近日关于AI的话题很热……
不!是相当热!
电费是大模型训练的主要成本黄仁勋在斯坦福大学演讲中明确表示:“AI的尽头是光伏和储能!我们不能只想着算力,如果只考虑计算机,我们需要烧掉14个地球的能源。超级AI将成为电力需求的无底洞。”
有相同观点的还有OpenAI的首席执行官萨姆·奥尔特曼,他表示,下一波生成型人工智能系统消耗的电力将远远超出预期,能源系统将难以应对。
还有特斯拉的马斯克也在多个场合表示,技术革命与AI发展会随着人工智能技术的进步和广泛应用,对能源的需求可能会急剧增加,尤其是在数据中心、大规模计算和智能电网等领域,这将对现有电力系统构成巨大压力。
360集团创始人周鸿祎也曾多次发言,人工智能发展的最大制约是能源问题。
听完他们说的话,第一感觉是不解。
于是上网查询了一下资料。
3月初,《纽约客》杂志报道,OpenAI的热门聊天机器人ChatGPT每天要消耗超过50万千瓦时的电力,以响应用户的约2亿个请求。
对比之下,美国家庭平均每天使用约29千瓦时电力。
换算一下,ChatGPT每天用电量是家庭用电量的1.7万多倍。
此前斯坦福人工智能研究所(HAI)也曾发布过类似研究,该研究所发布的《2023年人工智能指数报告》中指出。
OpenAI的GPT-3单次训练耗电量高达1287兆瓦时(1兆瓦时=1000千瓦时)。
估算成钱的话,GPT-3单次训练单次训练的成本在140万美元左右。
再换一个角度了解,大模型训练主要成本并非设备、也并非人力,而是昂贵的电费。
据业内人士透露,电费的成本约占训练成本的60%。
各国发电的情况科技巨头们已经不止一次的强调能源问题,那么未来如何解决、布局能源领域,成为各国掌握未来科技发展的重中之重。
先看一下2022年全球发电量数据(2023年其他国家数据不全,以2022年数据对比)。
《世界能源统计年鉴》期刊发布的2022年数据中,中国发电量在8.8万亿千瓦时,占全球总发电量的30.3%,排在第一。
而排在第二的是美国,发电量在4.5万亿千瓦时,占全球总发电量的15.6%。
对于中国发电的恐怖,大家可能没有概念,咱们还是以上图为例。
中国的发电量等于红框内的总和,可能字有点小大家看不清,小编简单概括一下。
包括巴西、阿根廷、智利……中南美洲合计1.4104万亿千瓦时,占全球总发电量的4.8%;
包括英国、法国、德国、意大利、荷兰……欧洲合计3.9009万亿千瓦时,占全球总发电量的13.4%;
包括俄罗斯、白俄罗斯、乌兹别克斯坦……独联体国家合计1.5016万亿千瓦时,占全球总发电量的5.1%;
包括伊朗、伊拉克、以色列、阿曼……中东国家合计1.3651万亿千瓦时,占全球总发电量的4.7%;
包括埃及、南非、北非、东非、中非、西非……非洲国家合计0.8927万亿千瓦时,占全球总发电量的3.1%。
以上总和是31.1%,而中国内地发电量是30.3%。
好了总数据看完了,咱们再来分析一下大佬们说的光伏、水力、风力以及其他可再生资源的发电情况。
2022年,中国内地可再生资源发电量为1.367万亿千瓦时,占中国内地总发电量的15.4%。
也就是说除了欧洲、北美洲,还有一个亚太地区的印度(占全球总发电量的6.4%),中国内地仅再生资源发电量就可以完全比拟他们。
1.367万亿千瓦时,包含风力发电约7624亿千瓦时、光伏发电约4251亿千瓦时,剩下的就是水力及其他。
其实不光是AI产业,包括芯片产业也是极具耗费电的。
3月4日,据台湾“中时新闻网”报道,台积电高雄厂从原先成熟制程28纳米,变更为先进制程2纳米后,年用电量将提升至37亿度,占2023年高雄市总用电量12%。
还有新能源汽车行业……
2022年欧洲用电紧张时,有的国家甚至限制电动车的使用来维持紧张的电力供应。
结语“AI尽头是光伏和储能”,这言论一出,确实让人为之一振。
AI发展的三个基本要素:数据、算法、算力,除了依靠人口多、数据足以外,在算法和算力让依然与美国有差距。
去年的禁令让英伟达、AMD、英特尔等厂商的高性能算力芯片被一锅端了。即便是“阉割版”A800和H800以及高端游戏芯片4090,也被列入“限售名单”。
而反观国内有无数与AI相关的芯片企业,但能支持大模型预训练的好像也只有华为、海光几家而已。
不过,好在“AI尽头是光伏和储能”,好在中国拥有最大的需求市场。
目前AI之争依然处于上半场,但下半场的应用进程会很快。
随着技术的不断推进,谁能在更多领域探索出更多的AI应用,谁就能掌握主动权,这一点中国的企业表现并不差。
图片来源网络,如有侵权请联系本账号处理。
本文为原创内容,不允许任何形式的搬运,已签全网维权,如有需求请联系本账号。