详细内容或原文请订阅后点击阅览
斯坦福大学的AI能源盲点
Utsav Gupta 认为大学必须跟踪计算研究。后斯坦福大学的人工智能能源盲点首先出现在《斯坦福日报》上。
来源:斯坦福大学日报2023 年 10 月，斯坦福大学发表了一篇关于一个非常不起眼的问题的可持续发展故事：高架数据中心地板下的气流。对校园能耗最高的建筑之一福赛斯大厅的审计发现，设备拥挤导致冷却不均匀。斯坦福大学集成了其控制系统，这一修复预计每年可节省 90,000 多美元。
没有人分享有关数据中心气流的故事，但这个循环——测量、诊断、修复、重复——是斯坦福大学的最佳状态。该大学通过可持续斯坦福数据中心大规模讲述这个故事，跟踪能源和排放方面的进展。斯坦福大学报告称，正如该大学的气候行动计划所述，到 2022 年将实现 100% 可再生电力，并将范围 1 和 2 排放量从峰值水平减少约 80%。
然而，增长最快的学术形式之一——人工智能研究——并没有出现在这个公共故事中。斯坦福大学 2025 年人工智能指数报告的最新估计表明，著名人工智能模型的训练计算量大约每五个月就会增加一倍，而训练前沿人工智能模型所需的功率每年都会增加一倍。人工智能计算是物理、能源密集型基础设施：GPU、存储、网络和冷却。然而，我们很少看到我们的研究计算消耗了多少能源的直接“收据”。如果斯坦福大学想要引领负责任的人工智能，那么下一个自然步骤就是像对待任何其他有足迹的资源一样对待计算：测量、披露和管理它。
当计算成本不可见时，激励措施自然会倾向于那些看得见的东西——更大的模型和更高的基准分数——而效率则退居二线。
然而，整个行业都缺乏这种报告。据我所知，同行机构尚未公开报告人工智能对可持续发展的影响；麻省理工学院、哈佛大学和加州大学伯克利分校似乎也没有发布此类数据。斯坦福大学有机会制定标准，而不是等待标准出现。