人工智能這塊兒發展那可是嗖嗖滴快，不過它帶來的一個問題咱也不能忽視——那就是能源。現在這人工智能越整越高級，用的電那是噌噌往上漲，把咱現有的電力系統都壓得夠嗆。

就拿那個OpenAI家的ChatGPT來說吧，一天就能造掉超過50萬千瓦時的電，就爲了給那約摸兩億個用戶的請求忙活，這電耗抵得上美國一般人家用電的1.7萬多倍！要是生成式AI再這麽廣泛推廣開去，電費賬單估計能嚇人一跳。

老黃仁勳在斯坦福大學那講話說得明白，“AI走到最後還得靠光伏和儲能扛大旗！光琢磨著怎麽提高運算能力不行，照這麽搞下去，光計算機就得耗掉14個地球的能量。以後的超級AI啊，那簡直就是個填不滿的電老虎窩。”

OpenAI的老總薩姆·奧爾特曼也發話了，說下一輪的生成型人工智能系統耗電量絕對是要超乎想象，到時候能源系統怕是接不住招。

馬斯克那邊也多次提到，這技術革命加上AI的發展，對能源的需求眼瞅著就要翻天覆地，特別是那些數據中心、大規模計算和智能電網這些地方，對電力的壓力大得不是一星半點兒。

周鴻祎那頭呢，也說了不止一次，人工智能最頭疼的就是能源問題，這是阻礙它長遠發展的老大難。

Huggingface 自家的 BLOOM 大模型，有 1760 億參數，光是前期訓練它，就得花掉 43.3 萬度電，我換算了下，相當于國內 117 個家庭一年用掉的電量。

和它參數量相當的 GPT-3 ，耗電量就更不受控制，同樣是前期訓練，就要用掉128.7 萬度電，足足是前者的三倍。

甚至有人做過這樣一個類比， OpenAI 每訓練一次，就相當于 3000 輛特斯拉同時跑 32 公裏。。。

這還只是 AI 前期訓練用的電，在後期使用過程中累積的耗電量才是大頭。一般來說，訓練就是不斷調整參數、重複訓練，最後得到一個使用體驗最好的模型，整個過程是有限度的。後期的推理過程就不一樣了，比如我們用 ChatGPT ，每問一次問題都相當于是一次推理請求。現在 ChatGPT 的月活用戶早已經破億，它每天推理的頻次的飙升可想而知。更具體一點，拿自動駕駛來說，前期訓練花費的能耗成本就只有兩三成，剩下的七八成都是後期的推理消耗的。

《晚點 LatePost 》之前也拿 ChatGPT 做了這麽一個測算，按日均最高訪問量 2.7 億次來計算，假設每個人每次訪問會問五個問題，一整個月下來光是推理消耗的電量就是 1872 萬度。

總的來講， AI 這幾年來消耗的電力正在以指數級別增長，然而現在全球發電已經差不多已經趨于平緩。

照這個態勢發展下去，估計再過幾十年，光是 AI 的耗電量，就足以導致全球用電荒了。。。

來自 AMD ，紅色表示 AI 能耗，綠色表示現有能源

而之所以這麽耗電，一方面和近幾年來 AI 圈子內部搞起的軍備競賽不無關系。

國外在 OpenAI 之後，谷歌、 Meta 自家大模型的研發叠代也沒停過。

國內卷得就更厲害，百度的文心一言、阿裏的通義千問、騰訊的混元等等等等，參數一個賽一個高，這還只是大廠們的賽道，一些大模型初創企業更是海了去了。

另一方面， AI 用掉這麽多電，和它背後數據中心不無關系。

在數據中心，用電最多的地方就是 AI 服務器，因爲要有大規模的計算，普通的服務器根本就不夠用，還得用專屬的 AI 服務器。

然鵝 AI 服務器，光是功率就比普通服務器高出了六七倍，普通服務器一般只需要兩個 800W~1200W 的電源， AI 服務器，則要 4 顆 1800W 的高功率電源。

emmm 這不耗電都說不過去。。。

AI 的耗電，當然卷大模型的廠商比我們清楚得多，畢竟在他們那裏可是真金白銀的電費嘩嘩往外流。。。

所以在解決 AI 能耗的問題上，業內也是使出了渾身解數。

第一個辦法是想辦法提高 AI 芯片性能，性能上去了，耗電自然而然也就下去了。

另外一個辦法就簡單粗暴了，既然耗電多導致電費高，那找個更便宜的能源不就行了。

就比如國內目前就在搞 “ 東數西算 ” 的工程，在西部清潔能源豐富的地區建立數據中心，用來處理東部的數據。

並且東部地區數據中心密集，工商業的平均電價大概在 0.676 元 / 度，而西部地區平均電價在 0.541 元 / 度，錢不就這麽省下來了麽。

總結起來就是一句話，人工智能要想真正跑到終點，能源自給自足那是關鍵。所以啊，早點兒在能源這盤棋上下功夫，那才是在掌控未來的科技命脈。太陽能、儲能還有核聚變這些清潔又高效的能源技術，那都是給人工智能解渴的救命水。另外，提高能源使用效率，別亂糟蹋電，這也是解決問題的一個重要法子。

