人工智慧正快速消耗大量電力。根據國際能源總署數據，2024年AI系統與資料中心用電約達415兆瓦時，占美國總發電量逾10%，且預計到2030年需求將翻倍。隨著能源壓力升高，研究人員提出一種全新AI架構，有望將能耗降低至原本的1%，同時提升任務表現。
人工智慧正快速消耗大量電力。根據國際能源總署數據，2024年AI系統與資料中心用電約達415兆瓦時，占美國總發電量逾10%，且預計到2030年需求將翻倍。隨著能源壓力升高，研究人員提出一種全新AI架構，有望將能耗降低至原本的1%，同時提升任務表現。
這項研究來自Matthias Scheutz領導的工程學院實驗室，團隊開發所謂「神經符號AI」（neuro-symbolic AI），結合傳統神經網路與符號推理。此方法模擬人類解決問題的方式，透過步驟拆解與分類進行判斷。相關成果將於5月在維也納舉行的國際機器人與自動化會議發表。
不同於ChatGPT或Gemini等大型語言模型，研究團隊聚焦於機器人應用的視覺—語言—行動模型（VLA）。這類系統可整合影像與語言資訊，並轉化為實際動作，例如控制機器手臂或移動裝置完成任務。
更多科技工作請上科技專區：https://techplus.1111.com.tw/
傳統VLA系統高度依賴大量數據與反覆試錯。例如在堆疊積木時，系統需辨識物體並嘗試不同擺放方式，但容易因陰影或誤判導致失敗。類似問題也出現在語言模型中，例如生成錯誤資訊或不合理影像。
神經符號AI則透過規則與抽象概念（如形狀與平衡）進行推理，大幅減少試錯過程。研究指出，該模型在經典「河內塔」測試中成功率達95%，遠高於傳統系統的34%；在未見過的複雜任務中仍有78%成功率，而傳統模型則完全失敗。
訓練效率也顯著提升。新系統僅需34分鐘即可完成學習，傳統模型則需超過36小時。同時，訓練能耗僅為傳統方法的1%，運行時也只需約5%的能源。
科技社群討論區：https://pei.com.tw/feed/c/tech-plus
研究團隊指出，現今AI系統往往為了預測下一步行為或文字而消耗大量能源，甚至出現「能耗與任務不成比例」的問題。例如搜尋引擎頁面上的AI摘要，其耗能可能是一般搜尋結果生成的100倍。
隨著AI應用擴展，各大企業持續建設大型資料中心，部分設施耗電量已達數百兆瓦，甚至超過小型城市需求，進一步加劇能源壓力。
研究人員認為，單純依賴大型語言模型與現有架構，長期而言恐難以永續發展。相較之下，結合學習與邏輯推理的神經符號AI，可能為未來提供更高效率且更可靠的發展方向。
資料來源：sciencedaily
這篇文章 AI耗電危機解方！新型架構省電100倍 準確率同步提升 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。
