日本三菱綜合研究所發表《生成式AI的普及對日本電力需求的影響》報告，估計2040年ICT產業的電力需求為2020年的2~27倍
摘述：
1.隨著生成式AI的發展，各國擔心資料中心和ICT產業的電力需求將大幅增加。日本在擬定「第七次能源基本計畫」時，也將電力需求增長視為關鍵議題。
2.日本三菱綜合研究所(Mitsubishi Research Institute , MRI)於2024年8月發表《生成式AI的普及對日本電力需求的影響》報告中，根據生成式AI在ICT產業和資料中心的應用，以「數據處理量」和「用電效率(每單位用電量能處理的資料量)」估算至2040年的電力需求。
3.資料中心數據處理量取決於生成式AI模型大小，報告將其分為以下3種AI應用情境，結果顯示2040年大型AI模型情境的數據處理量為適材適用情境的14倍、小型AI模型情境的90倍。
(1)大型AI模型情境：優先採用大型AI模型(假設未來會出現數兆至數十兆參數之模型)。
(2)適材適用情境：根據不同用途選擇合適的AI模型。
(3)小型AI模型情境：除了進行複雜處理外，皆優先採用小型AI模型(數百億參數之模型)。
4.ICT產業用電效率取決於半導體技術的進步，尤其是「先進封裝技術」、「光電融合技術」和「AI專用晶片」能夠顯著提升用電效率，降低AI運行時的電力需求。結果顯示在2040年達成先進封裝和光電融合技術的情境下，用電效率將比2020年提高約600倍，若再加上高效率AI專用晶片情境，用電效率將大幅提升。
5.根據以上情境假設組合估算ICT產業的用電量，結果顯示即便AI專用晶片的發展不如預期，透過積極發展光電融合技術，並結合「適材適用」的AI使用模式，仍然能夠有效控制ICT產業的電力需求成長。估計2040年ICT產業的電力需求為2020年的2~27倍。
6.MRI在探討生成式AI的使用情境，依據對大型AI模型的依賴程度從高到低分為資料量爆發情境、適材適用情境、優先節電情境。並提出各情境的應對措施。
(1)資料量爆發情境：增加國內電力供應或將部分生成式AI處理工作移轉到海外資料中心。
(2)適材適用情境：大型AI模型在超大型雲端中運行，並充分利用AI專用晶片、小型AI模型在邊緣運算或終端設備上運行。
(3)優先節電情境：優先考慮使用較省電的小型AI模型，提升小型AI模型的效率，包括開發專用的小型AI模型，以及將大型AI模型壓縮成小型AI模型。
7.若要降低ICT產業的電力需求，除了研發先進半導體技術外，MRI建議日本應追求「適材適用」的AI使用模式，在性能和電力需求間取得平衡，並為日本企業創造新的發展機會、提升國際競爭力。
註1：ICT產業包括資料中心和網路。
註2：「光電融合技術」指結合光學技術與電子技術，可以提高用電效率。
註3：「邊緣雲端」指放置在非核心地區(如東京、大阪)的雲端運算。
參考資料：