近日，微软创始人比尔·盖茨透露，将继续对美国怀俄明州“下一代”核电站投资数十亿美元。这一决策背后的原因，很大程度是由于人工智能（AI）的崛起正悄然引发一场前所未有的“电力风暴”。
国际能源署数据显示，使用ChatGPT进行一次查询，就需要消耗2.9瓦时的电量，相比之下，普通引擎搜索仅需0.3瓦时。到2026年，AI和加密货币数据中心的年电力消耗量可能会翻一番，从2022年的460太瓦时（TWh）飙升到1000TWh以上。
AI是“能耗大王”
生成式AI模型的大部分能源消耗发生在使用之前，即训练阶段。这是深度学习模型开发的一个关键过程。
大多数数据中心使用图形处理器（GPU）来训练AI模型。GPU运行时需要大量能源，大约是传统CPU（中央处理器）的5倍。训练大语言模型需要数万个GPU，它们需要昼夜不停地运行数周或数月。模型训练完成后，需要托管和利用模型所依赖的数据。因此，数据中心的运转“根本停不下来”。
AI的总消耗量是多少？训练和输入最常用的模型需要多少能源？根据美国斯坦福大学最近的一份报告，谷歌的Gemini Ultra模型训练时需要500亿PetaFLOPs（每秒千万亿次浮点运算）算力。如果要用商用计算机实现这种计算能力，需要大约1016台计算机。与此相关的训练成本为1.91亿美元，主要归因于能耗。
单个AI模型的耗电量可达数万千瓦时。据技术咨询公司IDC估计，ChatGPT等生成式AI模型的耗电量可能是其100倍。
除了系统本身，处理器还需要冷却，常见的技术包括电动通风和水冷却，这些也都需要能源。
用核能“为AI发电”
哪里才能找到足够的电力来满足AI“贪婪的胃口”？当前，世界正在向净零碳排放迈进，数据中心需要可靠、稳定的基本能源，而太阳能和风能远远无法满足需求。因此，核能正在成为一个新选择。
大型科技公司已经迈出了走向“AI+核能”时代的第一步。
据美国《华尔街日报》报道，谷歌正在考虑与小型模块化反应堆（SMR）开发商签署电力购买协议。最近，谷歌还与微软和纽柯钢铁公司签署了一项协议，旨在加速先进清洁能源技术的发展，其中就包括“先进核能”。
微软同样在核能领域积极布局。去年5月，微软与美国核聚变技术公司Helion Energy签署了电力购买协议。Helion Energy承诺将从2028年开始向微软提供核聚变能源。虽然这项技术目前仍处于理论阶段，但微软对其潜力充满信心。此外，在微软去年12月发布的《加速实现无碳未来》简报中，明确将先进核能、聚变能源以及传统反应堆列为公司绿色政策的核心支柱之一。
亚马逊也押注核能。据西班牙《国家报》报道，亚马逊云计算部门AWS最近在美国购买了一个位于美国第六大核电站附近的大型数据中心。该核电站将按固定价格为AWS提供所需的全部能源。
质疑声音仍存在
核能或是AI“救星”的想法，正在硅谷中流行起来。OpenAI联合创始人萨姆·奥尔特曼向Helion Energy公司投资了3.75亿美元。他还兼任初创公司Oklo董事长，该公司致力于设计和制造一种新型SMR。
比尔·盖茨是另一位对SMR感兴趣的科技大亨。他的公司TerraPower正在研究一种钠核反应堆，这种实验性反应堆若能成功商业化，其成本有望低至核裂变的1/25。
不久前，Meta首席生成式AI工程师谢尔盖·埃杜诺夫预测，只需两个大型核反应堆的发电量就足以满足2024年全球AI领域的能源需求。
核路线有前途吗？质疑的声音依然存在。
《国家报》报道称，目前尚无任何SMR技术能够立即投入实际部署，许多国家的SMR都处于原型阶段。英国《新科学家》网站报道称，先进核技术的建设前景更加不确定。尽管多家核技术初创企业获得了科技富豪的青睐，但他们的商业运营时间表普遍指向2030年之后。到那时，全美国数据中心的电力需求预计将比2022年增加1倍甚至3倍。这些数据中心可能使用的电量相当于4000万户美国家庭的用电量。而Helion Energy最乐观的估计是，到2029年，其产能仅能满足美国4万户普通家庭的能源需求。
近日，微软创始人比尔·盖茨透露，将继续对美国怀俄明州“下一代”核电站投资数十亿美元。这一决策背后的原因，很大程度是由于人工智能（AI）的崛起正悄然引发一场前所未有的“电力风暴”。
国际能源署数据显示，使用ChatGPT进行一次查询，就需要消耗2.9瓦时的电量，相比之下，普通引擎搜索仅需0.3瓦时。到2026年，AI和加密货币数据中心的年电力消耗量可能会翻一番，从2022年的460太瓦时（TWh）飙升到1000TWh以上。
AI是“能耗大王”
生成式AI模型的大部分能源消耗发生在使用之前，即训练阶段。这是深度学习模型开发的一个关键过程。
大多数数据中心使用图形处理器（GPU）来训练AI模型。GPU运行时需要大量能源，大约是传统CPU（中央处理器）的5倍。训练大语言模型需要数万个GPU，它们需要昼夜不停地运行数周或数月。模型训练完成后，需要托管和利用模型所依赖的数据。因此，数据中心的运转“根本停不下来”。
