阿特曼提出：AI未來的發展將與能源創新正向相關，值得關注

關鍵字：()；()；()；()；()；()；()()；

瀏覽次數：599｜歡迎推文：

科技產業資訊室(iKnow) - 茋郁發表於 2025年7月1日

圖、阿特曼提出：AI未來的發展將與能源創新正向相關，值得關注

阿特曼闡明了AI發展極限的真相，即是「AI的成本將與能源成本趨同。」簡單來說，AI革命必須伴隨著能源革命，才能真正實踐AI。

AI通常被認為是一種純粹的數位現象，在程式碼和演算法的無形領域中無縫運作。然而，在生成的每張圖片、產生的每個回應背後，都隱藏著顯著且可衡量的能源成本。AI技術依賴礦物、晶片、半導體和數據中心，且技術需要能源來驅動，並需要開採稀缺的礦物來建造它。因此，當人們思考如何加速技術發展時，這不僅是AI晶片運算方面的挑戰，更是基礎設施和生態的挑戰。

隨著AI製造流程日益自動化和優化，硬體生產的可變成本將穩步下降。唯一不變的是運算本身的物理特性，也就是驅動這些系統所需的能量。在成熟的AI經濟中，AI的邊際成本將接近電力的邊際成本。這使得能源創新與AI能力之間建立了直接的聯繫。因此，擁有充足、可靠且價格合理的能源，將是一個國家在AI獲得決定性優勢的關鍵。

阿特曼建議，美國必須採取兩種方法來建構節能高效的AI基礎設施並引領全球AI競賽：大規模測量AI排放，並將能源政策和AI政策視為相互交織而非各自獨立的利益。

碳足跡是量化AI系統未來真實成本最全面的指標。例如：在OpenAI發布其影像生成工具後的第一周，用戶創建了7億張影像。每張影像耗電量約7瓦小時。總計超過5百萬千瓦小時，大致相當於2.4萬個美國家庭一週的用電量。

透過為當今的AI營運實施碳核算和報告框架，企業和政府可以建立必要的測量基礎設施，以推動有意義的最佳化。這些指標不僅提供了必要的可視性，可以了解能源的消耗位置，還可以了解能源在模型訓練、推理和支援基礎設施中的利用效率。

阿特曼舉例，一家大型廣告公司轉向AI時，其從CPU遷移到GPU後，測量結果顯示碳排放量減少了62%，用水量減少了55%。也就是說，透過精確測量和有針對性的基礎設施改造，實現了顯著的效率提升。

當今投資AI基礎設施的企業和政府，也必須投資於能夠為子孫後代持續創新的方式。隨著雄心勃勃的AI專案落地生根，只能增強創新能力，以支持最高效的模型。因此，AI霸權之爭最終可能演變為能源霸權之爭，其中最重要的突破並非來自矽谷的軟體工程師，而是來自更永續地利用AI方面所能取得的創新。

阿特曼表示，雖然向再生能源轉型對於永續的AI發展至關重要，但要擴大再生能源基礎設施以滿足AI指數級增長的需求，需要數十年的協調投資和政策調整。美國根本等不起那麼久，這也將給全球其他國家思考能源政策的最佳時刻了。(1013字；圖1)

參考資料：
The AI Revolution Needs an Energy Revolution. Times. 2025/06/17.

歡迎來粉絲團按讚！

--------------------------------------------------------------------------------------------------------------------------------------------