日韩成人高清在线,黄色免费网站网址,日韩成人中文字幕在线观看,色亚洲第一页,男男play呻吟动漫网站

摘要：人工智能大模型技術(shù)引領(lǐng)的新興產(chǎn)業(yè)發(fā)展正成為全球新一輪科技革命和產(chǎn)業(yè)競爭的新高地、新賽道。我國牢牢把握這一戰(zhàn)略機(jī)遇，推動新一代人工智能模型成為新質(zhì)生產(chǎn)力的典型代表，實現(xiàn)全產(chǎn)業(yè)高質(zhì)量發(fā)展。然而，人工智能模型性能發(fā)展所依托的模型參數(shù)擴(kuò)張、訓(xùn)練次數(shù)升級以及伴隨著的使用頻率躍增，已然導(dǎo)致算力需求和能源消費(fèi)過快增長。在當(dāng)前嚴(yán)峻的節(jié)能形勢背景下，人工智能的能耗問題與節(jié)能工作之間的潛在矛盾備受關(guān)注。鑒于此，本文對人工智能的能耗影響及挑戰(zhàn)進(jìn)行了測算分析，認(rèn)為人工智能產(chǎn)業(yè)能耗的長期影響總體可控，但短期局部影響仍然突出，或與節(jié)能工作形成沖突，建議從強(qiáng)化產(chǎn)業(yè)發(fā)展要素保障、摸排產(chǎn)業(yè)發(fā)展情況、建立綠色低碳管理機(jī)制、深化“東數(shù)西算”格局四個方面，推動人工智能產(chǎn)業(yè)綠色低碳發(fā)展。

一、研究背景

以大模型為代表的人工智能技術(shù)和產(chǎn)業(yè)已成為當(dāng)今經(jīng)濟(jì)社會發(fā)展的重要支撐，發(fā)展新一代人工智能大模型是加快形成新質(zhì)生產(chǎn)力、培育經(jīng)濟(jì)發(fā)展新動能、贏得全球科技競爭主動權(quán)的戰(zhàn)略抓手。自2020年起，人工智能由傳統(tǒng)的“判別式小模型”轉(zhuǎn)向更為先進(jìn)的“生成式大模型”，代表性功能也從人臉識別、目標(biāo)檢測、文本分類升級到如今的文本生成、圖像生成、語音生成、視頻生成等。

人工智能大模型計算系統(tǒng)通常由深度神經(jīng)網(wǎng)絡(luò)構(gòu)建而成，具有萬億量級參數(shù)規(guī)模和復(fù)雜計算結(jié)構(gòu)，能夠根據(jù)已學(xué)習(xí)的內(nèi)容進(jìn)行基礎(chǔ)性地判斷以及創(chuàng)造性地生成新內(nèi)容。其中，語言類和圖像類任務(wù)大模型應(yīng)用場景較為廣泛，正成為當(dāng)前人工智能技術(shù)研究和應(yīng)用的熱點(diǎn)方向。具體而言，語言類任務(wù)大模型主要用于理解和生成自然語言文本，處理諸如文本分類、問答系統(tǒng)、文字生成等文字任務(wù)，代表性模型有OpenAI公司發(fā)布的ChatGPT、百度公司發(fā)布的文心一言等。圖像類任務(wù)大模型則主要用于處理和理解圖像內(nèi)容，執(zhí)行諸如圖像分類、目標(biāo)檢測、圖像生成等視覺任務(wù)，代表性模型包括OpenAI公司的DALL-E、智譜人工智能研究院的CogVLM等。

