作者：美国TSC应用工程总监Kevin Parmenter

根据《财富》商业洞察，2024年全球人工智能（AI）市场规模为2334.6亿美元，预计将从2025年的2941.6亿美元增长到2032年的11771.62亿美元，复合年增长率为29.2%。
随着人工智能系统的复杂性和规模的增长，它们的能源需求也在增长。深度学习算法是许多人工智能应用的核心，需要大量的数据处理，通常在高性能计算（HPC）系统上执行。一些研究表明，我们正在研究数据中心的功率密度和功耗的三倍。
作为电力电子工程师，我们面临的挑战是满足大规模计算系统日益增长的电力输送和电力效率要求。但是，我们如何适应人工智能系统功率要求的新演变？正如我在过去的专栏中所说，这是一个支持问题。我们需要使人工智能在目标应用中可行。
例如，由于数据中心的成本受到其巨大能源需求的影响，因此增加的功耗转化为显著的节省。除了简化操作外，使用更少的能源意味着更少的冷却系统。此外，能效具有减少数据中心对化石燃料依赖的环境效益。
其他能效解决方案正在通过硬件设计的进步来实现，例如开发专门为人工智能工作负载量身定制的节能处理器和加速器。例如，英伟达和英特尔等公司正在投资节能GPU和神经处理单元（NPU），以提高人工智能计算的效率。我们还可以借鉴电力电子领域已经使用的技术，例如用于交通电气化、替代能源电力转换、WBG半导体材料和创新封装的技术。
此外，通过创新人工智能应用程序的硬件和软件组件，开发人员可以显著减少其环境足迹。在负载方面，工程师正在优化软件算法以降低能耗，而研究人员则不断开发需要更少计算资源的新算法。模型压缩、量化和稀疏神经网络等技术使人工智能系统能够以较低的能耗实现相当的性能。
此外，边缘计算为降低能耗提供了机会。智能手机、物联网传感器和边缘服务器等边缘设备可以在本地执行人工智能计算，而不是仅仅依赖于集中式数据中心，从而最大限度地减少了数据传输的需求。Edge AI支持实时推理和决策，使其成为需要低延迟和隐私保护计算的应用程序的理想选择。
总之，为人工智能提供动力在能源消耗和环境可持续性方面带来了重大挑战。然而，硬件设计、软件优化、可再生能源采用和边缘计算的进步提供了真正的解决方案。通过在这些领域进行创新和合作，我们可以利用人工智能的变革潜力，同时最大限度地减少其生态足迹。
 

 https://www.powersystemsdesignchina.com/