1.21 知識(shí)分子 The Intellectual 導(dǎo) 讀
《科學(xué)四十人》系列座談（左起，楊富強(qiáng)、李勇、陳云霽、丁肇豪、張永平） 無(wú)論是否支持人工智能（AI）的發(fā)展，我們都難以忽視一個(gè)重要的問(wèn)題，那就是AI的能耗。 關(guān)于AI的能耗，一篇廣為流傳的報(bào)道稱，ChatGPT 每日耗電量或超 50 萬(wàn)千瓦時(shí)，相當(dāng)于1.7萬(wàn)個(gè)美國(guó)家庭的能耗。還有研究估算，在最糟糕的場(chǎng)景下，未來(lái)谷歌AI的能耗將與像愛(ài)爾蘭這樣的國(guó)家相當(dāng)。然而另一方面，也有觀點(diǎn)認(rèn)為媒體和大眾選擇性關(guān)注估算結(jié)論較為夸張的研究，并將對(duì)AI能耗的擔(dān)憂視為社會(huì)對(duì)新技術(shù)慣有的反應(yīng)。 人工智能日新月異、能源領(lǐng)域錯(cuò)綜復(fù)雜，二者關(guān)系的都是人類未來(lái)。大模型的高速發(fā)展對(duì)電力系統(tǒng)的沖擊究竟有多大？大模型時(shí)代，如何提升AI系統(tǒng)的能效？AI基礎(chǔ)設(shè)施和電力基礎(chǔ)設(shè)施有哪些需要協(xié)調(diào)的地方？具體面臨哪些挑戰(zhàn)？ 圍繞這些問(wèn)題，《知識(shí)分子·科學(xué)四十人》系列座談邀請(qǐng)到清華大學(xué)電子工程系教授、城市科學(xué)與計(jì)算研究中心負(fù)責(zé)人李勇，中國(guó)科學(xué)院計(jì)算技術(shù)研究所副所長(zhǎng)、處理器芯片全國(guó)重點(diǎn)實(shí)驗(yàn)室主任陳云霽，華北電力大學(xué)電氣與電子工程學(xué)院教授丁肇豪，能源基金會(huì)清潔電力項(xiàng)目主任張永平參與討論，主持人為北京大學(xué)氣候變化與能源轉(zhuǎn)型項(xiàng)目高級(jí)顧問(wèn)楊富強(qiáng)。威廉與佛洛拉·休利特基金會(huì)Edit Ruano致辭。 以下為論壇實(shí)錄。 ● ● ● 楊富強(qiáng)：今天我們探討人工智能（AI）與能源之間的關(guān)系。AI這個(gè)概念對(duì)大家來(lái)說(shuō)已經(jīng)耳熟能詳，我們幾乎每天都在討論。然而，要深入全面理解AI，可能許多人還難以做到。我們有幸邀請(qǐng)到了四位專家，他們將為我們闡釋AI與能源之間的聯(lián)系。我們相信，AI不僅會(huì)推動(dòng)工業(yè)革命，還會(huì)對(duì)能源革命、經(jīng)濟(jì)發(fā)展、政治和文化等多個(gè)領(lǐng)域產(chǎn)生深遠(yuǎn)的影響。這既是一個(gè)巨大的挑戰(zhàn)，也是一個(gè)巨大的機(jī)遇。 今天我們將討論的焦點(diǎn)放在能源與AI的結(jié)合上，探討AI能為能源行業(yè)帶來(lái)什么，以及能源如何反過(guò)來(lái)促進(jìn)AI的發(fā)展。先請(qǐng)各位嘉賓介紹一下各自研究應(yīng)用。
北京大學(xué)氣候變化與能源轉(zhuǎn)型項(xiàng)目高級(jí)顧問(wèn)楊富強(qiáng) 李勇：我來(lái)自清華大學(xué)電子工程系，我們系在電子芯片算力等領(lǐng)域有著深厚的基礎(chǔ)，研究工作涵蓋了從芯片架構(gòu)設(shè)計(jì)到電子光子基本原理，再到工藝流程等多個(gè)層面。在人工智能迅速發(fā)展的今天，這些研究方向顯得尤為重要。 雖然我在電子工程系工作，但我的研究并不涉及芯片硬件，而是聚焦于如何有效利用芯片算力。過(guò)去十多年的研究，我逐漸將研究重點(diǎn)放在了城市領(lǐng)域，因?yàn)槌鞘惺且粋€(gè)數(shù)據(jù)的寶庫(kù)，擁有大量的視頻和其他模態(tài)數(shù)據(jù)。王堅(jiān)院士曾提出，城市可能是世界上最“吃”算力的地方。因此，我選擇城市科學(xué)與計(jì)算作為我的研究方向。為此，我們系成立了城市科學(xué)計(jì)算研究中心，專注于處理和分析城市數(shù)據(jù)，以期實(shí)現(xiàn)城市智能化。 目前，城市發(fā)展正面臨兩個(gè)重要機(jī)遇：智能化和能源轉(zhuǎn)型。