首页 > 科技快讯 > 人工智能的尽头还真是发电

人工智能的尽头还真是发电

近期,AI教父黄仁勋的这段演讲讲话疯狂刷屏。其实这并非老黄的原话,他的原意是,英伟达帮助提升计算效能,降低能源消耗,而如果计算速度没有加快,“我们可能需要 14 个不同的行星、3 个不同星系、4 个太阳为这一切提供燃料。”

可见人工智能对能源的紧迫需求,OpenAI 创始人山姆·奥特曼也表达过类似的观点,他曾经这样判断:

未来人工智能需要能源突破,因为人工智能消耗的电力将远远超出人们的预期。特别是核聚变或更便宜的太阳能和存储,是人工智能未来的发展方向。

而且他个人还自掏腰包,向美国私营核聚变公司Helion Energy提供了3.75亿美元。

马斯克则更加明确地对外表达过,缺芯之后是缺电,“明年电力将无法满足所有芯片需求。”

AI的高耗能已是一件不争的事实,数据中心、超级算力中心都堪称“吞电怪兽”。而美国的电力基础设施长时间陈旧,欧洲虽在新能源方面有所投入,但杯水车薪。

放眼全球,电力驱动的第二次工业革命其实并未完全普及,许多国家和地区仍旧无法获得稳定的电力供应,更别说电器消费和使用。‍

与此同时,所谓的光伏、锂电、风能等新能源的各个环节都需要巨大的传统能源为支撑。没有煤炭、石油、天然气为底座,各种所谓第N次工业革命就如同无源之水,无本之木。

AI的尽头,终归要回到发电和能源,这已经不再是段子,而是事实。

一、吞电巨兽

算力紧张的背后则是对能源的需求激增。

又一国产大模型火出圈。

近期,月之暗面研发的AI助手kimi爆火,它支持上传各种文档,并整理总结其中的核心内容;能够处理的无损上下文长度,已经从20万汉字提升到了200万字。也就是说,kimi能一口气读完《甄嬛传》全书,并且能回答剧中的细节问题,堪比一个看了好几十遍电视剧的“甄”学家。

由于访问量持续暴增,Kimi应用终端一度瘫痪,为此,月之暗面已经进行了5次扩容工作。

超长文本的处理能力,访问量的持续增长,都在加剧算力资源的紧张。算力紧张的背后则是对能源的需求激增。据外媒报道,ChatGPT每日耗电量或超过50万千瓦时(50万度),相当于美国家庭用电量的1.7万倍。另有一项预测也判断,到2030年,AI消耗的电力将超过家庭用电量。

这绝非夸大其词,芯片性能的提升、服务器的布局、数据中心的建设、网络传输等基础设施的配套,甚至给服务器降温的温控系统都需要大量的电力。

随着性能的提升,英伟达芯片的功耗随之呈现几何式增长。从V100到B200,单个GPU的功耗也从250W飙升到1000W,与之对应的各种配套设施的能源消耗也大幅飙升。

而大模型在推出之前,还要经受巨量的训练。斯坦福研究显示,GPT-3训练的耗电量为1287 MWh,而GPT-4需要51773 MWh至62319 MWh(6000多万度),能耗是 GPT-3的40倍以上。

如果现在谷歌的每次搜索都融合人工智能技术,那么每年将消耗约290亿度电。这比肯尼亚、危地马拉和克罗地亚等国一年的用电量还要多。

除了基本的电力,其他各种资源消耗同样处于上升态势。微软的研究显示,AI大模型的用水量比上一年同比增长了34%,天然气、电力、供暖、制冷和蒸汽等总消耗增加了约32%。

“算力即权力”的预期之下,AI逐步上升为主流国家的核心战略。可以预想到的是,未来全球还将出现多个类似ChatGPT的超级大模型。目前AI还处于用户初级尝鲜阶段,大规模的落地应用还未全面铺开,如果生成式AI被大规模使用,用电量必将大幅攀升。

二、抛弃幻想

新能源的建设远远跟不上电力需求的增长。

3月19日,号称全球能源界的“超级碗”论坛——标普全球能源会议CERAWeek在美国休斯顿拉开帷幕。沙特阿美、壳牌、埃克森美孚等能源巨头齐聚一堂,但在今年的峰会上,AI成为讨论的绝对主角。

大佬们一致认为 AI电力需求激增,但减排压力日益增大,新能源供应不够稳定,而输配电网络的陈旧更加剧了供需矛盾。

和地铁交通类似,美国电网设施大多建设于上世纪60至70年代,非常陈旧落后。其中,70%的输电线路和变压器运行年限超过25年,60%的断路器运行年限超过30年。

一遇到极端天气,停电事故频发。2019年7月纽约曼哈顿大停电、2020年8月加州大停电、2021年美国得克萨斯州又出现大规模停电。

在《通胀削减法案》的刺激下,美国在新能源的道路上疾驰,煤电贡献度明显下降,风光等可再生能源逐渐成为主力军。2022年,美国煤电份额从23%减少到20%,核能从20%减少到18%。

目前,得州风力发电已成为该州的第二大发电源,但是极寒天气曾导致约一半的风力涡轮机被“冻结”。加州大停电的根本原因就是该州实行的“100%可再生能源供给”计划过于激进,使得电力系统难以应对突发的黑天鹅事件。

