人工智能这块儿发展那可是嗖嗖滴快，不过它带来的一个问题咱也不能忽视——那就是能源。现在这人工智能越整越高级，用的电那是噌噌往上涨，把咱现有的电力系统都压得够呛。
就拿那个OpenAI家的ChatGPT来说吧，一天就能造掉超过50万千瓦时的电，就为了给那约摸两亿个用户的请求忙活，这电耗抵得上美国一般人家用电的1.7万多倍！要是生成式AI再这么广泛推广开去，电费账单估计能吓人一跳。
老黄仁勋在斯坦福大学那讲话说得明白，“AI走到最后还得靠光伏和储能扛大旗！光琢磨着怎么提高运算能力不行，照这么搞下去，光计算机就得耗掉14个地球的能量。以后的超级AI啊，那简直就是个填不满的电老虎窝。”
OpenAI的老总萨姆·奥尔特曼也发话了，说下一轮的生成型人工智能系统耗电量绝对是要超乎想象，到时候能源系统怕是接不住招。
马斯克那边也多次提到，这技术革命加上AI的发展，对能源的需求眼瞅着就要翻天覆地，特别是那些数据中心、大规模计算和智能电网这些地方，对电力的压力大得不是一星半点儿。
周鸿祎那头呢，也说了不止一次，人工智能最头疼的就是能源问题，这是阻碍它长远发展的老大难。
Huggingface 自家的 BLOOM 大模型，有 1760 亿参数，光是前期训练它，就得花掉 43.3 万度电，我换算了下，相当于国内 117 个家庭一年用掉的电量。
和它参数量相当的 GPT-3 ，耗电量就更不受控制，同样是前期训练，就要用掉128.7 万度电，足足是前者的三倍。
甚至有人做过这样一个类比， OpenAI 每训练一次，就相当于 3000 辆特斯拉同时跑 32 公里。。。
这还只是 AI 前期训练用的电，在后期使用过程中累积的耗电量才是大头。一般来说，训练就是不断调整参数、重复训练，最后得到一个使用体验最好的模型，整个过程是有限度的。后期的推理过程就不一样了，比如我们用 ChatGPT ，每问一次问题都相当于是一次推理请求。现在 ChatGPT 的月活用户早已经破亿，它每天推理的频次的飙升可想而知。更具体一点，拿自动驾驶来说，前期训练花费的能耗成本就只有两三成，剩下的七八成都是后期的推理消耗的。
《晚点 LatePost 》之前也拿 ChatGPT 做了这么一个测算，按日均最高访问量 2.7 亿次来计算，假设每个人每次访问会问五个问题，一整个月下来光是推理消耗的电量就是 1872 万度。
总的来讲， AI 这几年来消耗的电力正在以指数级别增长，然而现在全球发电已经差不多已经趋于平缓。
照这个态势发展下去，估计再过几十年，光是 AI 的耗电量，就足以导致全球用电荒了。。。
来自 AMD ，红色表示 AI 能耗，绿色表示现有能源
而之所以这么耗电，一方面和近几年来 AI 圈子内部搞起的军备竞赛不无关系。
国外在 OpenAI 之后，谷歌、 Meta 自家大模型的研发迭代也没停过。
国内卷得就更厉害，百度的文心一言、阿里的通义千问、腾讯的混元等等等等，参数一个赛一个高，这还只是大厂们的赛道，一些大模型初创企业更是海了去了。
另一方面， AI 用掉这么多电，和它背后数据中心不无关系。
在数据中心，用电最多的地方就是 AI 服务器，因为要有大规模的计算，普通的服务器根本就不够用，还得用专属的 AI 服务器。
然鹅 AI 服务器，光是功率就比普通服务器高出了六七倍，普通服务器一般只需要两个 800W~1200W 的电源， AI 服务器，则要 4 颗 1800W 的高功率电源。
emmm 这不耗电都说不过去。。。
AI 的耗电，当然卷大模型的厂商比我们清楚得多，毕竟在他们那里可是真金白银的电费哗哗往外流。。。
所以在解决 AI 能耗的问题上，业内也是使出了浑身解数。
第一个办法是想办法提高 AI 芯片性能，性能上去了，耗电自然而然也就下去了。
另外一个办法就简单粗暴了，既然耗电多导致电费高，那找个更便宜的能源不就行了。
就比如国内目前就在搞 “ 东数西算 ” 的工程，在西部清洁能源丰富的地区建立数据中心，用来处理东部的数据。
并且东部地区数据中心密集，工商业的平均电价大概在 0.676 元 / 度，而西部地区平均电价在 0.541 元 / 度，钱不就这么省下来了么。
总结起来就是一句话，人工智能要想真正跑到终点，能源自给自足那是关键。所以啊，早点儿在能源这盘棋上下功夫，那才是在掌控未来的科技命脉。太阳能、储能还有核聚变这些清洁又高效的能源技术，那都是给人工智能解渴的救命水。另外，提高能源使用效率，别乱糟蹋电，这也是解决问题的一个重要法子。
