"Gröngörande" AI: En brådskande uppgift för Sydostasien.

Med snabb tillväxt inom e-handel, fintech och AI bevittnar Sydostasien en kraftig ökning av elefterfrågan – särskilt från datacenter.

Smartare teknikdesign för artificiell intelligens (AI), i kombination med grön datainfrastruktur, kan hjälpa Sydostasien att förverkliga sina digitala ambitioner utan att kompromissa med sina mål för energiomställningen.

Sydostasiens digitala ekonomi blomstrar. Med snabb tillväxt inom e-handel, fintech och AI-tjänster ser regionen en kraftig ökning av elbehovet – särskilt från datacenter.

Dessa anläggningar är i drift dygnet runt och kräver kylsystem med hög kapacitet, vilket skapar en konstant driftsbelastning på det nationella elnätet.

Globalt förbrukade datacenter cirka 415 TWh el år 2024 – mer än Indonesiens totala förbrukning.

År 2030 förväntas elförbrukningen i dessa center överstiga Japans nuvarande förbrukning.

Även om majoriteten av den globala datacenterexpansionen sker i USA, Kina och Europa, kommer Sydostasien snabbt ikapp, och efterfrågan i regionen förväntas mer än fördubblas fram till 2030.

Nationella uppskattningar har visat på betydande utmaningar för elnätet. I Malaysia kan elbehovet från datacenter öka sjufaldigt fram till 2030 och nå cirka 30 % av landets totala förbrukning.

I Indonesien förväntas efterfrågan öka nästan fyrfaldigt, medan den i Filippinerna kan öka mer än 18 gånger.

Den ökade efterfrågan från datacenter riskerar också att konkurrera om el och vatten med bostadsområden och samhällen – särskilt i områden med begränsade elnät och vattenförsörjning – vilket väcker bredare oro kring sociala frågor och jämlikhetsfrågor.

Om denna växande efterfrågan främst möts av elnät som är starkt beroende av fossila bränslen riskerar det att bromsa – eller till och med spåra ur – regionens omställning till ren energi.

Från och med 2022 levererade fossila bränslen, ledda av kol, fortfarande mer än 70 % av Sydostasiens elektricitet, trots den pågående expansionen av förnybar energi.

I detta sammanhang ligger en avgörande del av lösningen i att förbättra hårdvaran, särskilt genom utveckling av "gröna datacenter".

Dessa anläggningar använder avancerad teknik som högeffektiva kylsystem, återvinning av spillvärme, flytt av arbetsbelastning till lågtrafik och integrering av förnybar energi.

Med dessa förbättringar kan datacenter bli mycket mer energieffektiva, och ännu viktigare, de kan fungera som hävstänger för att påskynda utbyggnaden av ren energi.

Sydostasiatiska nationer har rört sig i denna riktning. Singapores Green Data Center Roadmap 2024 sätter ledande standarder för energieffektivitet och erbjuder incitament för användning av förnybar energi. Malaysia förbereder sig för att lansera ett ramverk för hållbara datacenter i slutet av 2025.

Förutom hårdvaruförbättringar kan andra kraftfulla hävstångsfunktioner utnyttjas på mjukvarunivå.

Illustrativ bild. (Källa: VNU)

En lösning är att designa smartare, mer strömlinjeformad AI genom att bygga applikationer som ger liknande resultat men med mindre beräkningskraft, vilket minskar behovet av både infrastruktur och energi.

I praktiken kan detta uppnås genom att distribuera mindre, uppgiftsspecifika AI-modeller istället för skrymmande, generella modeller; använda mindre men högre kvalitetsdatamängder under modellträning; tillämpa modellkomprimeringstekniker som beskärning och kvantisering för att minska beräkningsbelastningen; och använda effektivare algoritmer för både träning och inferens.

Dessa åtgärder har betydande potential för att förbättra programvarueffektiviteten och minska energianvändningen. Till exempel säger Google att deras Gemini-modell, som kombinerar effektivare programvaruarkitekturer och algoritmer med hårdvaruförbättringar, förbrukar betydligt mindre energi än många tidigare offentliga uppskattningar.

Dessutom är det också mycket viktigt att skapa en stödjande miljö.

I många år belönades AI-utvecklare – från ingenjörer som byggde grundläggande modeller till appskapare – vanligtvis baserat på noggrannhet, hastighet och funktionalitet, snarare än energieffektivitet.

Detta börjar förändras i takt med att stigande beräknings- och tokenkostnader tvingar fram effektivitet i diskussionen, men de flesta ansträngningar förblir till stor del spontana.

Utan en tydlig policysignal för att integrera energieffektivitet i utvecklingen av AI-applikationer kan framstegen stanna av, och energiintensiv programvara kan få övertaget om energikostnaderna minskar eller prioriteringar ändras.

Det är här regeringar och företag kan samarbeta. Istället för att direkt reglera AI-design kan beslutsfattare skapa en gynnsam miljö genom att främja rapporteringsstandarder för AI-applikationers energianvändning.

Företag kan för sin del samarbeta genom att dela data, testa lättviktsapplikationer och presentera bästa praxis inom algoritmoptimering.

Myndigheter bör också överväga att prioritera väsentliga samhällsbehov framför icke-nödvändiga användningar, och säkerställa att nätet fortsätter att tjäna samhällets bredare intressen i takt med att AI-behoven ökar.

(VNA/Vietnam+)

Källa: https://www.vietnamplus.vn/xanh-hoa-ai-nhiem-vu-cap-bach-cho-dong-nam-a-post1061088.vnp