ข้อตกลงล่าสุดของ Google ที่จะหยุดการทำงานของ AI ชั่วคราวในช่วงที่ระบบไฟฟ้าเกิดความเครียดได้จุดประกายการอภิปรายในวงกว้างเกี่ยวกับความต้องการพลังงานของปัญญาประดิษฐ์และผลกระทบต่อโครงสร้างพื้นฐานด้านไฟฟ้า แม้ว่าบริษัทจะนำเสนอเรื่องนี้ในฐานะการดูแลองค์กรที่มีความรับผิดชอบ แต่ชุมชนเทคโนโลยีกำลังตั้งคำถามที่ลึกซึ้งยิ่งขึ้นเกี่ยวกับความยั่งยืนและต้นทุนที่แท้จริงของการเติบโตของ AI
พลังงานครอบงำเศรษฐศาสตร์การฝึกฝน AI ในปัจจุบัน
การเปลี่ยนแปลงที่สำคัญได้เกิดขึ้นในเศรษฐศาสตร์ของ AI โดยต้นทุนพลังงานในปัจจุบันเท่ากับหรือเกินกว่าค่าเสื่อมราคาของฮาร์ดแวร์ในค่าใช้จ่ายการฝึกฝน สิ่งนี้แสดงถึงการเปลี่ยนแปลงพื้นฐานจากการพัฒนา AI ในช่วงก่อนหน้านี้ที่ชิปราคาแพงเป็นตัวขับเคลื่อนต้นทุนหลัก ชุมชนสังเกตว่า Google ได้เผยแพร่งานวิจัยที่แสดงให้เห็นว่าต้นทุนการฝึกฝนมีค่าเท่ากับการใช้พลังงานโดยประมาณ ซึ่งเป็นการเริ่มต้นยุคใหม่ที่ค่าไฟฟ้าสามารถเทียบเท่ากับการลงทุนในอุปกรณ์
การลงทุนโครงสร้างพื้นฐาน AI ของ Google (2025)
- การใช้จ่ายเซิร์ฟเวอร์: 14 พันล้าน USD ใน 91 วัน
- การใช้จ่ายประจำปีที่คาดการณ์: 85 พันล้าน USD ภายในสิ้นปี
- พันธมิตรด้านพลังงาน: Indiana Michigan Power ( I&M ) และ Tennessee Valley Authority ( TVA )
โปรแกรมการตอบสนองความต้องการขยายไปนอกเหนืออุตสาหกรรมแบบดั้งเดิม
การปฏิบัติในการลดการใช้พลังงานในช่วงที่มีความต้องการสูงสุด ซึ่งเรียกว่าการตอบสนองความต้องการ กำลังกลายเป็นมาตรฐานสำหรับศูนย์ข้อมูล สิ่งนี้ไม่ได้เป็นเอกลักษณ์เฉพาะของบริษัท AI - ข้อตกลงที่คล้ายกันมีอยู่ในหลายอุตสาหกรรม ตั้งแต่การลดการใช้ไฟฟ้าในอุตสาหกรรมของ Quebec ในช่วงฤดูหนาวไปจนถึงโปรแกรมที่อยู่อาศัยที่เสนออัตราส่วนลดสำหรับเครื่องปรับอากาศที่ควบคุมโดยสาธารณูปโภค อย่างไรก็ตาม ภาระงานของ AI นำเสนอความท้าทายที่เป็นเอกลักษณ์เนื่องจากการดำเนินงานบางอย่างเช่นการค้นหาและบริการคลาวด์ไม่สามารถหยุดชั่วคราวได้โดยไม่รบกวนผู้ใช้
ลักษณะการใช้พลังงานของ AI
- ภาระงานการฝึกโมเดล: ใช้พลังงานหลายสิบถึงหลายร้อยเมกะวัตต์เป็นเวลาหลายชั่วโมง/วัน/สัปดาห์
- ความเข้ากันได้กับโปรแกรมตอบสนองความต้องการ: จำกัดเฉพาะภาระงานที่ไม่จำเป็นเท่านั้น
- บริการที่เข้ากันไม่ได้: Search , Maps , การดำเนินธุรกิจ Cloud
- การใช้งานปัจจุบัน: มีเพียงไม่กี่ศูนย์ข้อมูลของ Google ที่ใช้โปรแกรมตอบสนองความต้องการ
การฝึกฝนเทียบกับการอนุมานสร้างความท้าทายที่แตกต่างกันต่อระบบไฟฟ้า
แม้ว่าการฝึกฝนโมเดล AI สามารถจัดตารางเวลาในช่วงนอกเวลาเร่งด่วนและย้ายไปยังสถานที่ที่มีพลังงานส่วนเกินได้ แต่การดำเนินการอนุมานนำเสนอปัญหาที่ซับซ้อนกว่า งานวิจัยล่าสุดชี้ให้เห็นว่าการอนุมานมากกว่าการฝึกฝน เป็นสิ่งที่สร้างภาระพลังงานที่ยากต่อการจัดการซึ่งทำให้ระบบไฟฟ้าเครียด ไม่เหมือนกับการฝึกฝนที่สามารถหยุดและเริ่มต้นใหม่ได้ การอนุมานต้องตอบสนองต่อความต้องการของผู้ใช้แบบเรียลไทม์ ทำให้มีความยืดหยุ่นน้อยกว่าสำหรับการจัดการระบบไฟฟ้า
การลงทุนพลังงานทางเลือก
- แหล่งพลังงาน: ความร้อนใต้พิภพ, พลังงานแสงอาทิตย์, พลังงานลม, พลังงานน้ำ, พลังงานนิวเคลียร์
- แผนพลังงานนิวเคลียร์: เครื่องปฏิกรณ์นิวเคลียร์โมดูลาร์ขนาดเล็ก (รอความพร้อมใช้งาน)
- ความร่วมมือ: ข้อตกลงกับ Elementl Power สำหรับสถานที่ตั้งเครื่องปฏิกรณ์ที่มีศักยภาพ 3 แห่งในสหรัฐอเมริกา
ผลกระทบทางภูมิศาสตร์และกฎระเบียบ
ชุมชนแสดงความกังวลเกี่ยวกับความเร็วในการเพิ่มขึ้นของการใช้ไฟฟ้าก่อนที่จะบรรลุเป้าหมายการลดคาร์บอน ลักษณะโลกาภิวัตน์ของบริษัทเทคโนโลยีช่วยให้พวกเขาสามารถเลือกซื้อสถานที่ตั้งศูนย์ข้อมูลได้อย่างค่อนข้างเสรี ซึ่งอาจเป็นการเปลี่ยนต้นทุนด้านสิ่งแวดล้อมไปยังภูมิภาคที่มีกฎระเบียบที่เข้มงวดน้อยกว่า สิ่งนี้สร้างพลวัตที่ท้าทายซึ่งประโยชน์ของบริการ AI สามารถเพลิดเพลินได้ในที่หนึ่งในขณะที่ผลกระทบด้านสิ่งแวดล้อมถูกส่งออกไปยังที่อื่น
แผนที่เป็นไปได้ใด ๆ ที่จัดทำขึ้นเมื่อ 5 ปีที่แล้วซึ่งอาจได้ผลในการเปลี่ยนผ่านอุตสาหกรรมขนาดใหญ่จากแหล่งพลังงานที่เผาไหม้เชื้อเพลิงไปสู่การผลิตไฟฟ้า กลายเป็นเรื่องยากขึ้น 10 เท่าด้วยการแนะนำการขยายตัวอย่างรวดเร็วในกำลังการผลิตของศูนย์ข้อมูลนี้
การอภิปรายเผยให้เห็นอุตสาหกรรมเทคโนโลยีที่กำลังต่อสู้กับผลที่ตามมาที่ไม่ได้ตั้งใจของการเติบโตอย่างรวดเร็วของ AI ขณะที่บริษัทต่าง ๆ ลงทุนหลายพันล้านในโครงสร้างพื้นฐาน - เพียงแค่ Google เองก็ใช้จ่าย 14 พันล้านดอลลาร์สหรัฐในเซิร์ฟเวอร์ในเวลาเพียง 91 วัน - ความต้องการพลังงานกำลังปรับรูปแบบทั้งกลยุทธ์ขององค์กรและการอภิปรายนโยบายสาธารณะเกี่ยวกับการพัฒนาเทคโนโลยีที่ยั่งยืน
อ้างอิง: Google agrees to pause Al workloads to protect the grid when power demand spikes