施耐德电机：2028 年人工智慧用电超越 2021 年冰岛用电

▼

因市场人工智慧需求庞大，法国重电大厂施耐德电机 (Schneider Electric) 估计，2023 年人工智慧用电计约 4.3GW，略低于赛普勒斯 2021 年用电 4.7GW，人工智慧用电将以 26%~36% 复合年增长率 (CAGR) 成长，到 2028 年人工智慧用电将从 13.5GW 增至 20GW，比冰岛 2021 年用电还多。

施耐德电气表示，2023 年全球所有资料中心用电达 54GW，人工智慧用电达 4.3GW。训练和推理分配为 20% 功耗训练，80% 推理，代表人工智慧用电占今年资料中心总用电约 8%。

展望 2028 年，施耐德预估资料中心总用电增至 90GW，人工智慧用电达 13.5GW~20GW。到 2028 年，人工智慧可能消耗资料中心总用电量 15%~20%，人工智慧用电比例五年内显着增加，且训练和推理比例略变，训练 15%，推理 85%。

人工智慧功耗占资料中心用电比例不断提升，因人工智慧用电加剧、人工智慧 GPU 和 CPU 效能进步，以及资料中心硬件要求不断提高。 Nvidia 2020 年 A100 功耗达 400W，2022 年 H100 功耗达 700W。除了 GPU，AI 服务器还有 CPU 和网卡也会耗电。

人工智慧训练相关都需大量运算资源，GPU、专用 ASIC 或 CPU 服务器等。人工智慧丛集规模受模型复杂性和规模影响，也是用电量决定因素。越大人工智慧模型需要更多 GPU，增加用电需求。有 22,000 个 H100 GPU 的丛集用到约 700 个机架，基于 H100 的机架可安装 8 套 HPE Cray X670 GPU 加速服务器，机架总用电量为 80kW。施耐德电气指整个丛集就需约 31MW 电力，还不包括冷却等基础设施功耗。

这些丛集和 GPU 训练时通常满载执行，加上网络传输功耗也有关键作用，复杂网络基础设施对支援分散式训练高速数据传输至关重要，加剧人工智慧资料中心用电。

人工智慧运行需高耗电 ASIC、GPU、CPU、网卡和 SSD，散热系统也是重大挑战。有效冷却解决方案对保持最佳性能，并防止硬件故障或失效都为关键，但液冷太贵，使资料中心用电需求增加。

施耐德电气预估，资料中心人工智慧硬件用电不会降太快，机架功耗达 100kW 或更高，建议从传统 120V / 208V 过渡到 240V / 415V，以适应人工智慧负载高功率密度。冷却系统强烈建议从空冷转向液冷，以提高处理器可靠性和能源效率，因应发展需求。

(首图来源：Pixabay)

▼

   特别声明    本页内容仅供参考，版权终归原著者所有，若有侵权，请联系我们删除。