英国政府的目标是到2030年将公共控制的人工智能计算能力提高20倍，这将显著提高电力需求。可再生能源供应是否能够满足这一需求，并且仍然有足够的剩余能源为供热和运输等部门供电，这些部门必须在2050年之前完全脱碳？
首先，让我们讨论一下为什么人工智能如此耗能。人工智能系统需要巨大的计算能力。人工智能的创建和使用涉及对程序进行模型和算法培训，这些模型和算法必须被发明和校准，所有这些都需要计算能力。然后，人工智能模型必须从输入的新数据中得出结论，这本身就是另一个能源密集型过程。
随着人工智能变得越来越复杂，对越来越多计算能力的需求急剧上升。因此，计算能力变得越来越稀缺，这是人工智能进一步发展和使用的主要瓶颈。事实上，英国于2021年发布的国家人工智能战略认识到，如果要实现人工智能的潜力，必须提高计算能力。
一般来说，人工智能越复杂，它的能耗就越高。这对英国有重大影响。
数据中心（存储、处理和分发数据的设施）是一个重要且不断增长的电力消费者。从训练复杂的人工智能模型（这需要巨大的计算能力和数据存储），到通过训练有素的人工智能模型运行数据以进行预测或解决任务，数据中心是人工智能使用和开发的每个阶段的核心。
据国际能源署估计，全球数据中心的用电量约占总用电量的1%-1.3%。最近的一项观察表明，目前开发最复杂的人工智能系统需要每年将计算能力提高四倍。人工智能培训所需的数据总量也以每年2.5倍的速度增长，这增加了对数据中心的依赖。
在英国，2020年人工智能和相关基础设施消耗了约3.6太瓦时（TWh）的电力。如果按照政府的目标，这一消费增长20倍，到2030年将达到72太瓦时。这将占英国2021年总用电量的四分之一以上，约为261太瓦时。
人工智能计算的快速发展需要周密的规划。然而，数据中心只是等式的一部分。使用人工智能的设备，如智能家居中的传感器、燃气和电表、路由器、wifi集线器、流媒体设备和社交媒体平台，可能会增加难以估计的大量能源需求。
人工智能总能耗的这些额外组成部分往往被忽视。
英国在可再生能源生产方面取得了重大进展，近年来风能和太阳能对电力的贡献率超过40%。
然而，我们在《能源政策》杂志上发表的预测表明，全球可再生电力供应将无法满足全球数字数据增长带来的激增需求。
我们的研究考虑了人工智能能源使用的不同场景。英国的目标是到2030年将人工智能计算能力提高20倍，这无疑是一个高消费情景，仅数字基础设施的能源需求就可能超过可再生能源容量的增长。
与此同时，英国的脱碳取决于传统上依赖化石燃料的运输和供暖行业的电气化：用电热泵取代天然气锅炉，用电动汽车取代内燃机汽车。这将需要大幅增加电力供应。
然而，解决这个问题不仅仅需要扩大可再生能源的生产。人工智能系统和相关技术的能源效率也必须提高。确保人工智能和其他数字进步所需的能源以可持续的方式获取，同时不影响更广泛的净零目标，将需要政府政策、技术创新和公众意识的结合。
人工智能日益增长的电力需求可能加剧对有限的可再生能源的竞争。这种竞争有可能增加对化石燃料的依赖，尤其是在能源需求高峰时期。如果不能足够快地部署额外的可再生能源容量，英国可能会面临人工智能驱动的电力需求增加而不是减少总排放量的情况。
英国承诺到2030年将公共人工智能计算能力提高20倍，这对该国的电力系统构成了巨大挑战。可持续地实现这一目标将需要平衡人工智能的能源需求与更广泛的电气化目标和可再生能源限制。
如果不立即采取一致行动扩大可再生能源并提高效率，人工智能的电力需求可能会阻碍向净零的未来过渡。
没有时间像你想的那样多读一些关于气候变化的书？在你的收件箱里放一份每周综述吧。每周三，The Conversation的环境编辑都会写一封名为Imagine的简短电子邮件，深入探讨一个气候问题。加入到目前为止订阅的4万多名读者吧。
