5秒AI视频耗电等于充10部手机,推理成能耗主力

源自28位全网作者

06-26 16:20

内容由AI生成

精选参考来源

1. #2030年AI耗水量够13亿人用一年#训练大型语言模型确实需要大量资源,但核心消耗并不是水,而是电力和算力。水在这一过程中通常并非关键因素。训练一个大型语言模型需要庞大的计算能力,依赖高性能的GPU或TPU,并处理海量数据。成千上万台服务器往往要持续运行数周甚至数月,完成大规模计算,这会消耗巨量电力,既要驱动服务器运转,也要用于冷却系统。总之,水并不是训练AI模型的关键资源,真正主要消耗的是计算能力和电力。

2. #DeepSeek降价# 前两天跟一线AI行业的朋友聊天,最近他们公司财务和HR在核算团队的成本,算下来让他们有点惊讶,就是算力成本明显过高,目前他们用AI做一条推广视频的算力成本在5000块左右,一个月四条光算力成本就是两万,加上人力成本一个月支出在5万左右。但如果不用AI产出,招4个后期剪辑的实习生,就按一人一个月产出1条(实际产出不止),每个月的人力成本只需要在3万左右 所以他们最近在考虑趁毕业季招大量的实习生来用……

3. #2030年AI耗水量够13亿人用一年#本质是 AI 算力落地从头到尾都离不开淡水消耗,海量大模型持续训练、日常推理运转,成堆的高性能显卡运行发热量惊人,智算中心大多依靠水冷设备降温,大量水分在冷却过程中蒸发损耗。再加上支撑算力所需电力,火电、核电发电环节本身也要消耗巨量冷却水,外加 AI 芯片晶圆生产清洗耗费高纯淡水,AI 的耗水量就到了很恐怖的地步。

4. 【联合国大学报告:人工智能快速扩张正加剧能源、水资源和土地压力#2030年AI耗水量够13亿人用一年# 】联合国大学水、环境与健康研究所周三发布题为《人工智能能耗的环境成本:碳、水和土地足迹》的报告,对人工智能基础设施产生的碳足迹、水足迹和土地足迹进行了量化分析。报告指出,到2030年,全球数据中心用电需求预计将达到945太瓦时,其相关用水量将相当于13亿人一年的基本生活用水需求,而土地占用面积将超过14500平方公里。#AI生图能耗是分类文本的1450倍# AI日常任务能耗差异巨大:聊天查询能耗是文本分类的200倍;生成一张AI图像的能耗是文本分类的1450倍;生成短视频的能耗相当于20万次垃圾邮件分类;模型部署后的“推理”(即用户日常使用、提问、画图)占了AI总能耗的80%至90%;ChatGPT每天处理约25亿次请求,年耗电量约3.83亿度(383吉瓦时)。网易新闻的微博视频

5. #2030年AI耗水量够13亿人用一年#联合国大学这份报告揭示了一个令人警醒的悖论:AI在优化资源利用的同时,自身正成为巨大的资源吞噬者。到2030年,仅数据中心的用水量就相当于13亿人一年的生活所需,这已不是技术问题,而是分配正义问题。更值得关注的是,AI内部不同任务的能耗差异悬殊——生成一张图的能耗是文本分类的1450倍,而“推理”环节占到了总能耗的80%-90%。这意味着,每一次看似轻量的AI交互,背后都是实打实的碳与水。当我们将AI视为廉价、无限的“云服务”时,实则是用不可见的资源透支来换取即时的便利。技术不应成为少数人的特权游戏。我们需要为AI建立“环境成本透明化”机制,在模型设计、部署和日常使用中,将能耗效率与算法精度并列为核心指标。否则,所谓智能,不过是另一种形式的粗放。

