据高盛最新研究显示,在AI需求推动下,数据中心容量预计到2027年将激增50%,该行业的能耗到2030年将翻倍。但这家金融服务公司表示,正在密切关注AI应用可能未达到当前炒作预期的迹象。
据高盛董事总经理Eric Sheridan称,AI热潮创造了一种"狂热氛围",主要科技公司"生怕被颠覆,正在部署资本进行攻防并重的策略"。
根据高盛发布的研究,全球数据中心容量目前约为62吉瓦,其中云工作负载占58%,传统工作负载占29%,AI仅占13% - 而在2023年初几乎为零。
预计到2027年,AI工作负载将占总容量的28%,而云的相对份额将降至50%,传统工作负载降至21%。这并不意味着云或传统工作负载在下降,只是AI增长更快,在更大的整体市场中占据越来越大的份额。
投资规模与Omdia的研究相符,显示数据中心支出现在可与中等规模经济体匹敌,仅亚马逊一家每年投资就超过1000亿美元 - 大致相当于哥斯达黎加的整个GDP。
据Counterpoint Research称,AI数据中心热潮可能使全球半导体收入在2024年至2030年间翻倍,达到超过1万亿美元。
该机构声称,增长的关键催化剂是先进的AI服务器基础设施,这是由对即将到来的AI应用需求的持续且可能快速增长所驱动的。无论是短期还是长期,大部分需求可能来自超大规模供应商。
Counterpoint强调了"Token经济",智能体AI应用需要大幅增加硬件能力来驱动Token生成。
AI训练需要专用硬件,这正在推动巨大变化。高盛指出,两年前尖端系统每台服务器配备8个GPU加速器,到2027年领先配置将在文件柜大小的机架中装入576个GPU,功耗达600千瓦 - 足以为500个美国家庭供电。
因此,预计到2030年全球数据中心电力使用量将增长165%,从2023年占全球电力的1-2%增至本十年末的3-4%。
高盛预计可再生能源将满足数据中心额外电力需求的40%,并有针对AI工作负载的适度核能扩张。然而,天然气发电机将提供剩余的60%,到2030年将增加2.15至2.2亿吨温室气体排放 - 相当于全球能源排放额外增加0.6%。
尽管预测乐观,但这家金融服务公司的分析师对任何可能破坏预测的市场疲软迹象保持"高度警戒"。风险包括AI货币化失败或使构建和商品化模型变得更便宜的创新。
数据中心容量的基本情况假设17%的复合年增长率,到2027年达到92吉瓦,但情况范围从14%(如果AI兴趣令人失望)到20%(在更乐观的环境中)。
这些担忧呼应了更广泛的怀疑情绪。OpenAI首席执行官Sam Altman最近承认该行业正在经历AI泡沫,而咨询公司麦肯锡今年早些时候警告说,没有人真正知道未来AI服务需求会是什么样子。
Q&A
Q1:数据中心容量预计会有多大增长?
A:据高盛研究显示,数据中心容量预计到2027年将激增50%,从目前的约62吉瓦增长到92吉瓦。其中AI工作负载将从目前的13%增长到28%,成为主要增长驱动力。
Q2:AI热潮对能源消耗有什么影响?
A:数据中心的能耗到2030年将翻倍,全球数据中心电力使用量预计增长165%,从2023年占全球电力的1-2%增至2030年的3-4%。这将新增2.15至2.2亿吨温室气体排放。
Q3:高盛对AI市场前景有什么担忧?
A:尽管预测乐观,高盛分析师对市场疲软迹象保持高度警戒。主要风险包括AI货币化失败、技术创新降低成本等。这与OpenAI CEO承认的AI泡沫和业界广泛怀疑情绪相呼应。
好文章,需要你的鼓励
AI正在革命性地改变心脏疾病治疗领域。从设计微创心脏瓣膜手术到预防原理定位,机器学习和神经网络的洞察力推动了巨大进步,甚至可以构建新型移植解剖结构。数字孪生技术为个性化心血管护理提供持续预测管理。哈佛干细胞研究所的研究人员利用纳米材料和类似棉花糖机的设备,能在10分钟内制造心脏瓣膜,相比传统3周制造时间大幅缩短。这些突破性技术为每年4万名先天性心脏畸形儿童带来新希望。
这项由斯坦福大学和特拉维夫大学合作的研究揭示了语言模型内部存在三套协同工作的信息处理机制:位置机制、词汇机制和反射机制。研究发现,当文本复杂度增加时,传统的位置机制会变得不稳定,其他两种机制会自动补偿。这一发现解释了AI在长文本处理中的表现模式,为优化模型架构和提升AI可靠性提供了重要理论基础。
谷歌正在为搭载其内置信息娱乐系统的汽车推出谷歌地图实时车道引导功能,首先从极星4开始。该系统利用车辆前置摄像头和AI技术,分析车道标线和路标,为驾驶者提供更精确的车道指引和视听提示。该功能将在未来几个月内在美国和瑞典的极星4车型上推出,目前仅支持高速公路使用。
加州大学圣克鲁兹分校联合英伟达等机构开发出世界首个医学离散扩散模型MeDiM,实现了医学影像与报告的双向生成。该系统能根据临床报告生成对应影像,也能看图写报告,甚至可同时生成匹配的影像-报告对。在多项评估中表现优异,为医学教育、临床研究和辅助诊疗提供了强有力的AI工具。