智能化是我所在的研究所的主要研究領(lǐng)域，而能源領(lǐng)域則對(duì)城市變革產(chǎn)生深遠(yuǎn)影響。隨著清潔能源在能源結(jié)構(gòu)中所占比例的增加，它已成為全球?qū)崿F(xiàn)碳中和目標(biāo)的關(guān)鍵路徑。 從信息的角度來(lái)看，物理世界的構(gòu)成包括時(shí)間、空間、物質(zhì)、能量和信息。能量與信息之間的轉(zhuǎn)換關(guān)系與我們今天討論的能源和智能緊密相關(guān)。因此，在進(jìn)行產(chǎn)業(yè)轉(zhuǎn)換時(shí)，我們考慮的是如何利用智能技術(shù)幫助能源行業(yè)更有效地利用能源?；谶@一理念，我們也孵化了一家名為清鵬智能的產(chǎn)業(yè)公司，主要關(guān)注如何運(yùn)用人工智能技術(shù)，將清潔能源與現(xiàn)有的電能、水能等主流能源形式整合，形成一個(gè)統(tǒng)一的能源系統(tǒng)。
清華大學(xué)電子工程系教授、城市科學(xué)與計(jì)算研究中心負(fù)責(zé)人李勇 陳云霽：今天討論的兩個(gè)主題——電力能源和電子層面的芯片——實(shí)際上和我的前半生、后半生似乎有著緊密的聯(lián)系。我的父親曾在江西省電力局下屬的事業(yè)單位江西電力試驗(yàn)研究所工作，現(xiàn)在這個(gè)單位叫江西省電科院。我從出生直到上大學(xué)之前，都生活在江西省電力局的院子里。 小時(shí)候，我爸常帶我去電廠，有時(shí)我們會(huì)在那里住上兩周。我一直認(rèn)為電廠是人類歷史上最偉大的創(chuàng)造之一。作為能源的中心，電廠也可以被看成是世界的中心。就像心臟通過(guò)血管將能量送往人的全身，電廠通過(guò)鐵塔將能源輸送到世界各地四面八方。 雖然沒(méi)有機(jī)會(huì)從事電力行業(yè)，但我從2002年開(kāi)始涉足了一個(gè)與電力有一點(diǎn)點(diǎn)關(guān)聯(lián)的研究領(lǐng)域：如何減少芯片耗電量。包括后來(lái)我們開(kāi)發(fā)了國(guó)際上首個(gè)專門用于深度學(xué)習(xí)的處理器芯片，初衷就是尋找更節(jié)能的方式來(lái)執(zhí)行深度學(xué)習(xí)任務(wù)。從那時(shí)起過(guò)去了二十多年，包括芯片設(shè)計(jì)、計(jì)算機(jī)科學(xué)、電子工程和算法研究等多個(gè)領(lǐng)域的專家共同努力，今天的芯片在處理神經(jīng)網(wǎng)絡(luò)操作時(shí)所需的能耗已經(jīng)降低了100倍甚至更多。然而，隨著大型模型的出現(xiàn)，對(duì)算力的需求增長(zhǎng)速度遠(yuǎn)遠(yuǎn)超過(guò)了我們降低能耗的速度。
中國(guó)科學(xué)院計(jì)算技術(shù)研究所副所長(zhǎng)、處理器芯片全國(guó)重點(diǎn)實(shí)驗(yàn)室主任陳云霽 丁肇豪：我所在的單位是華北電力大學(xué)新能源電力系統(tǒng)全國(guó)重點(diǎn)實(shí)驗(yàn)室，主要研究的是新能源為主體的新型電力系統(tǒng)。我的工作主要是從電力系統(tǒng)的角度出發(fā)，探討算力基礎(chǔ)設(shè)施與電力系統(tǒng)之間的關(guān)系，我們將其總結(jié)為“算電協(xié)同”。2017年我們就開(kāi)始討論這個(gè)概念，那么具體是如何協(xié)同的呢？ 我的工作分為兩個(gè)方面。從算力角度來(lái)看，我們研究如何讓算力基礎(chǔ)設(shè)施，也就是AI的基礎(chǔ)，更多地利用新能源，尤其是那些波動(dòng)性的可再生能源。簡(jiǎn)單來(lái)說(shuō)，我們探討的是如何讓一些可以中斷或者可以改變地理位置的算力任務(wù)，根據(jù)新能源的時(shí)間和空間分布調(diào)整，從而更多地使用新能源。這相當(dāng)于重新塑造算力負(fù)載的時(shí)空布局，使其能夠更好地利用新能源。 從電力系統(tǒng)的角度來(lái)看，隨著AI技術(shù)的發(fā)展，其電力負(fù)荷可能會(huì)占據(jù)全社會(huì)負(fù)荷中的很大比例。那么，電力系統(tǒng)需要靈活性和調(diào)節(jié)能力，讓這些AI基礎(chǔ)設(shè)施的電力負(fù)荷跟隨電力系統(tǒng)的需要而調(diào)整。比如一天之中，電力系統(tǒng)需要調(diào)峰、調(diào)頻。我們的工作是讓算力基礎(chǔ)設(shè)施通過(guò)調(diào)整計(jì)算任務(wù)來(lái)改變它們的電力負(fù)荷特性，將這些原本可能給電力系統(tǒng)平衡帶來(lái)挑戰(zhàn)的AI負(fù)荷，轉(zhuǎn)變?yōu)閷?duì)電力系統(tǒng)平衡產(chǎn)生積極支撐作用的靈活負(fù)荷。