另外,由于美国缺乏变压器所需的特种钢材,变压器基本全部依赖进口。在拜登政府提出的电网升级改造计划推动下,美国变压器价格飞涨。

庞大的新能源需要并网,据预测,到2030年美国输电系统需要扩大60%,到2050年输电容量需要达到目前的3倍。 

无独有偶,欧洲电力设施同样老旧,而且欧盟激进的清洁能源战略与传统的能源体系之间的协同格格不入。

例如英国政府曾承诺,2035年实现100%清洁能源电力目标。但由于电网设施的滞后,一些太阳能和风能发电需要等待长达10年至15年,才能接入英国的电网系统。

为此,英国国家电网公司于去年底宣布,增加20亿英镑,使2025年~2026年对电网升级改造的投资提高到420亿英镑。

新能源的并网需求被严重推迟,而与此同时,AI对电力的超额需求已经开始涌现。微软数据中心的一位工程师预测,到2024年底,当数百万块 H100 部署完毕时,其总功耗将超过亚利桑那州凤凰城所有家庭的用电量,仅次于休斯敦,将位居全美第五。

多重压力下,越来越多的人认为,应该放弃对新能源不切实际的幻想,重新审视煤炭、石油、天然气等传统能源的价值。

如沙特阿美CEO阿敏·纳瑟尔直言,能源转型战略很大程度上已经失败,清洁能源至今无法大规模取代碳氢化合物,世界应该放弃让石油和天然气“退位”的幻想,而是根据现实的需求做出充分的投资。

能源基础设施的建设远远跟不上AI爆发速度的事实,已经被越来越多的人所认清。所以,纳瑟尔的言论一出,立刻赢得了热烈掌声。

三、AI尽头

脆弱不堪的稻草。

按照过去的划分,人类历史上经历过三次工业革命,分别是以蒸汽机为代表的第一次工业革命,以电力大规模应用为标志的第二次工业革命,以及原子能、计算机发明后诞生的第三次工业革命。

时下,也有人认为,互联网信息化推动产业蝶变引发了第四次工业革命。甚至有观点指出,AIGC爆发后会带来第五次工业革命。

但事实是,第二次工业革命并未完全实现,电力尚未在全球范围内普及。时至今日,包括非洲一些地方在内的大量地区依然无法使用电力。国际能源署和世界银行的报告指出,由于疫情等原因影响,全球无法用电人口在2020年重新出现上升趋势,如这一势头无法扭转,到2030年仍将有6.6亿人无法用电。

1882年9月4日,爱迪生在纽约建立了世界上第一个座发电厂,此后的142年,人类其实长期处于第二次工业革命的进程中。

遭遇能源危机,电力系统老化的掣肘不断,欧美重启传统能源,尤其是曾被嗤之以鼻的煤炭临危受命。荷兰、德国、奥地利、意大利等国不得不重新点燃已经熄灭的煤电厂,这相当于对过往激进能源转型的一种认错。

在美国,可再生能源的重要性同样被提到过很高的位置,但面对现实,不得不掉头看向天然气、煤炭和核电。

美国的核电站基本建设于上世纪70~80年代,1979年宾夕法尼亚州三哩岛核泄漏事故发生后,核电被逐步抛弃。目前美国只有佐治亚州的沃格特勒核电站4号机组在规划中,实际的建设还没有启动,其兄弟机组3号机组于去年并网发电,这是美国30多年来新建的第一座核电机组。因为比预计晚了7年,甚至超支140亿美元,它很可能是美核能工业最后的余晖。

而煤电一直被美国政府视为污染源,降低煤电比例是拜登政府的重要任务。仅2016年,美国共关停了531个装机容量为56GW的煤电机组,2022至2023年,又退役了22.3GW的燃煤发电量,预计到2030年底,将有超过80GW的发电站停止使用煤炭。

目前来看,美国可以依赖的可能只有天然气。岩气革命以来,天然气发电占据美国发电量的40%,是绝对的主力。

风光等可再生能源短期内无法提供足够的能源时,天然气仍然是美国能源领域唯一的可以依赖的稻草。但在AI用电的巨大需求面前,这棵稻草显得脆弱不堪。

四、写在最后

重启煤炭、天然气和核电,并非传统能源的“复辟”,而是很多国家实行过于激进的新能源转型的一次认错。

传统能源为科技变革立下汗马功劳,却被无情抛弃,还要清醒地认识到,许多传统能源早已是全产业链的清洁能源,而光伏、风电、锂电等所谓的“清洁能源”却并非完全清洁,甚至还有可能造成大量污染。

欧盟主席冯德莱恩曾说:“欧洲必须确保利用这场危机向前迈进,而不是向肮脏的化石燃料倒退。”但这只是能源产业发展的其中一面。

其实,我们更应该听一听沙特阿美CEO纳瑟尔的谏言:“只有让能源贫乏的国家能够以清洁和有效的方式开发和利用自然资源,这才是公平的。”

本文来自微信公众号:巨潮WAVE(ID:WAVE-BIZ),作者:谢泽锋,编辑:杨旭然

相关推荐

人工智能的尽头还真是发电
谷歌母公司投资的这家高空风力发电企业何以走到尽头?
AI的尽头是新能源?
Ai的尽头是光伏和储能?
还真是高手在民间啊……
投资人的尽头是法师?
张朝阳称直播的尽头还有知识传播
家庭太阳能发电,何时能告别“两极分化”?
“阴间”第一股,殡葬的尽头是元宇宙?
智利的太阳能发展潜力:20年内停止煤炭发电?

网址: 人工智能的尽头还真是发电 http://m.xishuta.com/newsview113672.html

所属分类:人工智能