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
VSCO今日更新VSCO Capture应用,新增视频拍摄功能。用户现可在拍摄照片和视频时应用并调整VSCO的50多种滤镜预设,包括经典胶片到现代创作风格。新版本还推出胶片颗粒滤镜,可动态控制纹理强度、大小和色彩。用户能将颗粒滤镜叠加到Film X滤镜上,结合柯达、富士和爱克发胶片风格,保存个性化胶片配方。
瑞士ETH苏黎世联邦理工学院等机构联合开发的WUSH技术,首次从数学理论层面推导出AI大模型量化压缩的最优解。该技术能根据数据特征自适应调整压缩策略,相比传统方法减少60-70%的压缩损失,实现接近零损失的模型压缩,为大模型在普通设备上的高效部署开辟了新路径。
Instagram负责人Adam Mosseri表示,AI生成内容已经占据社交媒体主导地位,预计将超越非AI内容。他认为识别AI内容的技术效果不佳,建议转而为真实媒体建立指纹识别系统,由相机制造商在拍摄时进行加密签名。Mosseri还指出,创作者应优先发布"不完美"的原始图像来证明真实性,因为精美方形图片的时代已经结束。
弗吉尼亚大学团队创建了Refer360数据集,这是首个大规模记录真实环境中人机多模态交互的数据库,涵盖室内外场景,包含1400万交互样本。同时开发的MuRes智能模块能让机器人像人类一样理解语言、手势和眼神的组合信息,显著提升了现有AI模型的理解准确度,为未来智能机器人的广泛应用奠定了重要基础。