施耐德電機：2028 年人工智慧用電超越 2021 年冰島用電

因市場人工智慧需求龐大，法國重電大廠施耐德電機 (Schneider Electric) 估計，2023 年人工智慧用電計約 4.3GW，略低於賽普勒斯 2021 年用電 4.7GW，人工智慧用電將以 26%~36% 複合年增長率 (CAGR) 成長，到 2028 年人工智慧用電將從 13.5GW 增至 20GW，比冰島 2021 年用電還多。

施耐德電氣表示，2023 年全球所有資料中心用電達 54GW，人工智慧用電達 4.3GW。訓練和推理分配為 20% 功耗訓練，80% 推理，代表人工智慧用電占今年資料中心總用電約 8%。

展望 2028 年，施耐德預估資料中心總用電增至 90GW，人工智慧用電達 13.5GW~20GW。到 2028 年，人工智慧可能消耗資料中心總用電量 15%~20%，人工智慧用電比例五年內顯著增加，且訓練和推理比例略變，訓練 15%，推理 85%。

人工智慧功耗佔資料中心用電比例不斷提升，因人工智慧用電加劇、人工智慧 GPU 和 CPU 效能進步，以及資料中心硬體要求不斷提高。 Nvidia 2020 年 A100 功耗達 400W，2022 年 H100 功耗達 700W。除了 GPU，AI 伺服器還有 CPU 和網卡也會耗電。

人工智慧訓練相關都需大量運算資源，GPU、專用 ASIC 或 CPU 伺服器等。人工智慧叢集規模受模型複雜性和規模影響，也是用電量決定因素。越大人工智慧模型需要更多 GPU，增加用電需求。有 22,000 個 H100 GPU 的叢集用到約 700 個機架，基於 H100 的機架可安裝 8 套 HPE Cray XD670 GPU 加速伺服器，機架總用電量為 80kW。施耐德電氣指整個叢集就需約 31MW 電力，還不包括冷卻等基礎設施功耗。

這些叢集和 GPU 訓練時通常滿載執行，加上網路傳輸功耗也有關鍵作用，複雜網路基礎設施對支援分散式訓練高速數據傳輸至關重要，加劇人工智慧資料中心用電。

人工智慧運行需高耗電 ASIC、GPU、CPU、網卡和 SSD，散熱系統也是重大挑戰。有效冷卻解決方案對保持最佳性能，並防止硬體故障或失效都為關鍵，但液冷太貴，使資料中心用電需求增加。

施耐德電氣預估，資料中心人工智慧硬體用電不會降太快，機架功耗達 100kW 或更高，建議從傳統 120V / 208V 過渡到 240V / 415V，以適應人工智慧負載高功率密度。冷卻系統強烈建議從空冷轉向液冷，以提高處理器可靠性和能源效率，因應發展需求。

(首圖來源：Pixabay)