華北電力大學(xué)電氣與電子工程學(xué)院教授丁肇豪 張永平：我的專業(yè)背景是電力系統(tǒng)，讀書(shū)時(shí)在電機(jī)系學(xué)習(xí)。與電子系、計(jì)算機(jī)系和自動(dòng)化系這些所謂的弱電專業(yè)有所不同，我們專注于強(qiáng)電領(lǐng)域。當(dāng)時(shí)計(jì)算機(jī)、電子這些專業(yè)是熱門專業(yè)，我們常開(kāi)玩笑說(shuō)，你們?cè)僭趺窗l(fā)展，只要我們把電斷了，你們啥也干不了。畢業(yè)后，我一直在電力系統(tǒng)和電力市場(chǎng)領(lǐng)域工作。 我在能源基金會(huì)工作負(fù)責(zé)清潔電力項(xiàng)目。我們的使命是推動(dòng)可再生能源的發(fā)展，以取代化石能源，以應(yīng)對(duì)氣候危機(jī)。這是一個(gè)復(fù)雜的挑戰(zhàn)，不僅僅是建造風(fēng)電場(chǎng)和光伏電站，然后關(guān)閉煤電廠那么簡(jiǎn)單。首先，我們需要關(guān)注中國(guó)電力系統(tǒng)需求的變化，尤其是電力負(fù)荷的增長(zhǎng)，每年以5-10%的速度快速增長(zhǎng)。數(shù)據(jù)中心目前已經(jīng)占到2-3%的用電量，而AI智算中心用電增長(zhǎng)可能更快。 這不僅是用電量的問(wèn)題，更重要的是用電的負(fù)荷特性。數(shù)據(jù)中心的用電曲線相對(duì)平穩(wěn)，這對(duì)電力系統(tǒng)來(lái)說(shuō)是理想的，而且傳統(tǒng)的火電等電源相對(duì)容易調(diào)節(jié)，去滿足數(shù)據(jù)中心的用電需求。但我們希望使用波動(dòng)性的可再生能源，如風(fēng)能和太陽(yáng)能，來(lái)滿足未來(lái)數(shù)據(jù)中心的能源需求，這就帶來(lái)了挑戰(zhàn)：如果用電需求不能調(diào)節(jié)，而供給又是波動(dòng)的，我們?cè)撛趺崔k？我們正在研究如何利用波動(dòng)性的可再生能源滿足不同類型的用電需求，特別是數(shù)據(jù)中心的需求；探討是否能夠讓數(shù)據(jù)中心的用電也變得可調(diào)，這是個(gè)有趣的話題。
能源基金會(huì)清潔電力項(xiàng)目主任張永平 AI能耗是一種真實(shí)的“威脅”嗎？ 楊富強(qiáng)：國(guó)際能源署（IEA）最近發(fā)布了2024版的全球電力報(bào)告，發(fā)現(xiàn)2022年的全球數(shù)據(jù)中心和人工智能大約消耗了全球總用電量的1.6%，而且增長(zhǎng)迅速。各位老師怎么看，將來(lái)會(huì)如何？ 陳云霽：我先分享一個(gè)的觀點(diǎn)，這個(gè)觀點(diǎn)是從科學(xué)院的于海斌院士那里聽(tīng)來(lái)的。他提出了一個(gè)關(guān)于當(dāng)前人工智能領(lǐng)域的不等式，就是從重要性來(lái)說(shuō)，AI殺手級(jí)應(yīng)用大于大模型，大模型大于算力，算力又大于電力。這個(gè)不等式反映了人工智能的現(xiàn)狀。 盡管AI很熱，已經(jīng)能幫我們改個(gè)稿子，但在實(shí)體空間中，尤其是在工業(yè)、生產(chǎn)和生活服務(wù)等領(lǐng)域，我們對(duì)于真正殺手級(jí)的應(yīng)用還是非常非常迫切需要的。所以應(yīng)用的重要性最高，同時(shí)也是最缺乏的。接下來(lái)是大模型。然后是芯片。最后是電力。今天我們還沒(méi)有聽(tīng)說(shuō)過(guò)有哪個(gè)很好的大模型應(yīng)用因?yàn)殡娏Σ蛔愣P(guān)門不干的。 再過(guò)十年，這種重要性可能會(huì)發(fā)生逆轉(zhuǎn)。我們可以預(yù)見(jiàn)，十年后，人工智能深入到實(shí)體經(jīng)濟(jì)和我們生活的各個(gè)角落，殺手級(jí)應(yīng)用非常普遍。