“`html
人工智慧 (AI) 的快速發展帶來了前所未有的便利與創新，然而，其背後潛藏的能源消耗問題也日益嚴峻。最新研究預測，到了 2025 年底，AI 的耗電量將超越比特幣挖礦，並占據全球資料中心近一半的用電量。這不僅對能源供應構成巨大壓力，也對環境保護帶來嚴峻挑戰。本文將深入探討 AI 耗電量激增的原因、潛在影響，以及可能的解決方案。
AI 耗電量激增：迫在眉睫的能源危機
AI 模型，尤其是大型語言模型 (LLM)，需要大量的計算資源進行訓練和推理。這些計算密集型任務主要由專用晶片，如 GPU 和 AI 加速器執行，而這些晶片的功耗非常高。訓練一個大型 AI 模型可能需要消耗數百兆瓦時的電力，相當於數百戶家庭一年的用電量。
研究顯示，僅 NVIDIA 和 AMD 在 2023 年至 2024 年生產的 AI 加速器模組，累計熱設計功耗已達 3.8 吉瓦，相當於愛爾蘭全國的年度電力消耗。這凸顯了 AI 硬體對能源的巨大需求。
CoWoS (Chip-on-Wafer-on-Substrate) 是一種先進的封裝技術，能夠將處理器和高頻寬記憶體整合在單一封裝中，解決 AI 加速器面臨的「記憶體牆」問題。然而，CoWoS 的生產也需要大量的能源，台積電 2023 年和 2024 年的 CoWoS 產能大幅增長，進一步推升了 AI 產業的整體耗電量。
其他延伸主題
研究預估，僅 NVIDIA 和 AMD 的 AI 系統在 2025 年的電力需求可達 5.3 吉瓦。若納入其他公司使用台積電 CoWoS 產能製造的設備，總電力需求可能達到 9.4 吉瓦，全年耗電量 46 至 82 兆瓦時，相當於瑞士、奧地利或芬蘭的年度用電量。
隨著 AI 的廣泛應用，資料中心將面臨更大的能源壓力。研究預測，AI 的耗電量將佔全球資料中心總耗電量近一半，這可能會導致資料中心營運成本上升，並增加對環境的影響。
相關實例
中國 DeepSeek 推出的 R1 模型聲稱以較低階硬件和創新軟件達到與 ChatGPT 相當的效能。這顯示透過技術創新，可以降低 AI 計算和能源成本，為未來的 AI 發展提供了一種可行的方向。
優勢和劣勢的影響分析
相關連結：
Share this content:
