如果当前趋势持续不变,用于训练和运行 AI 的数据中心很快可能包含数百万个芯片,花费数千亿美元,并且所需电力相当于一个大城市的电网。
这一切根据来自 Georgetown、Epoch AI 和 Rand 的研究人员最新的一项研究,该研究考察了全球 AI 数据中心从 2019 年至今年的发展轨迹。联合作者整理并分析了超过 500 个 AI 数据中心项目的数据集,发现尽管数据中心的计算性能每年翻倍以上,电力需求和资本支出也同样以这样速度增长。
这一发现表明,在未来十年内建设支持 AI 技术发展的必要基础设施将面临巨大挑战。
最近曾表示全球约有 10% 的人口正在使用其 ChatGPT 平台的 OpenAI,与 SoftBank 等公司建立合作伙伴关系,计划筹集高达 5000 亿美元,在美国( and possibly elsewhere )建立一个 AI 数据中心网络。其他科技巨头,包括 Microsoft、Google 和 AWS,单在今年内就共同承诺花费数亿美元扩大数据中心布局。
根据 Georgetown、Epoch 和 Rand 的研究,从 2019 年到 2025 年,像 xAI 的 Colossus(价格约为 70 亿美元)这样的 AI 数据中心硬件成本每年增长 1.9 倍,而电力需求在同期每年增长 2 倍。(Colossus 预计消耗 300 兆瓦的电力,相当于 250,000 个家庭的用电量。)
研究还发现,过去五年数据中心的能效大幅提升,其中一个关键指标 — 每瓦电力计算性能 — 从 2019 年到 2025 年每年增长 1.34 倍。但这些改进不足以抵消不断增长的电力需求。到 2030 年 6 月,领先的 AI 数据中心可能拥有 200 万个 AI 芯片,花费 2000 亿美元,并需要 9 吉瓦的电力 — 大约相当于九座核反应堆的发电量。
AI 数据中心对电力的需求将大大加剧电网负担这一事实并不新鲜。根据 Wells Fargo 最近的一项分析,数据中心的能耗预计到 2030 年将增长 20%。这可能将依赖于多变天气的可再生能源推向极限,从而促使非可再生、环境污染严重的电力来源(如化石燃料)的使用增加。
AI 数据中心还带来其他环境风险,例如高水耗,并占用宝贵的不动产,同时侵蚀州税基。总部位于华盛顿特区的非营利组织 Good Jobs First 的一项研究估计,由于过于慷慨的激励措施,至少有 10 个州每年因数据中心而损失超过 1 亿美元的税收收入。
当然,也有可能这些预测未必会实现,或者时间尺度存在偏差。一些超大规模云服务提供商,如 AWS 和 Microsoft,最近几周已减少数据中心项目的建设。Cowen 分析师在四月中旬给投资者的一份报告中观察到,在 2025 年初数据中心市场出现了 “cooling”,这表明业界对于不可持续扩张的担忧。
好文章,需要你的鼓励
Writer首席执行官May Habib指出,企业在构建和扩展AI智能体时面临重大挑战。智能体在构建、运行和改进方式上与传统软件截然不同,需要抛弃传统软件开发生命周期。智能体不会可靠地遵循规则,而是结果导向、具备解释和适应能力。企业需要采用目标导向方法,设计业务逻辑蓝图而非工作流程。质量保证也需要评估非二元行为和实际应用表现。智能体维护需要新的版本控制系统,涵盖提示、模型设置等所有影响行为的因素。
中科院团队开发的SimpleGVR系统革新了AI视频增强技术,通过直接在潜在空间处理和创新的分阶段训练策略,能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率,还能修正AI视频特有的颜色混合等问题,在多项指标上超越现有顶级方法,为AI视频生成领域提供了实用的解决方案。
Salesforce首席执行官马克·贝尼奥夫表示,公司正大力推进人工智能应用,AI代理现在承担了公司30%至50%的工作。他认为员工应适应AI替代人工的趋势,转向更高价值的工作。然而,这一变化导致约1000名员工被裁,虽然公司计划招聘同等数量新员工,但主要专注于销售AI技术。这一趋势在科技行业普遍存在,今年已有超过63000个科技岗位消失,AI被认为是重要原因之一。
浙江大学联合腾讯AI实验室提出KnowRL方法,通过在强化学习中集成事实性奖励机制,有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时,显著提升了模型的事实准确性,为构建更可靠的AI系统提供了新思路。