隨著應(yīng)用數(shù)量的增長(zhǎng)，對(duì)電力的需求將遠(yuǎn)遠(yuǎn)超過(guò)現(xiàn)在。人工智能應(yīng)用目前主要局限于數(shù)字空間，但如果它們進(jìn)一步滲透到工廠、家庭、醫(yī)療和農(nóng)業(yè)等社會(huì)各個(gè)方面，電力消耗的占比可能不再是1.6%，而是16%甚至更多。到那時(shí)，重要性的順序可能會(huì)顛倒過(guò)來(lái)：電力將成為最關(guān)鍵的因素，其次是算力，然后是模型，最后才是應(yīng)用本身。 楊富強(qiáng)：我們經(jīng)常講說(shuō)，AI的盡頭是能源。 陳云霽：當(dāng)然今天AI最重要的還是做出殺手級(jí)的應(yīng)用，但在未來(lái)十年或二十年后，AI的盡頭一定是能源。到那個(gè)時(shí)候，我們可能需要一些調(diào)整，以數(shù)據(jù)中心為例，根據(jù)新能源供應(yīng)來(lái)調(diào)整我們的操作頻率。比如，我們現(xiàn)在使用大模型，提出一個(gè)問(wèn)題，它咔咔咔給我們回一堆。那么，在新能源供應(yīng)充足時(shí)，我們可以讓它更快地響應(yīng)；而在新能源供應(yīng)不足時(shí)，我們可以讓它稍微慢一些。 此外，大模型的使用實(shí)際上分為兩個(gè)階段：訓(xùn)練和推理。訓(xùn)練是將大量數(shù)據(jù)輸入模型，使其變得更加聰明；推理則是我們真正向大模型提問(wèn)，得到答案。 楊富強(qiáng)：現(xiàn)在哪一個(gè)階段更耗電？ 陳云霽：訓(xùn)練現(xiàn)在花的電很多，但是以后推理會(huì)更多。推理對(duì)響應(yīng)時(shí)間的要求是實(shí)時(shí)性的，我們向AI提一個(gè)問(wèn)題，希望它能立即給出答案。相比之下，訓(xùn)練雖然同樣重要，但并不需要馬上完成。OpenAI訓(xùn)練一個(gè)模型可能要花好幾個(gè)月，我們可以在新能源供應(yīng)充足時(shí)多跑一跑。 楊富強(qiáng)：AI的能耗可以隨著可再生能源的供應(yīng)變化而調(diào)整，或者根據(jù)能源供應(yīng)情況來(lái)安排算法的運(yùn)行順序，比如決定何時(shí)進(jìn)行訓(xùn)練。 李勇：目前人工智能技術(shù)的能耗在整個(gè)社會(huì)能源消耗中占比并不大，數(shù)據(jù)中心只占全社會(huì)能源消耗的1-2%。人工智能替我們?nèi)祟惷刻熳龅氖拢策€不到1%。但隨著技術(shù)的進(jìn)步，我們預(yù)計(jì)在未來(lái)十到二十年，這個(gè)比例可能會(huì)提高到40-50%。相應(yīng)地，能源消耗的比重也可能增加到社會(huì)總能源消耗的20-30%。隨著時(shí)間的推移，這個(gè)比例可能會(huì)繼續(xù)增長(zhǎng)。因此，雖然能源問(wèn)題目前尚未成為危機(jī)，但未來(lái)肯定會(huì)成為一個(gè)重大問(wèn)題。我想補(bǔ)充一些證據(jù)來(lái)說(shuō)明我們這個(gè)討論的重要性。 我們剛才提到了一個(gè)關(guān)鍵問(wèn)題，即人工智能中的“能”與能源中的“能”之間的關(guān)系。這種關(guān)系涉及到我們?nèi)绾卧谛酒湍茉唇嵌葘?shí)現(xiàn)節(jié)能。能源角度的“能”是指能量，而人工智能的“智能”實(shí)際上是關(guān)于能力。這對(duì)應(yīng)于物質(zhì)世界構(gòu)成中的兩個(gè)重要概念：能量和信息。人工智能的能力本質(zhì)上是提供信息。為了更好地節(jié)能，我們需要將能量更好地服務(wù)于能力的產(chǎn)生，這就需要打通能量和信息之間的聯(lián)系。 從物理學(xué)的角度來(lái)看，物質(zhì)可以轉(zhuǎn)化為能量，再轉(zhuǎn)化為信息。我們已經(jīng)有一個(gè)完整的體系來(lái)描述時(shí)空、物質(zhì)和能量，但與信息，即與我們今天討論的人工智能能力之間，還存在很大的差距。我們今天討論的話題就是探索信息和能量之間是否可能產(chǎn)生更大的聯(lián)系，形成一個(gè)整體。從物理學(xué)的基本概念來(lái)看，能耗問(wèn)題涉及的是瓦特（功率單位），而人工智能的涉及的是比特（信息單位）。