︿
Top

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

瀏覽次數:359| 歡迎推文: facebook twitter wechat Linked

科技產業資訊室(iKnow) - 茋郁 發表於 2025年7月1日
facebook twitter wechat twitter

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!
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述,僅為提供更多訊息,也不構成任何投資建議。
2.著作權所有,非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載,本中心保留一切法律追訴權利。