。」
註釋
[1] 根據NVIDIA釋出的硬體銷售與能源數據預測，其在AI市場中的市占率約95%。
[2] 能源之星（Energy Star），是一項由美國政府所主導，主要針對消費性電子產品的能源節約計劃。能源之星計劃於1992年由美國環保署（EPA）所啟動，目的是為了降低能源消耗及減少發電廠所排放的溫室效應氣體。此計劃並不具強迫性，自發配合此計劃的廠商，就可以在其合格產品上貼上能源之星的標籤。
資料來源：環境資訊中心