隨著人工智能技術(shù)的快速發(fā)展，其背后的算力支撐和電力供應(yīng)變得愈發(fā)關(guān)鍵。算力，即單位時間內(nèi)處理數(shù)據(jù)或信息的能力（FLOPS），主要以計算機(jī)設(shè)備、數(shù)據(jù)中心、智算中心等算力基礎(chǔ)設(shè)施作為運(yùn)行載體，而電力則為其提供必要的能源支撐，以確保算力的穩(wěn)定高效運(yùn)行。由于人工智能技術(shù)的快速發(fā)展高度依賴于模型參數(shù)規(guī)模擴(kuò)大、訓(xùn)練次數(shù)升級以及伴隨著的使用頻率躍增，算力需求和能源消耗呈現(xiàn)快速增長態(tài)勢，也由此引發(fā)了一系列關(guān)注。然而已有研究多聚焦于能耗總量分析，鮮有深入探討其時空分布特點(diǎn)以及結(jié)合節(jié)能工作形勢全面分析能耗挑戰(zhàn)。為此，本文以語言類和圖像類大模型兩類人工智能大模型為代表對人工智能能耗進(jìn)行了測算，并結(jié)合時空分布以及節(jié)能工作形勢分析了人工智能能耗帶來的挑戰(zhàn)，最后從要素保障、產(chǎn)業(yè)摸底、管理機(jī)制、戰(zhàn)略格局等維度提出了政策建議，以期為我國人工智能產(chǎn)業(yè)綠色低碳發(fā)展提供有力支撐。

二、研究方法與數(shù)據(jù)

本研究基于人工智能領(lǐng)域相關(guān)政策文件、研究報告、學(xué)術(shù)文獻(xiàn)等最新信息，構(gòu)建了以語言類大模型和圖像類大模型能耗情況為代表的人工智能大模型能耗計算方法，并對我國人工智能發(fā)展的能耗影響進(jìn)行了測算分析。

（一）大模型總能耗現(xiàn)狀測算

當(dāng)前中國人工智能大模型總能耗主要由語言類大模型總能耗和圖像類大模型總能耗構(gòu)成（受限于數(shù)據(jù)可得性，以2023年大模型發(fā)展情況對其能耗水平現(xiàn)狀進(jìn)行測算），如式1所示：

（二）數(shù)據(jù)來源

計算過程的參數(shù)設(shè)置與數(shù)據(jù)來源如下表所示。在人工智能大模型能耗現(xiàn)狀計算方面，主要參數(shù)包括每天訪問人數(shù)、人均問題數(shù)、問題平均字?jǐn)?shù)等。其中，每天訪問人數(shù)、語言類大模型訪問量市占率、圖像模型與語言模型訪問量市占率比例均來自非凡產(chǎn)研^[1]的2024年度報告。單字平均GPU響應(yīng)時間數(shù)值來自Pointon（2022）^[2]，即0.35秒/字。根據(jù)Patterson等人^[3]的研究結(jié)果，GPU功率為400瓦特。基于Luccioni & Jernite（2023）^[4]，語言類大模型訓(xùn)練和推斷階段的能耗比例為2:3，圖像任務(wù)能耗與語言任務(wù)能耗比例為30：1。中國現(xiàn)有大模型總數(shù)來自中國信通院（2023）^[5]。在計算2023年人工智能電耗與能耗占全國電耗與能耗比重時，所使用的2023年全國全社會用電量數(shù)據(jù)來源于中國電力企業(yè)聯(lián)合會（2024）^[6]，2023年中國能源消費(fèi)總量數(shù)據(jù)來源于國家統(tǒng)計局發(fā)布的年度報告^[7]。此外，人均問題數(shù)與問題平均字?jǐn)?shù)均基于行業(yè)常規(guī)均設(shè)置為30個。

在人工智能大模型能耗預(yù)測計算方面，主要參數(shù)包括算力能耗規(guī)模年復(fù)合增長率、增長年數(shù)等。其中預(yù)測增長年數(shù)設(shè)定為7年。算力能耗規(guī)模年復(fù)合增長率的高低值數(shù)據(jù)分別參考金融界于2024年^[8]發(fā)布的研究報告與國務(wù)院新聞辦公室在2023年^[9]的公開數(shù)據(jù)。在計算2030年人工智能電耗及能耗占全國比重時，所使用的2030年全國全社會用電量和能耗預(yù)測值分別來源于中電聯(lián)規(guī)劃發(fā)展部（2021）^[10]和國家發(fā)展改革委&國家能源局（2016）^[11]。此外，全國人工智能產(chǎn)業(yè)增加值數(shù)據(jù)來自于中國信通院（2023）^[12]和艾瑞咨詢（2024）^[13]。