6. #2030年AI耗水量够13亿人用一年# 在很多人看来,AI可以提高工作效率。可是,AI也是能源消耗大户,2030年AI一年的用水量相当于13亿人一年的用水量。而且,AI的数据中心同样是耗电大户,据说一年的耗电量,也基本是13亿人1年的耗电。那么高的能耗,AI还有必要搞吗?要知道,现在AI的应用场景还比较有限,没什么商业价值。

7. AI 的环保账,可能比很多人想象得更夸张。联合国大学最新报告提到,人工智能基础设施正在加剧能源、水资源和土地压力。到 2030 年,全球数据中心用电需求预计将达到 945 太瓦时,相关用水量相当于 13 亿人一年的基本生活用水,土地占用面积也可能超过 14500 平方公里。更有冲击感的是,不同 AI 任务的能耗差距非常大:一次聊天查询的能耗是文本分类的 200 倍,生成一张 AI 图片是 1450 倍,生成短视频的能耗甚至相当于 20 万次垃圾邮件分类。这事挺值得警醒的。以前总觉得 AI 是“云端工具”,点一下就出来了,好像没什么成本。但实际上,每一次提问、生图、生成视频,背后都是服务器、用电、冷却水和土地资源在支撑。倒也不是说不用 AI,而是别把它当成完全没有代价的魔法。AI 越普及,怎么用得更高效、更克制,可能也会变成一个新问题。#2030年AI耗水量够13亿人用一年#

8. 5万亿美元机会!AI不只吞电,水资源、金属全面告急

9. 【阿里巴巴视频生成模型HappyHorse1.0开启灰测】阿里巴巴宣布视频生成模型HappyHorse1.0正式开启灰测,全球专业创作者和企业客户可在官网和阿里云百炼平台注册使用,大众用户可在千问App体验。核心信息:采用原生多模态架构和音视频联合生成方案,支持15秒多镜头叙事、多画幅适配及1080P超分输出,提供文生视频、图生视频、多图参考生视频及视频编辑能力,具备音画同步功能。官网720P视频生成刊例价0.9元/秒,专业会员包月价约0.44元/秒。悟空等Agent平台已首批接入,面向企业客户启动共创。观察:该模型由阿里ATH创新事业部主导研发,此前曾登顶Artificial Analysis的AI Video Arena排行榜,预计5月正式发布商用,标志着阿里在视频生成赛道正式落子。#阿里 #HappyHorse #视频生成 #AI #千问App#

10. 腾讯大幅下调员工 AI Token 额度,从月均上万降至千元级别意味着什么?AI算力成本面临哪些困局?

11. 彭博:AI 的尽头是电力,电力的尽头是中国,而非芯片至上。中国现在是的芯片产能不足,否则华为昇腾950芯片是可以满足中国的AI芯片应用的。制程工艺比不上美国,特别集群后能效不弱于美国产品,但是中国的电力足够,所以能让中国的AI算力够的。 前HR本人的微博视频

12. 国家能源局发布相关数据及预测,2025年国内已落地42个万卡级智算集群,全国算力中心总用电量达到1700亿千瓦时,在全社会用电量中占比1.6%。 作为算力发展核心载体,全国一体化算力网络八大枢纽节点,是算力用电增长的主要来源。近三年这里的算力用电量年均增速达39.5%,大幅超越全社会用电整体增速。 结合发展趋势判断,“十五五”阶段我国算力用电量每年增量将突破1000亿千瓦时;到2030年,全国算力总用电量有望升至8000亿千瓦时,占全社会用电量比重约6%。

13. 【#研究称AI数据中心附近升温可超9度#,全球多达3.4亿人受到影响】最近,英国剑桥大学的科学家发现,为人工智能提供动力的数据中心所产生的热量如此之大,甚至使周围地表温度明显上升,升温可达9.1摄氏度。近年来,AI数据中心呈现爆炸式增长,目前尚不清楚其对周围环境的影响。为此,科学家对比全球8400多个AI数据中心附近20年内的地表温度变化。分析显示,AI数据中心投入运营后的几个月内,附近陆地地表温度平均上升2℃,极端情况下,可达9.1℃,影响范围可超10公里外。科学家称,全球超3.4亿人居住在距离数据中心10公里的范围内,这种热岛效应导致他们的居住地温度更高。因此,设计数据中心时需要考虑这些影响。央证公开课的微博视频