為了實(shí)現(xiàn)節(jié)能，我們需要在這兩個(gè)方向上努力。 “追漲殺跌”？ 在電網(wǎng)最脆弱的時(shí)候，萬(wàn)卡集群不僅救不了它， 反而雪上加霜 丁肇豪：從電力行業(yè)的角度來(lái)看，人工智能和數(shù)據(jù)中心的能耗其實(shí)經(jīng)歷了許多變化。在2022年底ChatGPT出現(xiàn)之前，盡管數(shù)字經(jīng)濟(jì)和人工智能發(fā)展迅速，但在心底里，電力行業(yè)對(duì)數(shù)據(jù)中心帶來(lái)的電力負(fù)荷增長(zhǎng)還是持有相對(duì)平穩(wěn)的觀點(diǎn)。突然，ChatGPT的出現(xiàn)讓人們意識(shí)到這可能是一次改變?nèi)祟惿鐣?huì)的工業(yè)革命。從我們電力人來(lái)看，未來(lái)可能會(huì)出現(xiàn)許多殺手級(jí)應(yīng)用，即使是尚未出現(xiàn)，許多企業(yè)也已經(jīng)開(kāi)始跑馬圈地，為這些潛在的應(yīng)用準(zhǔn)備數(shù)據(jù)中心。 大量的數(shù)據(jù)中心，或者說(shuō)智算中心，開(kāi)始涌現(xiàn)。這對(duì)電力行業(yè)帶來(lái)了顯著的變化。從電力供應(yīng)總量的角度來(lái)看，電力行業(yè)需要調(diào)整電力電量平衡模型。今年夏天，在IEEE電力與能源協(xié)會(huì)年會(huì)（PES GM：IEEE Power & Energy Society General Meeting）上，PJM電力規(guī)劃負(fù)責(zé)人分享了他們的經(jīng)歷。由于PJM涵蓋了美國(guó)主要數(shù)據(jù)中心的富集區(qū)，他們突然發(fā)現(xiàn)需要對(duì)電力規(guī)劃做出重大調(diào)整，因?yàn)樵S多新的數(shù)據(jù)中心需要接入電網(wǎng)，而現(xiàn)有的輸電能力和電能供應(yīng)能力無(wú)法滿足這些新的需求。同樣的問(wèn)題也出現(xiàn)在美國(guó)德州，許多大型數(shù)據(jù)中心希望接入電網(wǎng)，卻發(fā)現(xiàn)電網(wǎng)沒(méi)有預(yù)留足夠的輸電通道能力，也沒(méi)有足夠或穩(wěn)定的電源供應(yīng)。 然而，我想進(jìn)一步討論的是，人工智能的發(fā)展對(duì)電力系統(tǒng)的影響遠(yuǎn)不止于此。在實(shí)時(shí)電力平衡方面，數(shù)據(jù)中心的發(fā)展也產(chǎn)生了重大影響。我舉一個(gè)例子，許多新的數(shù)據(jù)中心規(guī)劃已經(jīng)達(dá)到單個(gè)數(shù)據(jù)中心百兆瓦，甚至超過(guò)百兆瓦的規(guī)模。這些萬(wàn)卡、十萬(wàn)卡集群預(yù)訓(xùn)練時(shí)的功耗非常大。 楊富強(qiáng)：相當(dāng)于一個(gè)中小城市了。 丁肇豪：相當(dāng)于一個(gè)小城市級(jí)別。與其他類型的負(fù)荷相比，數(shù)據(jù)中心的能耗還有一個(gè)顯著特點(diǎn)：比如Meta在訓(xùn)練自己的模型時(shí)可能會(huì)因?yàn)楦鞣N原因暫停多次，每次暫停都可能導(dǎo)致瞬間百兆瓦級(jí)別的電力負(fù)荷波動(dòng)。在配電網(wǎng)層面上，這種波動(dòng)是前所未有的，以前電網(wǎng)并沒(méi)有足夠的能力來(lái)應(yīng)對(duì)這種問(wèn)題，這是一個(gè)全新的挑戰(zhàn)。這種波動(dòng)不僅關(guān)系到電力供應(yīng)是否充足，還可能對(duì)電網(wǎng)安全造成沖擊。再比如，GPU集群有可能不具備電壓/頻率穿越能力，在電網(wǎng)出故障的時(shí)候不僅不能支撐電網(wǎng)，反而可能給電網(wǎng)造成更大的問(wèn)題。 陳云霽：股市里面叫“追漲殺跌”，對(duì)吧？ 丁肇豪：確實(shí)是。這些因素疊加起來(lái)對(duì)我們電力系統(tǒng)的瞬時(shí)平衡產(chǎn)生了重大影響。數(shù)據(jù)中心在增長(zhǎng)，我們電力和能源行業(yè)需要進(jìn)行中長(zhǎng)期的預(yù)測(cè)和規(guī)劃。