表1 參數(shù)設(shè)置及數(shù)據(jù)來源

三、人工智能的能耗影響

（一）人工智能能耗

測算結(jié)果顯示，2023年我國以語言類和圖像類模型為代表的人工智能大模型能耗分別為73億和274億千瓦時。兩類模型能耗合計達(dá)到347億千瓦時，折合成標(biāo)準(zhǔn)煤約為426萬噸，占全國電力消費(fèi)的0.30%，占全國能源消費(fèi)的0.07%。

為進(jìn)一步分析人工智能的未來能耗影響，以算力能耗復(fù)合增長率為關(guān)鍵參數(shù)，設(shè)定了保守增長和快速增長兩種預(yù)測情景。結(jié)果顯示，到2030年人工智能大模型預(yù)計將消耗全國1.93%-5.25%的電力，占全國能源消費(fèi)的0.45%-1.21%。具體來說，在保守增長情景下，預(yù)計人工智能算力將消耗約2177億千瓦時電力，占全國電力消費(fèi)的1.93%，折合標(biāo)準(zhǔn)煤約為2675萬噸，占全國能源消費(fèi)的0.45%。若按快速增長情景預(yù)測，預(yù)計電力消耗和能源消費(fèi)占比將分別升至5.25%和1.21%。需要說明的是，以上結(jié)果僅反映了人工智能大模型領(lǐng)域的算力能耗需求。隨著人工智能產(chǎn)業(yè)的不斷發(fā)展，未來可能會出現(xiàn)更加復(fù)雜多樣的人工智能模型和應(yīng)用場景，這也意味著能耗影響將在一定程度上呈現(xiàn)持續(xù)增長趨勢。

（二）人工智能能耗影響的時空分布

算力基礎(chǔ)設(shè)施是支撐人工智能產(chǎn)業(yè)發(fā)展的重要底座，因而人工智能技術(shù)研發(fā)與產(chǎn)業(yè)發(fā)展所需能耗會隨著算力基礎(chǔ)設(shè)施布局和應(yīng)用而出現(xiàn)鮮明的時空特點(diǎn)。

從時間分布上看，人工智能能耗呈現(xiàn)“夏冬高，春秋低”的季節(jié)性波動規(guī)律。季節(jié)性氣溫變化是影響算力基礎(chǔ)設(shè)施能耗的關(guān)鍵因素，例如夏季溫度升高導(dǎo)致數(shù)據(jù)中心需要依賴大量冷卻設(shè)備和電力來維持設(shè)備正常運(yùn)行的環(huán)境溫度，大大增加了能源消耗；而冬季嚴(yán)寒氣溫下，數(shù)據(jù)中心需要額外的能源來保持適宜的室內(nèi)溫度，以防設(shè)備因低溫而出現(xiàn)性能下降。

從空間分布上看，我國“東數(shù)西算”工程正重塑人工智能能耗的地理布局。整體上，我國正建立京津冀、長三角、粵港澳、成渝、內(nèi)蒙古、貴州、甘肅、寧夏八大算力樞紐節(jié)點(diǎn)，并依托樞紐節(jié)點(diǎn)規(guī)劃張家口集群、蕪湖集群、長三角生態(tài)綠色一體化發(fā)展示范區(qū)、韶關(guān)集群、天府集群、重慶集群、貴安集群、慶陽集群、和林格爾集群等十大國家數(shù)據(jù)中心集群。隨著算力基礎(chǔ)設(shè)施樞紐節(jié)點(diǎn)和數(shù)據(jù)中心集群的建設(shè)與發(fā)展，人工智能的能耗壓力將主要轉(zhuǎn)移至這些集中區(qū)域。

四、人工智能能耗影響帶來的挑戰(zhàn)

