必威最近，在AI领域，微软搞了个大动作，他们打算用核能来给他们的AI项目供电。
据《华尔街日报》报道，微软正在计划利用下一代核反应堆，即所谓的小型模块化反应堆（SMR），来支持其数据中心和AI项目。
不过，现实情况却是，随着核电站的关闭速度超过新建速度，全球核电产量继续下滑。
而且由于政治、监管和经济等一系列原因，目前还没有一个西方国家开始建造SMR。
在这种情况下，微软决定当第一个“吃螃蟹”的人，也是为了保住自身在AI领域的龙头地位。
在最近 OpenAI的CEO 萨姆·奥特曼公布的2024年计划表中。人们赫然发现了GPT-5的字样。
先是 Huggingface 自家的 BLOOM 大模型，有 1760 亿参数，光是前期训练它，就得花掉 43.3 万度电。这相当于大约2082个中国家庭（而且还是三口之家）一个月的用电量。
而最近发表在《焦耳》杂志上的一项研究表明，到2027年，生成式人工智能所消耗的能源能为荷兰大小的国家提供一年的电力，相当于约85-134太瓦时（TWh）。
这就引发了一个关键的问题：要想真正实现AGI（通用人工智能），人类在能源方面，究竟要付出多大的代价？
过去一百年里，全球电动机消耗掉的电量就占到了总发电量的一半，而现在的大模型就相当于新时代的电机。
研究机构New Street Research估计必威，仅在AI方面，谷歌就需要大约40万台服务器，每天消耗62.4吉瓦时，每年消耗22.8太瓦时的能源。
而立陶宛或斯洛文尼亚这样的小国，全年的用电总量也不过在10+太瓦时左右。
也就是说，仅谷歌在AI方面的用电量，就毫无压力地碾压了两个人口数百万的小国……
而AI大模型之所以如此耗电，一个重要的原因，就是其必须从大量数据中“学习”和提取深层次的规律或知识。
AI模型训练，就像是在教电脑学会理解和处理非常复杂的问题，比如学会一种新语言、识别成千上万张图片里的物体，或者预测天气变化。要做到这一点，大模型需要通过查看和分析成千上万甚至上亿的例子（数据）来“学习”。
由于无法像人脑一样“举一反三”，这样的计算，往往需要涉及到模型内部的数十亿甚至数千亿的参数。
打个比方，这就好像参加一场复杂的数学考试必威，人脑仅需一本教材，消耗一个肉包子，就能考60分，而AI可能要啃1亿本教材，耗费上万度电，才能勉强接近人类的水准。
而为了追求更强大的性能，以现阶段的技术路径，人们往往只能持续不断增大模型的参数。例如之前的GPT-3.5是1750亿，GPT-4为1.8 万亿，而去年11月，亚马逊发布的全新大模型Olympus，参数更是达到了2万亿。
随着模型的复杂度和规模不断增长，AI对算力的需求也在迅速增加。而用于训练的GPU，也会随之遇到性能瓶颈，从而达到其能效的物理极限，导致功耗显著增加。
而所谓“能效的物理极限”，指的是GPU在每消耗一定量的电能时，能够完成的最大计算量。
这就像是一辆汽车在每公升油能行驶的最远距离。当GPU接近或达到这个极限时，要想进行更多的计算，它们就需要更多的电力。
这就像是一台已经非常节油的汽车，要增加行驶距离，就必须加更多的油（电力）。以目前的AI服务器DGX A100为例，其搭载的8颗A100 80GB GPU，最大系统功耗达到了6500W。
芯片研究公司SemiAnalysis研究报告称，使用大模型进行问题搜索所消耗的能源是常规关键词搜索的10倍。
倘若标准Google搜索消耗0.3瓦时的电量，而与大模型每次互动的耗电量为3瓦时。如果人们每次在谷歌搜索都使用AI工具，每年大约需要29.2太瓦时的电力。
这些炸裂的数据，也让人想到了一个细思极恐的事实，那就是：倘若目前仅一万多亿参数的GPT-4这类模型，耗电量就如此可怕，那将来更强大的GPT-5，或是其他更先进的模型，耗电量又会是什么地步？
一个可以预见的事实是：只要目前的大模型，继续沿着“参数越大，能力越大”的技术方向走下去，那么下一代更强的通用模型，在能耗上必然是倍增的。
微软打算建造的这个小型核反应堆（SMR），也可以被看做大号的“核电池”，使用的还是核裂变技术，每台SMR反应堆发电装机容量不超过300兆瓦，不到传统核反应堆装机容量的三分之一。
目前整个美国只有 NuScale Power一家公司拿到了SMR的监管批文。
而光是为了拿批文，NuScale在整个审批过程就花费了超过5亿美元必威，总共提交了1.2万页的申请表，相关的文件、材料则超过200万页……
首先一点，就是之前提到的大模型“参数越大，能力越大”的桎梏。在这样的技术路径下，模型性能每提升一个层次，其参数和消耗的电能，也会随之倍增。
咨询机构Tirias Research曾预测，到了2028年，数据中心功耗将接近4250兆瓦，比2023年增加212倍，数据中心基础设施加上运营成本总额或超760亿美元。
于是，在这种电力和模型功耗“你追我赶”的趋势下，化石燃料的成本、能量密度的瓶颈很快就会显现。
而SMR的出现，则为这种看似无止境的“追赶游戏”，画上了一个暂时的休止符。
因为与传统的化石燃料相比，甚至与一般的大型核电站相比，SMR最大的优势之一，就是无需频繁地更换燃料。
与传统核电厂1~2年换料周期相比，基于SMR的发电厂换料频率低，可以每3~7年进行一次燃料更换。甚至一些SMR设计可在不更换燃料的情况下运行长达30年。
而SMR之所以那么“耐用”，主要是因为SMR通常使用更高富集度的低浓缩铀（LEU）燃料。这意味着燃料中铀-235的百分比高于传统的核电站使用的LEU。高富集度的燃料可以提供更高的能量密度，从而延长燃料循环的长度。
而相较之下，大型核电站的核心设计和操作参数，通常是基于传统的低富集铀燃料（通常为3%到5% U-235）进行优化的。这些设计限制决定了大型核电站的燃料循环效率。
正是这样“干得多，吃得少”的特点，让SMR在长期运营的过程中，拉开了与化石燃料的成本差距。
除了长期成本的考虑外，微软选择SMR，也是在美国能源大战略下的一种决定。
当前，拜登政府将能源战略重点放在了清洁能源革命上。2021年11月，拜登推动国会两院通过《基础设施投资和就业法案》，向能源领域投资约620亿美元。目标是在2035年前实现美国的无碳电力。
实际上，在当前碳中和和全球能源转型的大背景下，可再生能源与化石燃料之争，已经不仅仅是一种成本、效率的问题，而是意味着世界工业又进入了大变革时期。
纵观工业革命的历史，这类变化不仅会带来海量“发财”的机会，也会在某种程度上重塑世界权力的格局。
毕竟，在第二次工业革命时，美国正是在内燃机的发明和汽车的普及的背景下，因其在石油生产和加工方面的领先地位，一跃成为了工业强国。
而在现在这个能源转型的路口，美国为在清洁能源领域确立自身的优势，也开始出台各种政策，扶持可再生能源，抑制碳排放。
例如在碳税方面，参议员怀特·豪斯在2021年提出了《清洁竞争法案》（Clean Competition Act，简称CCA）。
从2024年开始，不论是美国产品还是进口产品，如果碳含量超过基准线美元/吨的碳税，这个碳税标准每年上浮5%。
官方微信
官方微博
