AI训练能耗飙升：2030年电力需求或达50GW，比肩全球数据中心总和

人工智能发展，特别是支撑众多流行应用的大规模模型密集训练，正以惊人的速度加速，并有望带来前所未有的电力需求激增。电力科学研究院（EPRI）与Epoch AI联合发布的一份新报告预测，到2030年，训练一个领先的AI模型可能需要超过4吉瓦（GW）的电力——这足以满足数百万美国家庭的用电需求。

这些复杂AI模型训练的能源足迹历来巨大，需要庞大且集中的电力供应。尽管计算效率取得了显著进展，但过去十年中，训练一个尖端模型所需的电力每年翻一番以上。这种不断增长的需求源于AI行业通过更大、更复杂的模型追求更高性能，这反过来又需要更大的计算能力，从而消耗更多电力。报告指出，即使效率突破不断，AI模型规模扩大的趋势在未来几年仍可能持续。

然而，人工智能的总体电力需求远远超出了这些庞大模型的训练。未来相当一部分电力容量还将分配给面向终端用户的AI服务部署、小型专业模型的训练以及持续的AI研究。目前估计，美国AI的总电力容量约为5吉瓦。这一数字预计到2030年将飙升至50吉瓦以上，这一需求水平将等同于当前全球数据中心的总功耗，并代表着数据中心总能源需求中快速增长的一部分。

Epoch AI总监Jaime Sevilla强调了这些预测的严重性，指出训练先进AI模型的能源需求每年翻一番，很快将接近最大核电站的输出。他强调了报告对这些趋势及其未来轨迹进行的严谨、数据驱动的分析，并申明Epoch AI致力于继续调查AI的能源足迹。EPRI总裁兼首席执行官Arshad Mansoor则强调了AI日益普及及其在未来能源格局中预期的关键作用。他指出，为有效满足这些不断增长的能源需求，数据中心开发商和电力供应商都在采用创新的“平衡建设”策略。这种方法涉及建设新基础设施，同时将灵活性融入数据中心设计中，这被认为是加速电网连接、最大程度降低成本和增强系统可靠性的关键。

为应对这些挑战，EPRI去年启动了DCFlex合作计划。该倡议旨在开发和展示实现数据中心灵活性潜力的必要技术、政策和工具。数据中心灵活性，特别是通过地理上分布式训练数据中心实现的灵活性，设想将这些设施从被动的电力消费者转变为积极的电网资产。这种转变有望提高电网可靠性、降低成本并加速新连接。DCFlex项目获得了行业的大力支持，汇集了包括谷歌、Meta、英伟达等核心成员以及各种公用事业供应商在内的45多家公司。该合作组织最近在北卡罗来纳州莱诺瓦、亚利桑那州凤凰城和法国巴黎等关键地点启动了首次实际现场演示，标志着在AI时代迈向更具韧性和响应能力的能源基础设施的坚实一步。