這涉及到：首先，從總量上評(píng)估，包括電源的供應(yīng)和輸電通道的建設(shè)是否能夠滿足需求；其次，考慮數(shù)據(jù)中心在電力系統(tǒng)中占比增大后對(duì)系統(tǒng)的影響，以及是否擁有足夠多的手段來(lái)平衡。 陳云霽：既然數(shù)據(jù)中心的能耗如此之大，未來(lái)數(shù)據(jù)中心的運(yùn)營(yíng)者是否可以自己建立電站或者發(fā)電機(jī)組？就像我小時(shí)候，我爸經(jīng)常參與建設(shè)30萬(wàn)千瓦的發(fā)電機(jī)組。那以后，每個(gè)AI數(shù)據(jù)中心是否都可以自己建立一個(gè)電廠？ 丁肇豪：自從當(dāng)年比特幣挖礦流行以來(lái)，就有人提出了類似想法，比如自己搞個(gè)小水電站，降低挖礦成本。但數(shù)據(jù)中心的情況有所不同，因?yàn)樾枰€(wěn)定可靠的電力供應(yīng)。即便數(shù)據(jù)中心自己建立了發(fā)電廠，最終還是需要至少一條線路或兩個(gè)回路接入大電網(wǎng)。自建的風(fēng)光發(fā)電廠不是非常穩(wěn)定，其產(chǎn)生的電力波動(dòng)最終還是會(huì)映射回大電網(wǎng)。無(wú)論自己建還是別人建，只要存在波動(dòng)性，大電網(wǎng)就必須做出反應(yīng)。 吃兩三碗飯的人腦 和“吃”很多很多電的AI 楊富強(qiáng)：在數(shù)據(jù)中心的整個(gè)能源消耗過(guò)程中，哪個(gè)環(huán)節(jié)的電力消耗最多？又有哪些環(huán)節(jié)是比較容易實(shí)現(xiàn)節(jié)電的？ 陳云霽：從信息處理的角度，我們可以將能源消耗分為兩大類：信息傳輸和信息計(jì)算與處理。目前，大模型的信息處理能耗相對(duì)較高，遠(yuǎn)超信息傳輸?shù)哪芎摹５?，未?lái)隨著計(jì)算芯片性能和功耗比的提升，這種狀況是可能發(fā)生變化的，信息傳輸成為核心問(wèn)題。目前，計(jì)算能耗占據(jù)了主導(dǎo)地位，這引發(fā)了一個(gè)疑問(wèn)：為什么計(jì)算機(jī)的能耗總是遠(yuǎn)高于人腦？人腦僅消耗約20瓦的功率，每天吃兩三碗飯就能干很多事情，而計(jì)算機(jī)則需要更多。 我想引用杰弗里·辛頓（Geoffrey Hinton）的觀點(diǎn)，他是一位獲得過(guò)圖靈獎(jiǎng)的科學(xué)家，最近也拿到諾貝爾獎(jiǎng)。辛頓提出了一個(gè)有趣的觀點(diǎn)，即“凡人計(jì)算”（mortal computation），涉及到物質(zhì)與信息之間的關(guān)系。人腦中的物質(zhì)與信息是強(qiáng)耦合的，軟件和硬件是綁定在一起的。人腦中的思想和信息都附著在物質(zhì)上，如果一個(gè)人去世，這些信息就會(huì)隨之消散。而計(jì)算機(jī)則不同，軟件和硬件是分離的，信息可以從一個(gè)硬件拷貝到另一個(gè)硬件，但我們不能把一個(gè)人大腦里的東西拷貝到另一個(gè)人的大腦里。 辛頓認(rèn)為，軟硬件的分離是導(dǎo)致計(jì)算機(jī)在處理神經(jīng)網(wǎng)絡(luò)時(shí)能耗特別高的一個(gè)重要原因。順著他的思路我再往下想，如果未來(lái)我們能夠開(kāi)發(fā)出一種計(jì)算機(jī)，其軟件和硬件完全一體化，可能只能處理特定的模型，不具備通用性，類似于人腦中物質(zhì)與信息的緊密結(jié)合，那么能耗可能會(huì)大幅降低?？傊蚁霃娜四X中汲取靈感，可能會(huì)幫助我們進(jìn)一步提高計(jì)算效率。 李勇：從產(chǎn)業(yè)生態(tài)的角度來(lái)看，當(dāng)前以大模型為代表的人工智能技術(shù)的整體能耗主要涉及兩個(gè)階段：訓(xùn)練和推理。目前，主要的能耗集中在訓(xùn)練階段，而推理階段的能耗預(yù)計(jì)將在未來(lái)有顯著增長(zhǎng)。從芯片使用的角度來(lái)看，無(wú)論是訓(xùn)練還是推理，都需要大量的算力，也就是GPU/DPU卡。 兩者之間有一個(gè)重要區(qū)別：訓(xùn)練的時(shí)效性是可控制的，可以今天進(jìn)行，也可以推遲到明天，甚至一個(gè)月后完成，時(shí)間上的靈活性較大。相比之下，推理階段與業(yè)務(wù)實(shí)時(shí)綁定，對(duì)響應(yīng)時(shí)間有嚴(yán)格要求。