14. HappyHorse 1.0 详解:功能、优势及与十大顶级 AI 视频生成器的比较

15. 戴密斯:AI最大的瓶颈是算力,AI公司的差距会拉大#谷歌 #戴密斯哈萨比斯 #DeepMind #新药研发 #算力

16. 标普500创纪录新高暗藏隐忧:AI算力成本正在悄然动摇牛市根基

17. 微软与雪佛龙达成20年协议,267万千瓦AI电力项目落地得州

18. 云计算调价潮来袭!腾讯云宣布AI算力服务等涨价5%!

19. 【传快手旗下可灵AI进行Pre-IPO轮融资,投前估值180亿美元】据多家媒体报道,快手旗下视频生成大模型业务可灵AI正在进行分拆以来的首轮融资,投前估值为180亿美元(约合1220亿元人民币)。报道称,这是可灵AI的Pre-IPO轮融资,内部正按照2027年年初递交港股上市申报材料推进相关工作。核心信息:· 财务表现强劲:快手2026年Q1财报显示,可灵AI单季营收超6.5亿元,同比增长超300%。截至2026年3月,年化收入运行率(ARR)已接近5亿美元,是去年同期的4倍。· 市场地位领先:可灵AI全球用户已突破6000万,累计生成超6亿个视频,服务超3万家企业客户。在AI视频生成领域,其30.7% 的全球市占率位居行业前列。· 高成本支撑高投入:视频生成大模型的算力消耗巨大,是推动其分拆独立融资的核心原因之一。快手集团2026年预计资本开支约260亿元,较2025年增加110亿元,主要用于AI算力储备。观察:可灵AI的180亿美元投前估值,已达到母公司快手约274亿美元市值的66%,不仅远超美国视频生成独角兽Runway约53亿美元的估值,更凸显一级市场对AI视频赛道的极高期待。此次分拆融资,是快手为其高增长的AI业务寻求独立发展、减轻集团财务压力的重要一步。#快手 #可灵AI #AI视频生成 #融资 #Pre-IPO

20. 鲁电科学课丨AI,其实是个吞电巨兽

21. AI遭遇耗电危机!4万亿电网投资的4大核心赛道机会与核心标的

22. 全球科技研究·009·AI的能源消耗与绿色AI

23. 大模型背后的能源真相!推理阶段才是真的电老虎! 模型部署后的推理阶段才是长期电力消耗主体。 以ChatGPT为例,日均处理250亿次查询,每次GPT-4推理耗电约0.3瓦时,日耗电量高达750兆瓦时(MWh),90天累计达67吉瓦时,已超过训练总能耗。 全球AI数据中心2023年耗电176太瓦时,占美国总用电量4.4%,预计2030年将升至8%-10%。考虑数据中心PUE(电源使用效率)约1.2,实际用电进一步增加,若计入散热与辅助设施,真实能耗已逼近210太瓦时。 2024至2025年,随着大模型推理需求爆发式增长和算力集群规模化部署,全球AI年耗电量增速已连续两年超过算力增长,能源约束正从幕后走向台前,成为制约AI发展的关键瓶颈。#核电站

24. 你每天用的AI,正在悄悄吸干一座县城的电?

25. 能源危机下的AI发展演化:挑战、变革与未来路径

26. ChatGPT们沉默的代价:全球AI算力每天消耗一个三峡?

27. AI发展这么猛,背后消耗最大的资源不是芯片算力,而是电力

28. AI视频生成为什么看起来简单,实际却很吃资源?

0
扫一下,分享更方便,购买更轻松
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章