人工智慧對電力的需求飆升：到2025年將超越比特幣挖礦

到2025年底，人工智慧（AI）的耗電量可能超過比特幣挖礦，這現象凸顯了一場更快、更隱密的能源危機。罪魁禍首是什麼？大規模人工智慧模型及其支撐的資料中心的爆炸性增長。

能源需求的新興巨頭

阿姆斯特丹自由大學 Alex de Vries–Gao 領導的最新研究表明 到 2025 年底，人工智慧可能佔據資料中心近一半的電力 ，其功耗可與比特幣媲美，甚至可能超過比特幣。為了評估這一點，de Vries–Gao 透過「三角測量」方法追蹤了 AI 晶片的供應情況，並研究了產業生產數據、分析師報告和財報電話會議。

他的發現： 人工智慧已經驅動了資料中心約 20% 的電力 ；到年底，需求可能達到 23 千兆瓦，相當於荷蘭甚至英國的電力消耗。

為什麼人工智慧的電力使用如此重要？

三大原因：

電網壓力重重

應對這一激增不僅僅是一個技術問題，更是國家基礎設施的挑戰。在美國，公用事業公司正爭相建造新的天然氣廠或重新考慮核子項目，以滿足人工智慧日益增長的需求。

環境與能源研究所所長丹尼爾·布雷塞特最近談到了這一點，他強調 電網升級的迫切性 在不久的將來「容納新一代資產」。

環境影響

與比特幣全網能源使用情況公開不同，人工智慧的消耗卻不透明。各大科技公司報告稱，與人工智慧相關的能源消耗和排放量不斷增長，但很少進行分解。這就像一個黑盒子，各種預測結果千差萬別，但這種缺乏透明度的情況應該引起我們所有人的注意。

Vries-Gao 在《衛報》上發表的分析估計，人工智慧可以解釋 高達 49% 的資料中心電力 到 2025 年底前停止使用，對缺乏透明度和永續性表示擔憂。 

效率悖論

儘管晶片效率有所提升，例如英偉達的 Grace Blackwell 處理器，但人工智慧的總能耗仍在持續攀升。由於“傑文斯悖論”，效率的提升只會促進使用量的增加。 .

理解數字

讓我們分解一下：

• 2024年：人工智慧將佔資料中心電力消耗的20%左右。
• 2025 年預測：需求可能激增至 23 吉瓦，與整個中小型國家的電力需求相當。
• 比特幣相比：比特幣挖礦使用約 10 GW，因此人工智慧可以將其增加一倍以上。
• 資料中心成長：到 945 年，全球資料中心的用電量可能達到 1,050-2030 TWh，是 2022 年的兩倍。
• 碳成本：光是人工智慧一項，到 82 年就可能消耗高達 2025 TWh 的電力，相當於瑞士的年用電量。

此次激增背後的驅動因素

它怎麼會這麼快就漲到這麼高呢？

「越大越好」的心態

科技巨頭和新創企業之間的競爭催生了大規模的模型擴展和更龐大的神經網絡，而這需要更強大的運算能力。規模的擴張直接導致了能源消耗的指數級增長。

生成式人工智慧的影響

生成工具，例如 ChatGPT 以及其他公司的發展，使得人工智慧無所不在，每天觸發數百萬個耗能龐大的查詢。每個查詢的耗電量遠遠超過典型的谷歌搜尋。

喬安娜·斯特恩 (Joanna Stern) 引述美國能源部最近的一份報告 《華爾街日報》重點報導 到 12 年，此類設施可能占美國電力消耗的 2028%， OpenAI 聲稱每 ChatGPT 查詢。

硬體供應限制

台積電的AI晶片產量翻了一番，但產能卻有限。隨著資料中心爭相運作更多GPU來處理AI工作負載，這一瓶頸不僅推高了晶片價格，也推高了能源消耗。

基礎設施的連鎖反應

這對於基礎設施意味著什麼？

電力基礎設施壓力

北維吉尼亞和矽谷等資料中心豐富的地區正經歷電價飆升、電網容量緊張以及新連接等待時間延長等問題。 

麻省理工學院學者 Elsa Olivetti 和 Adam Zewe 強調，生成性人工智慧的部署會對電力和水系統造成壓力，「你必須讓它們始終處於開啟狀態」。 

再生能源前景存疑

雖然效率和再生能源是解決方案的一部分，但德弗里斯-高警告說：如果沒有具體的衡量標準，我們就有可能低估所需能源的規模或高估清潔能源的跟進能力。

環境和政策影響

可以肯定地說，人工智慧的能源需求並不理想，這給綠色未來帶來了巨大的障礙。

排放軌跡

科技公司的排放量急遽上升： 谷歌的碳足跡自 59 年以來成長了 2019% ，這主要由人工智慧工作負載驅動。正如海倫娜·霍頓在《衛報》報道中指出的那樣，受Gemini等人工智慧系統和 ChatGPT. 

用水考慮

資料中心不僅消耗電力，還消耗大量水資源。例如，培訓 GPT‑3 一次運轉消耗約 700,000 萬公升。

資訊揭露差距

諸如美國《2024年人工智慧環境影響法案》等政策措施正在推動透明度。然而，目前主要的人工智慧公司很少報告其具體的能源數據。

比特幣能源樞紐的教訓

比特幣網路的耗電量曾經一度超過荷蘭。當以太坊過渡到權益證明 (PoS) 時，其能耗下降了 99.9% 以上。人工智慧必須從該路線圖中汲取經驗：結構性改革至關重要，而不僅僅是效率提升。

緩解策略

既然我們了解了障礙，那麼我們該如何消除它們呢？

透明的報告

公司必須披露詳細的人工智慧能源數據，就像比特幣的開源挖掘統計數據一樣，以實現問責並指導改進。

設計效率

模型和硬體創新必須注重永續發展，在能源需求和能力之間取得平衡。 DeepSeek 更有效率的 LLM 就是一個很好的例子。

政策和標準

監管機構應要求進行永續性評估，並為綠色人工智慧營運設定上限或激勵措施，尤其是在敏感地區。

再生規模

主要能源體系必須與人工智慧的發展相符。這意味著擴大再生能源部署、復興核能作為基載能源以及推動電網現代化。

外賣店

人工智慧的快速發展帶來了變革性的潛力，也加劇了能源危機。到2025年，人工智慧的用電量可能超過比特幣，加速排放，對電網帶來壓力，並影響氣候目標。但這並非不可避免。

人工智慧產業要實現永續發展，必須聚焦以下幾個面向：透明度、效率、策略性再生能源以及政策一致性。如此一來，人工智慧就能在不損害地球環境的情況下兌現其承諾。