因此，推理對(duì)底層硬件的要求更高。這也意味著在訓(xùn)練階段，算力和能耗的協(xié)同優(yōu)化有更大的空間，東數(shù)西算的策略在這里可以發(fā)揮作用。例如，在西北地區(qū)有豐富的風(fēng)能和太陽(yáng)能，可以在能源充足時(shí)計(jì)算，能源不足時(shí)則減少計(jì)算。 對(duì)于訓(xùn)練階段，根據(jù)能源供應(yīng)情況調(diào)整計(jì)算量的做法是可行的。但對(duì)于推理階段，這種場(chǎng)景可能并不適用，實(shí)現(xiàn)算電協(xié)同的挑戰(zhàn)更大。我的初步想法是，風(fēng)、太有不確定性，是否可以利用核能來(lái)彌補(bǔ)，長(zhǎng)遠(yuǎn)解決這個(gè)問(wèn)題。 陳云霽：此外，我們的計(jì)算可以變得更專用化。過(guò)去十年來(lái)，芯片設(shè)計(jì)領(lǐng)域有一個(gè)明顯的趨勢(shì)，就是專用體系結(jié)構(gòu)變得越來(lái)越重要?；叵攵昵?，我們幾乎所有的計(jì)算任務(wù)都是通過(guò)通用CPU來(lái)完成的，就像瑞士軍刀，什么都能干，但每一樣都不是最好的。到了人工智能時(shí)代，專門為人工智能設(shè)計(jì)的芯片，如GPU、NPU等，已經(jīng)成為處理AI任務(wù)的主流選擇。 未來(lái)，我們可能會(huì)進(jìn)一步專用化。為大模型設(shè)計(jì)專門的芯片，甚至為某個(gè)特定大模型定制芯片，如果能夠?qū)崿F(xiàn)，越是專用芯片，能效一定越高。舉一個(gè)極端的例子，假設(shè)我們未來(lái)訓(xùn)練出了一個(gè)非常好的大模型，這個(gè)模型本身就具有足夠的通用性，能夠處理各種任務(wù)。那么，我們是否可以為這個(gè)特定的大模型定制一個(gè)芯片，讓它只能跑這一個(gè)大模型。如果是這樣，它的能效可能比現(xiàn)在的GPU還要高出100倍甚至1000倍，從而可能解決我們未來(lái)長(zhǎng)遠(yuǎn)的問(wèn)題。 但是現(xiàn)在我們還不能這么干，因?yàn)榇竽Ｐ偷难葸M(jìn)速度太快了。今天是GPT-4，明天是GPT-4o，后天是Sora……大模型的發(fā)展仍然處于一個(gè)快速變化的階段。如果未來(lái)大模型的發(fā)展逐漸穩(wěn)定，出現(xiàn)了一個(gè)主導(dǎo)性的、基本收斂的大模型，那么我們芯片設(shè)計(jì)者就可以為它專門定制芯片了。 從源隨荷動(dòng)到源荷互動(dòng) 張永平：我們支持了一些數(shù)據(jù)中心相關(guān)的項(xiàng)目，出發(fā)點(diǎn)是將數(shù)據(jù)中心視為一個(gè)重要的電力負(fù)荷，并關(guān)注如何用綠色、清潔的可再生能源來(lái)滿足這些負(fù)荷需求。 首先，從需求層面來(lái)看，數(shù)據(jù)中心，尤其是提供AI算力的智算中心，已經(jīng)成為了高耗能產(chǎn)業(yè)，其能耗問(wèn)題也備受關(guān)注。數(shù)據(jù)中心的能耗涵蓋了芯片、IT設(shè)備、空調(diào)制冷、備用柴油發(fā)電機(jī)、不間斷電源等多個(gè)方面。目前，數(shù)據(jù)中心的能效已經(jīng)相對(duì)較高，領(lǐng)先的數(shù)據(jù)中心的PUE指標(biāo)已經(jīng)接近1.1，這意味著進(jìn)一步提高能效的難度很大。但我們不能因?yàn)楦吆哪芫鸵种茢?shù)據(jù)中心的發(fā)展，就像不能因?yàn)殡妱?dòng)汽車充電多就不讓它充電，不是這個(gè)邏輯。 其次，從供給層面來(lái)看，我們?nèi)绾螐哪茉矗貏e是電力的角度來(lái)滿足數(shù)據(jù)中心的用電需求，特別是綠色需求。數(shù)據(jù)中心的用電需求量大，且在某些時(shí)段用電量非常高，這與核電，尤其是中小型、模塊化核電的供電特性非常匹配。在美國(guó)，OpenAI、Google、Meta等公司已經(jīng)在投資核電，以滿足未來(lái)的AI數(shù)據(jù)中心的用電需求。在中國(guó)，我們也在探索如何利用可再生能源來(lái)滿足數(shù)據(jù)中心的綠色用電需求。例如，許多數(shù)據(jù)中心的屋頂上都裝有光伏板，但這只能滿足一小部分電力需求，杯水車薪。