近期，美国OpenAI公司旗下智能聊天工具ChatGPT刷爆社交媒体，吸引超百亿美元投资，推动了资本市场布局人工智能应用的巨大热潮，风头一时无两。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
微软率先宣布砸100亿美金入股OpenAI，然后亚马逊和美版“今日头条”BuzzFeed宣布将在日常工作中启用ChatGPT，同时，百度也宣布于3月推出“中国版”的ChatGPT聊天机器人。在多家科技公司推波助澜后，ChatGPT瞬间引发全球关注。
数据显示，亚马逊部署的机器人数量正在快速增加，每天增量达到1000个左右。此外，脸书母公司Meta也计划2023年在数据中心上额外投入40亿至50亿美元，预计将全部用于人工智能。IBM首席执行官克里希纳表示，人工智能预料到2030年将为全球经济贡献16万亿美元。
随着ChatGPT的大火，2023年各巨头或将在人工智能领域掀起新一轮鏖战。
然而，当ChatGPT-3预测出现下一个的单词时，就需要进行多次推断计算，因此占用大量的资源，并耗费更多的电力。而为支持云计算、视频流媒体和5G网络的爆炸式增长而扩建的数据中心基础设施，其GPU和CPU架构不能有效地运行以满足迫在眉睫的计算需求，这为超大规模数据中心运营商带来巨大的挑战。
GPT3.5 的训练使用了微软专门建设的AI计算系统，由1万个 V100 GPU 组成的高性能网络集群，总算力消耗约 3640 PF-days (即假如每秒计算一千万亿次，需要计算3640 天)。如此大规模、长时间的 GPU 集群训练任务，对网络互联底座的性能、可靠性、成本等各方面都提出极致要求。
例如，Meta宣布暂停在全球范围内的数据中心扩建，重新配置这些服务器群，以满足人工智能的数据处理需求。
人工智能平台对数据处理的需求是巨大的，ChatGPT的OpenAI创建者在去年11月推出该平台，如果不搭上微软即将升级的Azure云平台的便车，它将无法继续运行。
支持这一数字转型的数据中心基础设施——将像人脑一样被组织成两个半球或叶，一个叶需要比另一个叶强得多。一个半球将服务于所谓的“训练”，处理多达300B个数据点所需的计算能力，以创建ChatGPT生成的单词沙拉。
训练瓣需要强大的计算能力和最先进的GPU半导体，但在支持云计算服务和5G网络的数据中心集群中，目前所需要的连接性很少。
同时，专注于“培训”每个人工智能平台的基础设施将对电力产生巨大的需求，要求将数据中心设置在千兆瓦可再生能源附近，安装新的液体冷却系统，以及重新设计的备用电源和发电机系统，以及其他新的设计特点。
人工智能平台大脑的另一个半球，被称为“推理”模式的更高功能的数字基础设施支持交互式“生成”平台，这些平台在输入问题或指令后的几秒钟内，对查询进行处理，进入建模的数据库，并以令人信服的人类语法作出响应。
虽然如今的超连接数据中心网络，如北美最大的数据中心集群，北弗吉尼亚州的“数据中心”也拥有最广泛的光纤网络，可以适应人工智能大脑“推断”叶的下一级连接需求，但这些设施也需要升级，以满足所需的巨大处理能力，并且它们需要更靠近变电站。
此外，有调研机构数据显示，数据中心已然成为全球最大的能源消费者，占总用电量的比例将从2017年的3%上升到2025年的4.5%。以中国为例，2030年全国运营的数据中心用电量预计将超过4000亿度，占全国总用电量的4%。
因此，即使是数字产品也需要能源来开发和消耗，ChatGPT也不例外，据估计，机器学习工作中推理处理占算力消耗的80-90%，粗略计算，自ChatGPT于2022年11月30日上线以来，碳排放已超过814.61吨。
据专业机构测算，假设托管在微软的Azure云上的ChatGPT每天有100万用户咨询（在特定的响应时间和词汇量下，每天约29,167小时），按A100 GPU的最高功率407W（瓦特）计算，每天碳排放达到3.82吨，每月排碳超过100吨。如今ChatGPT日访问用户超过1000万，实际排碳量要远超每月100吨。除此之外，训练这样一个包含1750 亿参数的语言大模型，需要上万个 CPU/GPU 24 小时不间输入数据，大概消耗1287MWh的电力，二氧化碳排放量超过552吨。
从这些大型语言模型的碳排放来看，ChatGPT前身GPT-3碳排放最大。据悉，美国人平均每年产生16.4吨碳排放，丹麦人平均每年产生11吨碳排放。因此，ChatGPT的模型训练碳排放多于50个丹麦人每年的碳排放。
云计算供应商们也认识到数据中心使用了大量电力，并采取了提高效率的方法措施，例如在北极建设和运营数据中心，以利用可再生能源和自然冷却条件。不过，这还不足以满足AI应用爆炸式增长的需求。
美国劳伦斯伯克利国家实验室在研究中发现，在过去20年，数据中心效率的提高一直在控制能耗的增长，但研究表明，现在的能效措施可能不足以满足未来数据中心的需求。
人工智能产业现在正处于一个关键的转折点。生成式AI、图像识别和数据分析的技术进步揭示了机器学习独特的联系和用途，但首先需要建立一个能够满足这一需求的技术解决方案，因为根据Gartner的预测，除非目前能提供更可持续的选择，否则到2025年，AI消耗的能源将超过人类活动所消耗的能源。