像 OpenAI 和微软都先后投资了核能发电，不过不是传统的核裂变发电方式，而是还在实验室阶段的核聚变。早在 2015 年， OpenAI CEO 奥特曼就对核聚变发电感兴趣了，向一家核聚变初创企业 Helion 投资了 950 万美金， 2021 年，又给它豪掷了 3.75 亿美元。
紧接着在今年 5 月份，在核聚变发电站还没着落的时候，微软就和 Helion 签订了购电协议，说要在 2030 年前实现负碳目标。
世超倒真有点好奇，这个 Helion 到底有什么魔力，在八字还没一撇的时候，让 OpenAI 和微软先后都在它身上下这么大的注。
不过这事吧，从它给微软的的承诺中就能窥探出一二。Helion 在那份购电协议中表示， 2028 年前上线的核聚变装置，在一年内会把发电功率提升到 50 兆瓦以上。什么概念？相当于撑起 40000 户家庭的供电。更重要的是，买核聚变发出来的电，还贼拉便宜，折合成人民币相当于 7 分钱一度电，这诱惑谁挡得住啊。微软也没把所有鸡蛋放在一个篮子里，在下注核聚变发电的同时，他还看好了近几年发展起来的小型核反应堆（ SMR ）。不久前，微软发了个招聘通知，说要找个 “ 核技术首席项目经理 ” ，来管SMR 这块的工作。
和传统核电的大型反应堆比，理论上 SMR 这玩意儿体积更小，甚至可以在工厂里批量生产。发电功率也是传统反应堆的三倍，并且 SMR 也不用担心损坏时释放放射性元素，因为它能在第一时间自动关闭系统。同时 SMR 也更省钱，平均每 1000 度电下来就能省将近 100 美元。。。
当然，这些东西目前还是八字没那一撇， AI 耗电猛的现状，短时间内也很难会得到改变。各种核聚变项目，世超也不好说它们到底能不能成。但 AI 的发展，说不定会给核能来一记大助攻。
再说到咱国内的AIGC（人工智能生成内容）市场，那可是热火朝天，资本家们都抢着投。虽然多数投资者还在边儿上瞅着，但到了2023年融资规模肯定要往上蹿一大截。等底层的大模型全都放开，商业价值一验明正身，估摸着2024年这人工智能和大数据产业的融资能来个指数级的增长，投资范围会覆盖全链条。
不过呐，这中国的AIGC市场还没形成啥垄断局面，竞争那叫一个激烈。按人工智能专利数掰扯，截止到2023年5月，排在前头的四家公司市场份额也就刚摸到20%左右，前八名加一起也就占了大概25%，市场集中度那是真不高。为啥呢？一是这AI技术更新太快，谁也不敢说自己能一直领先；二是这行细分领域太多，大部分还都在起步阶段，发展空间大得没边儿。
再说这大型虚拟世界跟人工智能的关系，那真是密不可分。虚拟世界的建设靠着游戏引擎、3D技术，再加上人工智能和大数据的支持，能给AI创造一个既安全、可靠又省钱省事、反复试验的绝佳环境。将来啊，大型虚拟世界绝对是人工智能和大数据产业发展的重要舞台。
至于英伟达这公司，那在人工智能界可是举足轻重的角色，它的产品给那些大厂比如亚马逊、Meta、微软他们提供了训练生成式AI所需的强大算力。黄仁勋大佬说了，咱们现在已经跨入生成式AI的新纪元了。
Numenta公司的苏布泰·艾哈迈德也感叹，这一年变化忒快，ChatGPT一出世，人工智能一下就成了焦点，但这还只是个开头。他们跟那些实际应用LLM模型的公司合作发现，未来想要消除人工智能应用和炒作之间的距离，得有简单好用、容易扩展、经济实惠的方案，而且能让公司牢牢把握住自己的数据和模型。
信达证券的研究报告也提到了，生成式AI这玩意儿啊，能大大推动影视产业的各个环节，像剧本创作、特效制作、视频剪辑什么的都能用上。短期内，AI虽还没达到能全程包办影视作品的程度，但它妥妥的是帮影视行业降低成本、提高效率的好助手；长期看，随着AI+视频技术继续升级，类似Pika、Runway这类文转视频产品的迭代，影视创作者的工作效率那将会大大提高。总之，无论是数据还是实践，都显示人工智能和能源、影视等多个领域的深度融合正在发生深刻变革。
宁德时代作为中国乃至全球领先的电池制造商，在储能领域具备深厚的技术积累和产能优势。面对AI产业对储能的巨大需求，宁德时代和其他类似的中国企业迎来了历史性的发展机遇，它们可以通过研发更高能量密度、更长寿命、更快充放电速度的电池技术，以及拓展包括但不限于液流电池、固态电池在内的多元储能解决方案，来满足不断增长的市场需求。
同时，在全球范围内，绿色燃料、储能设施、固态电池、风能以及其他各种新能源产业，在政策引导和技术进步的双重驱动下，不仅有利于环境保护和碳排放目标的实现，也将迎来一轮新的发展高潮和修复期，这对于产业链上下游的企业都是一个战略性的窗口期，可以预见这些领域在未来几年内会有显著的增长和创新突破。
