【人工智能】AI 悖论：高耗能技术或可加速清洁能源转型

美国联邦能源管理委员会前主席尼尔·查特吉 (Neil Chatterjee) 表示：“我确实认为需要为人工智能的气候问题提供依据。”

人工智能正被用于保护公用事业基础设施、推进可再生能源研究的前沿以及帮助批准清洁能源项目——但与此同时，该技术也威胁着电网负荷的大幅增长。

贝恩公司在 10 月份的一份报告中表示，人工智能驱动的数据中心热潮可能占 2023 年至 2028 年美国电力负荷增长的 44%，并且“要满足需求，公用事业公司到 2028 年将年发电量提高 26%。”

美国联邦能源监管委员会前主席尼尔·查特吉 (Neil Chatterjee) 上周加入了卫星分析公司 AiDash 的顾问委员会，该公司利用人工智能远程监控公用事业基础设施。他说：“近二十年来，我们的电力需求一直处于相对平稳的状态。我不知道政策制定者、监管机构、政客或行业是否已为即将到来的需求激增做好准备。”

Chatterjee 表示，他很自豪能与 AiDash 合作的原因之一是，该公司提供了一个示例，说明人工智能如何“真正推动清洁能源转型并减轻气候变化风险”，通过更好地帮助公用事业公司应对植被管理等风险和挑战，而植被管理每年花费他们 60 亿至 80 亿美元。

他说：“我确实认为需要为人工智能的气候问题提供依据。”

AiDash 联合创始人兼首席执行官 Abhishek Singh 表示，美国拥有约 700 万英里的输电线，“超过 2 亿根电线杆和数十亿棵树”。“随着气候的不断变化，所有这些资产面临的风险都比五年前更大。更重要的是，今天的劳动条件，就我们需要多少人来工作而言——没有足够的人力来更频繁地大规模检查这些资产。”

辛格表示，生成式人工智能的最新突破使得 AiDash 得以发挥作用。2019 年之前，这种类型的人工智能应用“是不可能的”。

与此同时，Chatterjee 表示，人工智能推动的电力需求激增也引发了“许多复杂的问题”，例如数据中心共置问题。

上个月，联邦能源管理委员会否决了一项修改后的互连服务协议，该协议“基本上允许在现有核电站范围内为电表后面的数据中心供电”，Chatterjee 表示。

虽然该交易将为数据中心提供来自无碳基载能源的电力，但“通过将其置于电表后面，在容量受限的情况下，你现在可能会增加纳税人的成本，因此会将更高的成本分摊给更少的纳税人，”他说。“然后，如果这项交易——尽管具有先例——会导致大量其他共置交易的出现，那么你可能会面临资源充足性的挑战。”

Chatterjee 表示：“我认为我们需要最高级别的领导来决定我们采用何种方式来适应人工智能。坦率地说，我认为我以前在联邦能源管理委员会的同事陷入数据中心共置协议的困境是不公平的，因为这是一种双输的局面。”

不过，他表示自己很乐观，因为这个困境最终“归结为一个数学等式”，即既要满足激增的需求，又要保持可靠性和可负担性，而又不能在美国既定的脱碳目标上出现倒退。

“这是可以实现的，”查特吉说。

帮助获得许可、选址和风险评估

联合创始人兼首席执行官詹姆斯·麦克沃尔特 (James McWalter) 表示，当第一个 ChatGPT 模型于 2022 年 11 月问世时，软件平台公司 Paces 才成立六个月左右，正在致力于使用传统人工智能构建许可洞察工具。

“我们实际上能够建立一个初始数据集，但这花费了大量资金和时间，而且很快就过时了，”McWalter 说。“我们无法找到一种适当扩展的方法，以合理的成本为客户提供服务。所以我们实际上完全暂停了该项目，我们并没有真正计划重新开始。”

McWalter 表示，Paces 在 ChatGPT 首次发布后就重返该项目，目前正在使用人工智能工具帮助清洁能源开发商加速他们的项目，为其提供许可、选址、互连和环境风险评估方面的帮助。

