核聚变100问(44)：核聚变与AI如何相辅相成？

AI技术与核聚变发展之间存在着日益紧密的关系。核聚变作为一种潜在的清洁能源，其研究和实现过程中存在许多复杂和难以预测的物理现象。AI技术，特别是机器学习和深度学习，已经在帮助科学家更好地理解和控制这些现象方面发挥了重要作用。

插上人工智能的翅膀

磁约束核聚变技术面临高功率等离子体控制和高温超导材料等挑战，但近年来人工智能和机器学习的应用推动了技术进步。PPL团队利用人工智能（AI）提前300毫秒预测了核聚变等离子不稳定态。这一预测能力为科学家们提供了足够的时间来调整约束磁场，以应对等离子体的逃逸。目前这种技术也被部署在DIII-D 和 KSTAR，它们也都实现了等离子体的高约束模式。此项重大突破已经被发表在了《Nature》杂志上，显示了其在学术界的重要性和认可度。

此外，在核聚变科研中的应用正变得日益广泛和深入，从数据分析到模拟预测，再到控制反应过程，AI的技术正在为核聚变研究带来革命性的进展。以下是几个典型应用场景：

1. 数据解析与规律发现：核聚变实验生成的数据量庞大且复杂，AI配合机器学习算法能够有效地处理这些数据，并从中发现模式和规律。AI的这一能力特别有助于分析等离子体的行为，揭示影响其稳定性的关键要素，并为控制等离子体以避免不稳定现象提供策略。
2. 实验预测与过程模拟：AI在理论物理与实验物理之间架起了一座桥梁，利用AI模型对历史实验数据进行学习，可以高效预测核聚变实验的可能结果，从而减少不必要的实验及其相关成本。同时，AI模拟技术为研究人员提供了一个安全的实验预演平台，帮助他们预测实验的潜在结果和可能遇到的问题。
3. 反应堆设计革新：AI的分析和预测能力不仅限于实验数据，它们还参与到核聚变反应堆的设计阶段。运用AI算法，研究人员能够对反应器的内部结构、选用材料和冷却方案等进行优化，提升整个反应堆系统的效率和稳定性。AI在此领域的应用显著加快了设计从概念到实现的步伐。
4. 控制系统智能化：AI在核聚变反应器的控制系统中扮演着至关重要的角色。核聚变过程中，等离子体的温度、压力、密度和磁场等参数需要被精确控制。AI能够实时监测等离子体状态，预测其行为变化，并自动调节相关参数，确保核聚变反应的持续稳定。
5. 故障预防与设备维护：AI通过持续监测核聚变反应器的运行状态，结合数据分析，能够预测潜在的设备故障和性能退化。这种基于AI的预测性维护减少了意外停机时间，从而提升了核聚变反应器的运行安全性和经济效益。

AI耗能几何？

在过去两年中，人工智能（AI）经历了迅猛的发展，其应用领域持续扩大。受到OpenAI推出的ChatGPT模型成功的启发，微软和Alphabet等顶尖科技公司在2023年显著增强了对AI领域的投入。然而，这种迅猛的增长也引发了公众对于AI及其数据中心在电力消耗和潜在环境影响方面的担忧。

Alphabet 董事长曾在2023 年2月表示，与LLM （大语言模型）交互的成本可能是标准关键字搜索的10倍。据报道，标准Google搜索使用需要0.3Wh电力，这意味着每次 LLM 交互的电力消耗约为3Wh。这是什么概念？响应10次的电量，可以支撑一个功率15W的LED灯泡工作2小时；响应100次，可以给智能手机充大约13次电。

假设一天内，ChatGPT平均需要处理约2亿个来自用户的对话请求，这意味着它单日消耗的电量就要超过564MWh（1MWh=1000KWh，564MWh相当于56.4万度电）。以美国每个家庭每日平均耗电量换算，ChatGPT每天需要消耗掉1.7万个美国家庭一天的用电量。