（一）長期影響總體可控

長期來看，人工智能產(chǎn)業(yè)發(fā)展對全國總體能耗影響相對有限。具體來說，到2030年，我國人工智能產(chǎn)業(yè)電力消費(fèi)預(yù)計達(dá)到2177-5928億千瓦時，折合標(biāo)準(zhǔn)煤約為2675-7283萬噸。然而，從能耗占比來看，人工智能產(chǎn)業(yè)能耗僅占全國能源消費(fèi)總量的0.45%-1.21%，遠(yuǎn)小于當(dāng)前建筑業(yè)、紡織業(yè)、化工行業(yè)等¹行業(yè)的能耗占比。從能耗強(qiáng)度來看，當(dāng)前人工智能產(chǎn)業(yè)能耗強(qiáng)度為0.08-0.22噸標(biāo)準(zhǔn)煤/萬元，遠(yuǎn)低于全國平均能耗強(qiáng)度水平。由此，人工智能產(chǎn)業(yè)能耗對于全國能源消費(fèi)總量的長期影響總體可控，對全國能耗強(qiáng)度目標(biāo)完成情況的影響相對有限。

（二）短期局部影響突出

短期而言，人工智能技術(shù)的迅猛發(fā)展可能帶來顯著的季節(jié)性、局域性用能壓力。一方面，由于季節(jié)性氣溫變化，如夏季高溫和冬季嚴(yán)寒，算力基礎(chǔ)設(shè)施需要額外的能源消費(fèi)用以保障其穩(wěn)定運(yùn)行。在夏冬季能源供需本就偏緊的情況下，算力基礎(chǔ)設(shè)施用能需求激增可能進(jìn)一步加劇能源保供壓力。另一方面，隨著“東數(shù)西算”工程一體化算力網(wǎng)的推進(jìn)，人工智能能耗影響主要集中在京津冀、長三角等東部地區(qū)，以及甘肅、內(nèi)蒙古等西部省份。結(jié)合東、西部地區(qū)的能源供需差異來看，這種空間分布可能導(dǎo)致能源供應(yīng)“東部吃緊，西部過剩”的局面發(fā)生，不僅影響能源利用效率，也可能成為區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展的掣肘因素。

（三）人工智能短期能耗影響或與節(jié)能工作形勢形成沖突

近年來，我國能源消耗總量持續(xù)較快增長，能耗強(qiáng)度降幅收窄，部分地區(qū)能耗強(qiáng)度下降不及預(yù)期，使得“十四五”后期完成節(jié)能目標(biāo)和“十五五”期間開展節(jié)能工作面臨一定的難度和挑戰(zhàn)。而人工智能在短期引發(fā)的季節(jié)性、局部性能耗壓力可能與當(dāng)前嚴(yán)峻的節(jié)能形勢形成沖突。部分地區(qū)可能受限于節(jié)能指標(biāo)完成空間，或出于能源保供的考慮，在項目能評、環(huán)評階段加強(qiáng)對數(shù)據(jù)中心類項目的審批管理，甚至采取限制措施。例如，地方政府在數(shù)據(jù)中心類項目能評中多以數(shù)據(jù)中心的電能利用效率（Power Usage Effectiveness，PUE）²為主要監(jiān)管抓手，并持續(xù)收緊相關(guān)標(biāo)準(zhǔn)。目前，北京、上海等地對于新建數(shù)據(jù)中心PUE的審批要求已經(jīng)提升至1.15-1.3，遠(yuǎn)遠(yuǎn)嚴(yán)于歐美國家平均水平（1.4-1.5）。

五、有關(guān)意見建議

（一）強(qiáng)化人工智能戰(zhàn)略產(chǎn)業(yè)發(fā)展的要素保障

根據(jù)測算結(jié)果來看，人工智能對全國能源消費(fèi)的整體影響有限，但其時空分布相對集中。鑒于當(dāng)前節(jié)能工作形勢的嚴(yán)峻性，節(jié)能減排指標(biāo)壓力可能對人工智能項目的審批建設(shè)周期造成一定影響，增加項目延誤延期風(fēng)險，不利于我國人工智能產(chǎn)業(yè)在全球競爭中搶奪發(fā)展先機(jī)。因此，我國應(yīng)緊密結(jié)合人工智能戰(zhàn)略產(chǎn)業(yè)發(fā)展趨勢，進(jìn)一步加大對其關(guān)鍵要素的保障力度。一方面，深入貫徹國家重大項目能耗單列政策，積極推動人工智能相關(guān)項目列入國家重大項目能耗單列范圍，為產(chǎn)業(yè)發(fā)展預(yù)留充足的用能空間。另一方面，加強(qiáng)對算力樞紐節(jié)點(diǎn)、數(shù)據(jù)中心集群等人工智能算力集中部署地區(qū)的能源供給保障，提升電源匹配和電網(wǎng)支撐能力，推動建立“算電協(xié)同”體制機(jī)制，確保人工智能產(chǎn)業(yè)穩(wěn)健發(fā)展。

