黄仁勋：不能只想算力，AI尽头是光伏和储能！中国：这个我熟啊！

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。