最近推出的ChatGPT標志著計算史上的一個新時代，復雜的新型人工智能(AI)模型的迅速擴展，推動了計算機功能的界限。對于一些人來說，這為激動人心的新進展打開了大門，這些進展也預示著更美好的未來。對于另一些人來說，警鐘已經敲響，從失業到惡意人工智能對人類生存的威脅，人們對一切都感到擔憂。進一步的擔憂集中在基于人工智能的經濟的基礎設施上，例如新的能源密集型計算方法對環境的影響。雖然評估新興的人工智能計算模型是謹慎的，但分析必須檢查相關的權衡，以確定與人工智能計算革命相關的成本和收益。

計算機時代始于20世紀50年代推出的大型計算機，直到20世紀80年代，大型計算機一直是企業的主流。臺式電腦隨后推出了更小、更便宜、更易于使用的新一代個人電腦。這些新型計算機迅速流行起來，在商業和個人使用的新市場都占據了主導地位。21世紀初，互聯網和云計算為企業和個人提供了一種新的方式，通過在線存儲、在線應用等方式獲得額外的計算能力。當今的人工智能革命建立在加速計算的基礎上——隨著人工智能、機器學習和實時數據分析的快速發展，計算機技術的最新進展正在推動下一代計算能力的發展。

加速計算依賴于被稱為加速器的專用硬件來加速某些任務的執行。圖形處理單元(GPU)等專用硬件與傳統中央處理單元(CPU)協同工作。GPU在圖形處理方面非常高效，在機器學習和其他應用中已經變得至關重要。一系列GPU可以并行使用，大大提高計算能力。GPU與服務器、路由器和數據存儲一起安置在龐大的數據中心中，為傳統計算機所無法企及的計算能力打開了大門。

ChatGPT旋風式的引入向公眾展示了人工智能的新世界和加速計算的力量。然而，這只是人工智能能力的一個暗示，因為計算能力的提高幾乎對經濟的每個行業都有影響。例如，為藥物發現開發的新模型可以減少識別新藥所需的成本和時間，還可以創造更個性化的治療方法。同樣，金融領域由人工智能驅動的變革正在改變銀行業、股票交易和保險業。人工智能可以提高天氣模型的準確性，以改善公共安全，并對農作物產量做出更準確的預測。人工智能的力量也有助于解決重大的政策問題，例如，通過開發更精確的氣候模型。

然而，計算能力的進步并非沒有代價。其是能源密集型的，大型數據中心擁有必要的網絡基礎設施和計算能力。但數據中心對電網提出了新的要求，隨著人工智能被更廣泛地采用，這些要求將會增加。數據中心可以是容納GPU和訓練和運行人工智能模型所需的其他硬件的大型建筑。位于芝加哥的350 East Cermak數據中心占地超過100萬平方英尺，相當于23個足球場大小，而內華達州的Citadel數據中心占地720萬平方英尺，有望成為世界上最大的數據中心。為這些關鍵數據中心供電并不是一個小問題。據估計，數據中心消耗了全國電力的3%。這已經成為一些人的目標，因為其對環境的影響以及給電網管理帶來的挑戰。人工智能的快速采用可能會對電網提出更高的要求，使這些問題成為一個重要的政策問題。

這些問題促使人們呼吁暫停或減緩人工智能的發展。但考慮到全球對人工智能和加速計算的推動，這種選擇是不可行的。其他國家正在追求自己的人工智能模式，雖然美國繼續排名第一，但中國排名第二，并且在自己的人工智能領域取得了重大進展。與此同時，開源人工智能建模正在取得長足的進步，為數據中心和人工智能創造了額外的需求。如果美國要保持全球領先地位，并且計算能力市場要具有競爭力，那么對數據中心的需求將繼續增長，政策制定者必須確保以最有效的方式滿足電力需求。

此外，與運行大型人工智能模型的數據中心相比，更分散的計算活動本身就更環保，但這一點并不明顯。要達到相同的輸出水平和質量，需要在更長的時間內進行更多基于CPU的計算。能夠極大改善社會福利的更快的藥物發現，和更好的氣候模型將被推遲，甚至不可行，從而產生明顯的社會危害。事實上，通過新的人工智能驅動計算，可以改善或挽救大量生命，而減緩或限制人工智能的使用將對社會產生重大影響。

人工智能提高了生產力，從而促進了經濟增長。因此，在檢驗其優點時，正確的計算是在沒有其的情況下實現相同水平的增長和產出的成本：在更加分布式的基于CPU的世界中，提供相同的效益需要多少成本，以及需要多長時間?這是必須評估的相關權衡，并且必須承認暫停人工智能的成本。

下一步

隨著人工智能越來越融入經濟活動，解決電網的需求是政策制定者必須解決的挑戰。同樣，人工智能可以對管理電網產生積極影響，并創建一個更智能、更高效的電網。即使沒有人工智能和數據中心不斷增長的需求，網格管理也一直是一個挑戰。但研究人員表示，重要的是要關注如何利用人工智能來改善電網管理和降低能耗。

接下來有幾個重要的步驟：

首先，確定人工智能如何通過為人工智能驅動的能源存儲系統創造更好的機會、更好地管理電網上的可再生負荷，以及在發電廠更清潔地發電，來增強電網管理。其次，利用人工智能消除工廠和其他建筑的能源浪費以及改善交通管理，從而減少制造業和交通運輸等關鍵部門的能源消耗。最后，優化人工智能，降低深度學習模型的能耗。一項研究表明，經過優化的模型可以將訓練人工智能模型所需的能量減少75%。

加速計算和人工智能的興起為未來帶來了巨大的希望，在經濟增長和社會福利方面帶來了巨大的社會效益。實現這些成果需要一個謹慎的政策框架，可以解決為人工智能模型提供計算能力的數據中心的能源需求問題。政策制定者需要幫助實現人工智能的潛在效益，并找到解決這一重要經濟部門不斷增長的能源需求的方法，而不是暫停。