（二）摸排人工智能產(chǎn)業(yè)情況調(diào)研

全面把握人工智能產(chǎn)業(yè)現(xiàn)狀是優(yōu)化產(chǎn)業(yè)發(fā)展指導(dǎo)和加強(qiáng)要素保障的重要前提。因此有必要由國家有關(guān)部門牽頭，集合相關(guān)領(lǐng)域研究機(jī)構(gòu)、行業(yè)專家力量，開展針對國內(nèi)重點(diǎn)地區(qū)的人工智能產(chǎn)業(yè)調(diào)研工作。通過實地走訪相關(guān)企業(yè)和項目，系統(tǒng)摸排人工智能企業(yè)運(yùn)營現(xiàn)狀、項目進(jìn)展情況、技術(shù)創(chuàng)新方向等方面情況，并選取具有代表性的企業(yè)及項目，進(jìn)行定期人工智能企業(yè)能源消費(fèi)情況的監(jiān)測分析，為精準(zhǔn)研判產(chǎn)業(yè)能源消費(fèi)形勢、科學(xué)引導(dǎo)人工智能產(chǎn)業(yè)發(fā)展提供堅實的數(shù)據(jù)基礎(chǔ)。

（三）探索建立人工智能產(chǎn)業(yè)的綠色低碳管理機(jī)制

推動人工智能項目能耗指標(biāo)單列并不意味著“一放了之”，而應(yīng)在給予充足要素保障的同時，緊抓人工智能產(chǎn)業(yè)發(fā)展戰(zhàn)略窗口期，積極引導(dǎo)其產(chǎn)業(yè)向綠色低碳方向轉(zhuǎn)型升級。因此，有必要加快探索建立適用于我國人工智能產(chǎn)業(yè)發(fā)展的綠色低碳管理機(jī)制。首先，廣泛調(diào)研國內(nèi)外人工智能產(chǎn)業(yè)先進(jìn)能效水平和綠色低碳管理體制機(jī)制，形成可供參考的成功案例經(jīng)驗。其次，采取行業(yè)標(biāo)準(zhǔn)、獎勵資金、分級評價等管理措施，從人工智能模型優(yōu)化、芯片效率及算法效率提升、數(shù)據(jù)中心綠色架構(gòu)以及綠色能源使用等方面，探索建立覆蓋人工智能全生命周期的綠色低碳管理機(jī)制。最后，選取具有代表性的地區(qū)作為試點(diǎn)，通過地區(qū)先行先試積累人工智能產(chǎn)業(yè)綠色低碳管理經(jīng)驗，以高標(biāo)準(zhǔn)推動人工智能產(chǎn)業(yè)綠色低碳發(fā)展。

（四）深化“東數(shù)西算”的空間格局

人工智能產(chǎn)業(yè)的快速發(fā)展意味著需要更強(qiáng)大的計算能力和更高速的存儲系統(tǒng)作為支撐。在土地、能源等資源緊張的形勢下，東部地區(qū)大規(guī)模發(fā)展數(shù)據(jù)中心已顯困難。因此，有必要進(jìn)一步深化“東數(shù)西算”戰(zhàn)略，統(tǒng)籌算力電力協(xié)同布局，引導(dǎo)人工智能項目所依托的對延時要求不高的算力基礎(chǔ)設(shè)施優(yōu)先布局于西部地區(qū)，充分利用西部豐富的算力資源，支撐東部人工智能項目的運(yùn)算需求，進(jìn)而強(qiáng)化“數(shù)據(jù)向西，算力向東”的規(guī)模化、集約化發(fā)展空間格局，實現(xiàn)資源的高效配置與促進(jìn)人工智能產(chǎn)業(yè)的協(xié)調(diào)發(fā)展。

