人工智能革命正在如火如荼地进行中。最近大型语言模型（LLM）的出现以及它们在聊天机器人、编码和 专业功能中的应用，用户采用率飙升，预计到2025年末，ChatGPT将达到每周8亿用户。个人和专业环境 中对使用人工智能的需求，以及对人工智能能力不断提升的希望，导致了风险投资的爆炸性增长，并重新 调整各行业的研究方向，朝向人工智能发展。为了满足运行人工智能模型所需的计算能力，全球的数据中 心容量正在迅速扩张。 这些模型所展示的人工智能能力带来了对自然资源的严重成本：在处理器中使用稀土金属，使用淡水为数 据中心降温，以及最重要的，能源使用－一首先是为训练人工智能模型而使用的能源，其次是为最终用户服 务所需的能源。能源使用直接转化为通过电力成本产生的运营费用。这意味着人工智能模型的能源使用会 直接影响人工智能部署的能力、可行性和盈利能力。 例如，支撑原始ChatGPT的模型GPT-3.5在训练过程中消耗了约1 GWh的能源，相当于一个普通美国家庭1 20年中的能源使用。此外，为服务人工智能模型所需的能源量也很可观：每天有25亿个查询，且每个查询 的最低能耗为0.3Wh，ChatGPT估计每年消耗约275GWh的电能。这些数字随着未来人工智能模型的能 力和数量的增加而只会上升。对此预期的增长需求，全球计划扩展数据中心容量；如今，全球已有超过11,0 00个数据中心。