人工智能的耗电量有多大？

机器学习的能源消耗一直是业界关注的焦点。从电子邮件摘要、聊天机器人到荷马-辛普森演唱新金属乐的视频，背后的人工智能模型都在大量消耗着电力，以兆瓦时计的服务器费用令人咋舌。然而，关于这些成本的具体数字，似乎无人能给出确切的答案，即便是这些技术背后的公司也不例外。

热门AI项目链接：

https://www.suanjiayun.com/mirrorDetails?id=66d57559d0cf7ac9187afd90

现有的估计数字存在，但专家指出，这些数字往往是不全面的、偶然的，仅能提供人工智能总能耗的一个模糊轮廓。这是因为机器学习模型的能耗因其配置的不同而有很大差异。而最有能力提供详细账单的公司，如 Meta、微软和 OpenAI 等，并未公开这些信息。（微软云计算运营和创新首席技术官朱迪-普里斯特在电子邮件中表示，公司正在“开发方法以量化人工智能的能源使用和碳影响，并研究如何提高大型系统在训练和应用阶段的效率”。OpenAI 和 Meta 未对此作出回应。）

一个可以确定的关键点是，模型首次训练与向用户部署之间的能耗差异。特别是训练阶段，其能耗极高，远超传统数据中心的活动。例如，训练一个像 GPT-3 这样的大型语言模型，估计需要消耗大约 1,300 兆瓦时的电力，相当于约 130 个美国家庭一年的用电量。相比之下，观看一小时的 Netflix 流媒体节目大约只需要 0.8 千瓦时（即 0.0008 兆瓦时）的电力。这意味着要消耗与训练 GPT-3 相同的电量，你需要观看 162.5 万小时的节目。

然而，这些数字如何适用于当前最先进的系统，仍然是个未知数。随着人工智能模型规模的不断扩大，能耗可能进一步增加。但另一方面，公司可能正在采取措施提高系统的能效，这可能会抑制能源成本的上升。

“Hugging Face”这家法美人工智能公司的研究员萨沙-卢奇奥尼指出，进行最新估算的挑战在于，随着人工智能技术的盈利性增强，公司变得更加保守。过去，像 OpenAI 这样的公司会公开其训练细节，包括使用的硬件和训练时间。但对于 ChatGPT 和 GPT-4 等最新模型，这些信息却不再公开，Luccioni 表示：“对于 ChatGPT，我们不知道它的规模有多大，不知道底层模型有多少参数，也不知道它在何处运行……它可能就像是三只穿着风衣的浣熊，因为我们都不知道幕后究竟是什么。”

在国内，为了有效控制各种成本，同时解决当前算力供需失衡的问题，一系列算力租赁平台如雨后春笋般涌现。这些平台旨在为有算力需求的企业和个人提供便捷、高效、成本可控的算力服务，从而推动人工智能、大数据、云计算等领域的快速发展。

这些算力租赁平台具有以下特点：

灵活配置：用户可以根据自己的需求，随时调整算力资源，实现按需分配，避免资源浪费。

成本优势：通过租赁算力，用户无需购买昂贵的硬件设备，降低了企业运营成本，提高了资金使用效率。

一站式服务：算力租赁平台提供从硬件选购、部署、运维到技术支持的一站式服务，让用户专注于业务创新。

安全可靠：平台采用先进的技术手段，确保用户数据安全和算力稳定运行。

丰富场景：算力租赁平台覆盖人工智能、大数据、区块链等多个领域，满足不同用户的需求。

算家云——简单、高效、便宜