像 OpenAI 和微軟都先後投資了核能發電，不過不是傳統的核裂變發電方式，而是還在實驗室階段的核聚變。早在 2015 年， OpenAI CEO 奧特曼就對核聚變發電感興趣了，向一家核聚變初創企業 Helion 投資了 950 萬美金， 2021 年，又給它豪擲了 3.75 億美元。

緊接著在今年 5 月份，在核聚變發電站還沒著落的時候，微軟就和 Helion 簽訂了購電協議，說要在 2030 年前實現負碳目標。

世超倒真有點好奇，這個 Helion 到底有什麽魔力，在八字還沒一撇的時候，讓 OpenAI 和微軟先後都在它身上下這麽大的注。

不過這事吧，從它給微軟的的承諾中就能窺探出一二。Helion 在那份購電協議中表示， 2028 年前上線的核聚變裝置，在一年內會把發電功率提升到 50 兆瓦以上。什麽概念？相當于撐起 40000 戶家庭的供電。更重要的是，買核聚變發出來的電，還賊拉便宜，折合成人民幣相當于 7 分錢一度電，這誘惑誰擋得住啊。微軟也沒把所有雞蛋放在一個籃子裏，在下注核聚變發電的同時，他還看好了近幾年發展起來的小型核反應堆（ SMR ）。不久前，微軟發了個招聘通知，說要找個 “ 核技術首席項目經理 ” ，來管SMR 這塊的工作。

和傳統核電的大型反應堆比，理論上 SMR 這玩意兒體積更小，甚至可以在工廠裏批量生産。發電功率也是傳統反應堆的三倍，並且 SMR 也不用擔心損壞時釋放放射性元素，因爲它能在第一時間自動關閉系統。同時 SMR 也更省錢，平均每 1000 度電下來就能省將近 100 美元。。。

當然，這些東西目前還是八字沒那一撇， AI 耗電猛的現狀，短時間內也很難會得到改變。各種核聚變項目，世超也不好說它們到底能不能成。但 AI 的發展，說不定會給核能來一記大助攻。

再說到咱國內的AIGC（人工智能生成內容）市場，那可是熱火朝天，資本家們都搶著投。雖然多數投資者還在邊兒上瞅著，但到了2023年融資規模肯定要往上躥一大截。等底層的大模型全都放開，商業價值一驗明正身，估摸著2024年這人工智能和大數據産業的融資能來個指數級的增長，投資範圍會覆蓋全鏈條。

不過呐，這中國的AIGC市場還沒形成啥壟斷局面，競爭那叫一個激烈。按人工智能專利數掰扯，截止到2023年5月，排在前頭的四家公司市場份額也就剛摸到20%左右，前八名加一起也就占了大概25%，市場集中度那是真不高。爲啥呢？一是這AI技術更新太快，誰也不敢說自己能一直領先；二是這行細分領域太多，大部分還都在起步階段，發展空間大得沒邊兒。

再說這大型虛擬世界跟人工智能的關系，那真是密不可分。虛擬世界的建設靠著遊戲引擎、3D技術，再加上人工智能和大數據的支持，能給AI創造一個既安全、可靠又省錢省事、反複試驗的絕佳環境。將來啊，大型虛擬世界絕對是人工智能和大數據産業發展的重要舞台。

至于英偉達這公司，那在人工智能界可是舉足輕重的角色，它的産品給那些大廠比如亞馬遜、Meta、微軟他們提供了訓練生成式AI所需的強大算力。黃仁勳大佬說了，咱們現在已經跨入生成式AI的新紀元了。

Numenta公司的蘇布泰·艾哈邁德也感歎，這一年變化忒快，ChatGPT一出世，人工智能一下就成了焦點，但這還只是個開頭。他們跟那些實際應用LLM模型的公司合作發現，未來想要消除人工智能應用和炒作之間的距離，得有簡單好用、容易擴展、經濟實惠的方案，而且能讓公司牢牢把握住自己的數據和模型。

信達證券的研究報告也提到了，生成式AI這玩意兒啊，能大大推動影視産業的各個環節，像劇本創作、特效制作、視頻剪輯什麽的都能用上。短期內，AI雖還沒達到能全程包辦影視作品的程度，但它妥妥的是幫影視行業降低成本、提高效率的好助手；長期看，隨著AI+視頻技術繼續升級，類似Pika、Runway這類文轉視頻産品的叠代，影視創作者的工作效率那將會大大提高。總之，無論是數據還是實踐，都顯示人工智能和能源、影視等多個領域的深度融合正在發生深刻變革。

甯德時代作爲中國乃至全球領先的電池制造商，在儲能領域具備深厚的技術積累和産能優勢。面對AI産業對儲能的巨大需求，甯德時代和其他類似的中國企業迎來了曆史性的發展機遇，它們可以通過研發更高能量密度、更長壽命、更快充放電速度的電池技術，以及拓展包括但不限于液流電池、固態電池在內的多元儲能解決方案，來滿足不斷增長的市場需求。

同時，在全球範圍內，綠色燃料、儲能設施、固態電池、風能以及其他各種新能源産業，在政策引導和技術進步的雙重驅動下，不僅有利于環境保護和碳排放目標的實現，也將迎來一輪新的發展高潮和修複期，這對于産業鏈上下遊的企業都是一個戰略性的窗口期，可以預見這些領域在未來幾年內會有顯著的增長和創新突破。