在AI领域，生成式AI如ChatGPT、DALL-E和Sora等工具，通过自然语言处理技术在训练和推理两个阶段创造新内容，这两个阶段都需要大量能源。

训练阶段

AI模型会使用大型数据集进行学习，调整初始参数以使预测结果尽可能接近目标结果。大语言模型（LLM）通常基于TB级别的数据训练，参数量可达175亿个或更多。例如，Hugging Face的BLOOM模型在训练时消耗了433MWh的电力，而GPT-3和Gopher仅在训练阶段就消耗了超过1000MWh的能量。

训练好的模型被用于实际生成结果。SemiAnalysis的数据显示，OpenAI需要3,617台英伟达HGX A100服务器，配备28,936个GPU来支持ChatGPT，这使得每天的能源需求高达564MWh。

德弗里斯指出，如果将生成式人工智能集成到谷歌的每一个搜索中，那么届时谷歌就会大幅增加对电力的需求。

SemiAnalysis估计，在每次谷歌搜索中实施类似 ChatGPT的人工智能将需要51.28万个英伟达A100 HGX服务器，总计410.26万个GPU，如果每台服务器消耗6.5KWh电力，那么每天的电力需求将达到80GWh，年消耗量则为29.2TWh。

New Street Research也进行了估算，认为谷歌需要约40万台服务器，这将导致每天62.4GWh，年消耗量为22.8TWh的电力。

德弗里斯还预测，到2027年，全球因新制造的服务器而增加的AI相关电力消耗可能在85.4到134.0TWh之间，这一数字与荷兰、阿根廷和瑞典等国家的年用电量相当。

核聚变成为AI耗能的唯一希望

国际能源署 (IEA) 预测，由于人工智能和加密货币的发展，全球数据中心的用电量不久后将大幅增加两倍。2023年至2025年全球电力需求增长将加速至年均3%，增长主要来自亚洲地区。该机构表示，2022 年，全球数据中心的用电量约为460TWh，到2026年可能增至620至1050TWh，分别相当于瑞典、德国的年用电量。

根据英国石油公司（BP）发布的“2023年版世界能源统计年鉴”，2022年全年，全球各国、地区的总发电量扩大至291651亿KWh，创新高。但增幅却放缓至2.3%。而据美国Uptime Institute的预测，到2025年，人工智能业务在全球数据中心用电量中的占比将从2%猛增到10%，届时，AI造成电力行业的缺口也会更大。

AI的耗电量在指数增长，而当下的供电量仅为线性增长，核聚变发电成了可供AI消耗的唯一希望。

美国硅谷精英推动了“AI+可控核聚变”的协同发展，如比尔·盖茨投资的CFS公司和奥尔特曼投资的Helion公司都在建设先进的核聚变设施。科技巨头和风险投资也纷纷进入核聚变领域，全球核聚变市场规模不断扩大。美国政府通过多项法案和资金支持，促进了核能和核聚变的发展。美国能源部提出2050年建成2亿KW核电装机容量的目标，并在2030年启动先进核能商业化部署。在政府支持下，美国核工业取得新进展，小型模块化核反应炉设计获得认证，新的核电项目启动建设。美国期望结合人工智能技术，推动可控核聚变发展，形成创新模式并产生战略影响。

参考链接：

• https://mp.weixin.qq.com/s/JbbUBOWkGzDO0XRP4hrDeQ
• https://www.thepaper.cn/newsDetail_forward_26634086
• https://www.ndrc.gov.cn/fggz/gjhz/zywj/202302/t20230223_1349266.html
• https://power.in-en.com/html/power-2433397.shtml
• https://finance.sina.com.cn/esg/2023-10-29/doc-imzsustk1499371.shtml
• https://www.nea.gov.cn/2024-01/19/c_1310761053.htm
• https://www.thepaper.cn/newsDetail_forward_27032901
• https://www.huxiu.com/article/2883002.html
• https://new.qq.com/rain/a/20240414A00Z3100