다가오는 탄소 시한폭탄에 맞서 치열한 경쟁을 벌이는 거대 기술 기업들은 전 세계적으로 뻗어나가는 데이터 센터가 환경에 미치는 영향을 해결하기 위해 고군분투하고 있습니다. 오늘날의 디지털 인프라를 구동하는 데 필수적인 이러한 데이터 센터는 특히 인공 지능(AI)에 대한 수요가 계속해서 급증함에 따라 탐욕스러운 에너지 소비자로 등장했습니다. 

AI가 점점 다양한 산업에 통합되면서 데이터 센터의 에너지 수요가 폭발적으로 증가하고 있습니다. 따라서 대규모 환경 발자국을 완화하기 위한 긴급 조치가 필요합니다.

AI의 에너지 욕구: 데이터 센터 배출 방출 

2010년부터 2018년 사이에 추정치가 있었습니다. 550의 % 증가 데이터 센터 워크로드 및 컴퓨팅 인스턴스 수가 전 세계적으로 증가했습니다.

데이터 센터와 전송 네트워크는 공동으로 최대 1.5% 글로벌 에너지 소비량. 그들은 브라질의 연간 생산량과 맞먹는 양의 이산화탄소를 배출합니다. 

다음과 같은 하이퍼스케일러 구글, Microsoft및 아마존 운영을 탈탄소화하는 것을 목표로 하는 야심찬 기후 목표를 약속했습니다. 하이퍼스케일러는 대규모의 고도로 최적화된 효율적인 시설입니다. 

그러나 AI의 확산은 이러한 목표에 큰 도전을 제기합니다. AI 모델 훈련에 필수적인 GPU(그래픽 처리 장치)의 에너지 집약적 특성으로 인해 에너지 자원에 대한 부담이 가중됩니다. 

이에 따르면 국제 에너지기구 (IEA)에 따르면, 단일 AI 모델을 훈련하는 데에는 연간 100가구보다 더 많은 전력이 소비됩니다.

다른 소스에 따르면 AI 훈련에 필요한 컴퓨팅 성능의 양은 6개월마다 두 배로 증가합니다. 20년 전에는 아래 차트에서 볼 수 있듯이 이러한 일이 XNUMX개월마다 발생했습니다. 

더욱 놀라운 것은 불과 10년 만에 AI 모델 개발에 사용되는 컴퓨팅 성능이 무려 XNUMX억 배나 증가했다는 것입니다. 그리고 그것은 느려지지 않을 것입니다.

업계 추정에 따르면 전력 사용량은 최대 13% 2030년까지 전 세계 탄소 배출량의 비중은 6% 같은 해에.

AI의 비용: 성능과 발전의 균형

AI 기반 컴퓨팅으로 인한 기후 위험은 심각합니다. 엔비디아 CEO Jensen Huang은 AI의 중요한 에너지 요구 사항을 강조합니다. Jensen은 확장되는 AI 생태계를 수용하기 위해 5년 이내에 데이터 센터 비용이 두 배로 늘어날 것으로 예상했습니다.

예를 들어, 3B 매개변수를 자랑하는 GPT-175, 잠재적으로 GPT-4와 같은 고급 AI 모델을 교육하는 데 드는 컴퓨팅 비용은 예상대로 상당합니다. GPT-3의 최종 훈련 비용은 500,000만 달러에서 4.6만 달러로 추정됩니다. 

GPT-4 교육에는 약 50천만 달러의 비용이 발생할 수 있습니다. 그러나 최종 훈련 실행 전 시행착오에 필요한 컴퓨팅을 고려하면 전체 교육 비용은 100억 달러를 초과할 가능성이 높습니다..

평균적으로 대규모 AI 모델은 약 SR 100x 다른 최신 AI 모델보다 더 많은 컴퓨팅 리소스를 제공합니다. 모델 크기 증가 추세가 현재 속도로 계속된다면 일부에서는 2037년까지 컴퓨팅 비용이 미국의 전체 GDP를 초과할 것으로 예상합니다.

컴퓨터 과학자 Kate Saenko에 따르면 GPT-3의 개발은 CO550의 2 톤 그리고 소비되었다 1,287 MW 몇 시간의 전기. 즉, 이러한 배출량은 단일 개인이 배출하는 것과 동일합니다. 550 뉴욕과 샌프란시스코 간 왕복 항공편.