AI的总消耗量是多少？训练和输入最常用的模型需要多少能源？根据美国斯坦福大学最近的一份报告，谷歌的Gemini Ultra模型训练时需要500亿PetaFLOPs（每秒千万亿次浮点运算）算力。如果要用商用计算机实现这种计算能力，需要大约1016台计算机。与此相关的训练成本为1.91亿美元，主要归因于能耗。
单个AI模型的耗电量可达数万千瓦时。据技术咨询公司IDC估计，ChatGPT等生成式AI模型的耗电量可能是其100倍。
除了系统本身，处理器还需要冷却，常见的技术包括电动通风和水冷却，这些也都需要能源。
用核能“为AI发电”
哪里才能找到足够的电力来满足AI“贪婪的胃口”？当前，世界正在向净零碳排放迈进，数据中心需要可靠、稳定的基本能源，而太阳能和风能远远无法满足需求。因此，核能正在成为一个新选择。
大型科技公司已经迈出了走向“AI+核能”时代的第一步。
据美国《华尔街日报》报道，谷歌正在考虑与小型模块化反应堆（SMR）开发商签署电力购买协议。最近，谷歌还与微软和纽柯钢铁公司签署了一项协议，旨在加速先进清洁能源技术的发展，其中就包括“先进核能”。
微软同样在核能领域积极布局。去年5月，微软与美国核聚变技术公司Helion Energy签署了电力购买协议。Helion Energy承诺将从2028年开始向微软提供核聚变能源。虽然这项技术目前仍处于理论阶段，但微软对其潜力充满信心。此外，在微软去年12月发布的《加速实现无碳未来》简报中，明确将先进核能、聚变能源以及传统反应堆列为公司绿色政策的核心支柱之一。
亚马逊也押注核能。据西班牙《国家报》报道，亚马逊云计算部门AWS最近在美国购买了一个位于美国第六大核电站附近的大型数据中心。该核电站将按固定价格为AWS提供所需的全部能源。
质疑声音仍存在
核能或是AI“救星”的想法，正在硅谷中流行起来。OpenAI联合创始人萨姆·奥尔特曼向Helion Energy公司投资了3.75亿美元。他还兼任初创公司Oklo董事长，该公司致力于设计和制造一种新型SMR。
比尔·盖茨是另一位对SMR感兴趣的科技大亨。他的公司TerraPower正在研究一种钠核反应堆，这种实验性反应堆若能成功商业化，其成本有望低至核裂变的1/25。
不久前，Meta首席生成式AI工程师谢尔盖·埃杜诺夫预测，只需两个大型核反应堆的发电量就足以满足2024年全球AI领域的能源需求。
核路线有前途吗？质疑的声音依然存在。
《国家报》报道称，目前尚无任何SMR技术能够立即投入实际部署，许多国家的SMR都处于原型阶段。英国《新科学家》网站报道称，先进核技术的建设前景更加不确定。尽管多家核技术初创企业获得了科技富豪的青睐，但他们的商业运营时间表普遍指向2030年之后。到那时，全美国数据中心的电力需求预计将比2022年增加1倍甚至3倍。这些数据中心可能使用的电量相当于4000万户美国家庭的用电量。而Helion Energy最乐观的估计是，到2029年，其产能仅能满足美国4万户普通家庭的能源需求。
美国《新闻周刊》网站2月4日刊登题为《人工智能可能会在数十年内解开人体的秘密》的文章，作者是亚历克斯·菲利普斯，内容编译如下：一位医生(同时也是一本关于新兴技术在医疗领域应用的新 科技日报从哈尔滨工业大学获悉，北京时间2024年3月20日8时31分28秒，“天都一号”“天都二号”通导技术试验星伴随探月工程四期鹊桥二号中继星任务搭乘长征八号遥三运载火箭从文昌航天发射场发射 春，推也。从草从日，草春时生也。进入春日，人们时常能在大地回暖、万物复苏中见证旺盛的生命力。一起解锁空间站里的“春日关键词”，感受太空中的“春日力量”吧！春日关键词：温暖空间站内 四季如春 2024年03月19日，以“初心如磐•向新出发”为主题的2024智能家居UP峰会CSHIA智能家居开年盛典在杭州成功举行。大会现场，由全国专业标准化技术委员会委员、CSHIA秘书长、中智盟投资创始人周 3月23日20时30分许，内蒙古自治区鄂尔多斯市，约200米的高楼、磐石造型博物馆、书籍外形图书馆等主要地标建筑纷纷关闭灯光，人们在静下来的城市里感受地球的呼吸与脉动。今年“地球一小时”中国 3月24日，记者从中国农业科学院获悉，该院蔬菜花卉研究所甘蓝类蔬菜遗传育种创新团队，开发了快速创制细胞质雄性不育系的新方法——“一步法”。相关研究日前发表在国际期刊《自然&midd 。本文链接：破解AI耗电困局，科技巨头“押注”核能http://www.sushuapos.com/show-2-7136-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 生成式AI可训练机器人执行多种任务
下一篇： 新基因编辑工具SeekRNA面世