備注：

1 受限于數(shù)據(jù)可得性，此處選取2021年行業(yè)能耗情況進(jìn)行計算，2021年建筑業(yè)、紡織業(yè)化學(xué)原料及化學(xué)制品制造業(yè)的能源消費(fèi)量分別為7932、9608和28961.13萬噸標(biāo)準(zhǔn)煤，分別占全國能源消費(fèi)的1.51%、1.83%和5.5%。

2 PUE是數(shù)據(jù)中心總能耗與IT設(shè)備能耗的比值，基準(zhǔn)是2，數(shù)值越接近1代表其用能效率越高。

參考文獻(xiàn)

[1] 非凡產(chǎn)研. 中國AI市場突破巨大：月之暗面訪問量翻倍，文心一言獨(dú)立訪客超285萬[EB/OL]//騰訊網(wǎng). (2024-03-15). https://new.qq.com/rain/a/20240315A07LZH00.

[2] Pointon C. The carbon footprint of ChatGPT[EB/OL]. (2022-12-23). https://medium.com/@chrispointon/the-carbon-footprint-of-chatgpt-e1bc14e4cc2a.

[3] Patterson D, Gonzalez J, Le Q, et al. Carbon Emissions and Large Neural Network Training[J]. 2021.

[4] Luccioni A S, Jernite Y, Strubell E. Power Hungry Processing: Watts Driving the Cost of AI Deployment?[M/OL]. arXiv, 2023[2024-03-29]. http://arxiv.org/abs/2311.16863.

[5] 中國信通院. 中國數(shù)字化綠色化協(xié)同轉(zhuǎn)型發(fā)展進(jìn)程報告[R/OL]. 中國信通院, 2023. http://www.caict.ac.cn/kxyj/qwfb/ztbg/202311/t20231110_465548.htm.

[6] 中國電力企業(yè)聯(lián)合會. 2023-2024年度全國電力供需形勢分析預(yù)測報告[R/OL]. 中國電力企業(yè)聯(lián)合會, 2024. https://www.cec.org.cn/detail/index.html?3-330280.

[7] 國家統(tǒng)計局. 中華人民共和國2023年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報[R/OL]. 國家統(tǒng)計局, 2024. https://www.gov.cn/lianbo/bumen/202402/content_6934935.htm.

[8] 金融界. 中金預(yù)測2025年中國數(shù)據(jù)中心能耗或破4000億千瓦時[N/OL]. 2024-03-22. https://baijiahao.baidu.com/s?id=1794182877594817313&wfr=spider&for=pc.

[9] 新華社. 行業(yè)報告： 中國人工智能計算能力將實現(xiàn)強(qiáng)勁增長[R/OL]. 國務(wù)院新聞辦公室, 2023. http://english.scio.gov.cn/chinavoices/2023-11/30/content_116848686.htm.

[10] 中國電力企業(yè)聯(lián)合會. 電力行業(yè)碳達(dá)峰碳中和發(fā)展路徑研究[R]. 2021.

[11] 國家發(fā)展改革委, 國家能源局. 能源生產(chǎn)和消費(fèi)革命戰(zhàn)略（2016~2030）: 發(fā)改基礎(chǔ)〔2016〕2795號[R/OL]. 國家發(fā)展改革委和國家能源局, 2016. https://www.ndrc.gov.cn/xxgk/zcfb/tz/201704/t20170425_962953.html.

[12] 新華網(wǎng). 核心產(chǎn)業(yè)規(guī)模超五千億元 人工智能釋放“智慧動能”[EB/OL]. (2023-02-10)[2024-04-29]. http://www.xinhuanet.com/info/20230210/aad5c1b9c0de4a13bbd097e98806ab30/c.html.

[13] 艾瑞咨詢. 2023年中國人工智能產(chǎn)業(yè)研究報告 (VI)[R/OL]. (2024-04-18)[2024-04-29]. https://report.iresearch.cn/report/202404/4336.shtml.