이러한 수치가 AI 개발 또는 사용 준비와 직접적으로 관련된 배출량을 설명한다는 점은 말할 것도 없습니다. 다른 배출원은 포함되지 않습니다. 

데이터 센터 탄소 배출량을 줄이기 위한 솔루션 

데이터 센터 배출을 완화하기 위해 업계 플레이어는 투자를 포함한 다양한 전략을 추구해 왔습니다. 재생 에너지 그리고 탄소 크레딧. 

이러한 이니셔티브는 어느 정도 진전을 이루었지만 AI 채택이 확대되면서 의미 있는 배출량 감소를 달성하기 위한 추가 조치가 필요합니다.

Google의 로드 이동 전략은 이러한 문제를 해결하기 위한 유망한 접근 방식의 예입니다. 이는 데이터 센터 운영을 재생 가능 에너지 가용성과 시간 단위로 동기화합니다.

Google은 정교한 소프트웨어 알고리즘을 배포하여 그리드에서 잉여 태양광 및 풍력 에너지가 있는 지역을 식별하고 해당 지역의 데이터 센터 운영을 전략적으로 늘립니다. 

• 접근 방식의 논리는 간단합니다. 데이터 센터의 작동 방식을 바꿔서 배출량을 줄이는 것입니다. 

또한 거대 기술 기업은 특정 데이터 센터의 전력 소비를 시간당 제로 탄소 소스와 일치시키는 최초의 이니셔티브를 시작했습니다. 목표는 연중무휴 24시간 청정 에너지로 기계에 전력을 공급하는 것입니다.

Google의 연중무휴 64시간 운영을 주도하고 있는 Michael Terrell에 따르면 Google의 데이터 센터는 약 13%의 시간 동안 무탄소 에너지로 운영되며, 85개 지역 사이트에서 무탄소 에너지 의존도가 90%를 달성하고 전 세계 24개 사이트가 7%를 넘어섰습니다. 무탄소 에너지 전략.

Cirrus Nexus는 글로벌 전력망을 적극적으로 모니터링하여 재생 에너지가 풍부한 지역을 식별합니다. 그런 다음 컴퓨팅 부하를 전략적으로 할당하여 탄소 배출을 최소화합니다. 재생 가능 에너지원을 활용하고 데이터 센터 운영을 최적화함으로써 탄소 배출량이 크게 감소했습니다. 

회사는 일부 워크로드와 클라이언트의 컴퓨팅 배출량을 34% 줄일 수 있었습니다. Amazon, Microsoft, Google에서 제공하는 클라우드 서비스를 사용합니다. 

AI가 주도하는 에너지 위기 탐색

최근 몇 년 동안 Google과 Amazon은 모두 데이터 센터 사용 패턴을 조정하는 실험을 해왔습니다. 그들은 내부 운영과 클라우드 서비스를 사용하는 클라이언트 모두를 위해 이를 수행합니다. 

Nvidia는 AI가 주도하는 전력 위기에 대한 또 다른 솔루션인 그린 컴퓨팅 가속화 분석 기술을 제공합니다. 컴퓨팅 비용과 탄소 배출량을 최대 80%까지 줄일 수 있습니다. 

부하 이동을 구현하려면 잠재적인 그리드 중단을 완화하기 위해 데이터 센터 운영자, 유틸리티 및 그리드 운영자 간의 협력이 필요합니다. 그럼에도 불구하고 이 전략은 데이터 센터 산업 내에서 지속 가능성 목표를 발전시키는 데 엄청난 가능성을 갖고 있습니다.

AI에 대한 수요가 급증함에 따라 데이터 센터의 에너지 요구 사항을 해결하는 것이 탄소 배출을 완화하는 데 가장 중요합니다. 부하 이동과 같은 혁신적인 전략은 점점 더 AI가 주도하는 환경에서 데이터 센터 운영의 신뢰성과 효율성을 보장하는 동시에 탄소 중립을 달성하기 위한 경로를 제공합니다.

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
• PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
• PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
• 출처: https://carboncredits.com/carbon-countdown-ais-10-billion-rise-in-power-use-explodes-data-center-emission/