该公司能够利用人工智能进行大数据收集和分类任务，以及生成和提交报告。

“我们的观点是，在两年内，几乎所有的桌面分析都应该能够实现高度自动化，”McWalter 说，这样项目开发人员就可以专注于诸如“参加市政厅会议，与公用事业公司建立关系”等任务——所有这些非常非常重要的事情，他们往往没有足够的时间去做。”

9 月，麦克沃尔特参加了白宫主办的圆桌会议，该会议邀请了人工智能公司、超大规模企业和公用事业公司的领导人会面并讨论美国在人工智能基础设施方面的领导地位，并“[考虑]满足清洁能源、许可和劳动力要求的策略”，以满足人工智能的能源需求。

“这类对话肯定在进行中，”他说。“我们会观察新政府是否继续这样做，但能源部和其他政府机构的人员肯定会考虑一些事情。”

Paces 的使命是“尽可能多地建设清洁发电设施，让整个经济摆脱对化石燃料的依赖”，McWalter 说道。“因此，我们目前正在开展的工作之一是让大型负荷中心（如 AI 数据中心）拥有更多选择，例如大型电表后发电设施、共置发电设施等。”

他说：“我们的观点是，除非我们找到办法将可再生能源加入到能源结构中，否则很多大规模数据中心等基本上都会使用大量天然气。”

协助核聚变的发展

根据清洁空气工作组 11 月份的报告，人工智能也是帮助加速核聚变能源商业化研究的新工具之一。

“我很乐观，因为现在有许多技术让核聚变成为可能，而之前核聚变要困难得多，”CATF 全球核聚变总监、论文主要作者 Sehila Gonzales de Vicente 说道。“其中之一就是人工智能。”

冈萨雷斯·德维森特说，在核聚变的许多方面，“人工智能可以发挥真正重要的作用，并改变游戏规则，因为以前我们无法解决这些问题。没有简单的方法可以解决这些问题。”

其中一个问题就是维持聚变反应发生时等离子体的稳定性。等离子体的严重不稳定性或破坏将终止任何聚变反应的发生。

“要了解干扰的性质、了解干扰产生的原因并防止干扰确实非常困难，”冈萨雷斯·德维森特说。“我们采取的方法是减轻干扰，而不是防止干扰。”

麻省理工学院牵头的“多机构合作，利用磁聚变能量开发机器学习应用的融合数据平台”的一个核心方面是 DisruptionPy，根据该论文，这是一个“旨在检索、处理和分析与等离子体破坏相关的数据的开源 Python 库”。DisruptionPy 的一个关键优势是它能够简化数据检索并为 [AI] 应用程序生成大量经过验证的数据集。

“预测这些干扰将在何处发生，这是一项非人性化的任务，”冈萨雷斯·德维森特说。“人类无法回答和解决这个问题。”

她表示，随着人工智能和高性能计算的进步，可以在计算机内部或计算机中完成更优化的建模。“你仍然需要制造机器，但需要制造的机器更少，而且你可以用更好的方式优化参数。”

“人工智能是一种几乎可以应用于所有领域的工具。与生产设计、设计优化、设计测试相关的一切都可以通过计算机实现，”Gonzales de Vicente 说道。“现在，你有可能不必建造任何设备或整个工厂。你可以用计算机进行测试。想象一下，当你建造该设备时，你将节省多少时间和金钱，以及最终实现多少优化。以前，你无法实现这一点。”

冈萨雷斯·德维森特表示，她认为人工智能对所有工业流程和需要高科技设备的场合都很有用，这主要归功于其优化运营的能力。

“在未来五年内，我们将拥有更好的工具。这些工具将得到更好的开发，然后我们将拥有新的工具，”她说。“这就是核聚变的问题。核聚变是一项非常复杂的技术，使用非常难以设计和制造的机器。现在是我们第一次拥有所有这些工具来实现它。”

免责声明：

本文所发布的内容和图片旨在传播行业信息，版权归原作者所有，非商业用途。如有侵权，请与我们联系。所有信息仅供参考和分享，不构成任何投资建议。加密货币市场具有高度风险，投资者应基于自身判断和谨慎评估做出决策。投资有风险，入市需谨慎。

关注我们，一起探索AWM！

2024-12-03

2024-11-17

2024-11-16