為了使用更多的綠色能源，可以考慮建立大型園區(qū)，或者利用附近的風(fēng)電和太陽(yáng)能，這就需要配置儲(chǔ)能系統(tǒng)來(lái)平衡可再生能源的波動(dòng)性。同時(shí)大電網(wǎng)的兜底保障也還是必需的。 此外，如果數(shù)據(jù)中心附近沒(méi)有可再生能源，可以通過(guò)購(gòu)買綠色電力憑證或者通過(guò)金融手段來(lái)滿足需求。還有一個(gè)趨勢(shì)是，國(guó)家鼓勵(lì)將數(shù)據(jù)中心遷移到可再生能源豐富的地區(qū)，如西北地區(qū)，這樣可以減少電網(wǎng)傳輸?shù)男枨?，使得用電需求與清潔電力供給更加接近，用電成本更低，也助力可再生能源就地利用。 第三，數(shù)據(jù)中心與電網(wǎng)之間的互動(dòng)。AI大模型的訓(xùn)練階段和推理階段，用電特性是不同的。包括數(shù)據(jù)處理方面，冷數(shù)據(jù)和熱數(shù)據(jù)的處理需求也有所區(qū)別。通過(guò)智能調(diào)度算力，我們可以決定何時(shí)進(jìn)行計(jì)算，這樣就能在一定程度上減輕電網(wǎng)的負(fù)擔(dān)，甚至在某些時(shí)候還能幫上電網(wǎng)的忙，產(chǎn)生互動(dòng)效應(yīng)。這種互動(dòng)不僅能提高電網(wǎng)的安全性，而且可能更加經(jīng)濟(jì)。 數(shù)據(jù)中心的電價(jià)屬于工商業(yè)電價(jià)。目前，工商業(yè)電價(jià)的激勵(lì)機(jī)制還不夠完善，但未來(lái)可能會(huì)有更多的電價(jià)激勵(lì)措施。通過(guò)與電網(wǎng)的互動(dòng)，數(shù)據(jù)中心不僅能出售余熱，還可能通過(guò)響應(yīng)電網(wǎng)需求再賺點(diǎn)錢，對(duì)運(yùn)營(yíng)效率提升也有好處。 丁肇豪：電力行業(yè)看待數(shù)據(jù)中心的方式很樸素，就是一個(gè)負(fù)荷。電力系統(tǒng)，特別是新型電力系統(tǒng)，隨著可再生能源比例的增加，電源側(cè)的波動(dòng)性和不確定性也在增加。過(guò)去，我們依賴火力發(fā)電，美國(guó)則是天然氣電廠，來(lái)平衡這種波動(dòng)。但在碳排放目標(biāo)的約束下，調(diào)節(jié)性電源，特別是火力發(fā)電，正在減少，這意味著舊的解決方案行不通了。 新的解決方案是實(shí)現(xiàn)源荷互動(dòng)，即不再是單向的源隨荷動(dòng)，而是負(fù)荷也能根據(jù)電源變化而變化。數(shù)據(jù)中心作為未來(lái)電力負(fù)荷的主要部分，我們希望它能跟隨可再生能源的變化而動(dòng)。怎么做？ 對(duì)于大模型訓(xùn)練這樣的離線負(fù)載，就像我們給學(xué)生布置任務(wù)，要求他們?cè)诘诙煸绯?點(diǎn)前提交，具體是在凌晨2點(diǎn)還是6點(diǎn)完成計(jì)算，并不重要。這些計(jì)算任務(wù)可以由阿里云等云服務(wù)提供商來(lái)處理，根據(jù)風(fēng)力發(fā)電的時(shí)段以及碳排放強(qiáng)度來(lái)靈活調(diào)整和調(diào)度算力資源。這類任務(wù)通常規(guī)模較大，對(duì)截止時(shí)間不敏感。但許多任務(wù)需要大量數(shù)據(jù)，通常在特定數(shù)據(jù)中心完成。我們希望將這些任務(wù)放在新能源基地附近的數(shù)據(jù)中心來(lái)算，比如沙戈荒基地。 對(duì)于在線輕量級(jí)任務(wù)，如大模型推理，只要滿足時(shí)延要求，我們可以在空間上調(diào)度這些任務(wù)。我們與阿里巴巴以及國(guó)家電網(wǎng)華北分部合作過(guò)一個(gè)算力-電力協(xié)同調(diào)度實(shí)驗(yàn)。當(dāng)電網(wǎng)出現(xiàn)新能源消納困難，棄風(fēng)棄光現(xiàn)象時(shí)，我們能否將其他地區(qū)的負(fù)載調(diào)度過(guò)去？實(shí)驗(yàn)中，我們將阿里南通數(shù)據(jù)中心的一些計(jì)算任務(wù)轉(zhuǎn)移到張北數(shù)據(jù)中心，通過(guò)算力任務(wù)的轉(zhuǎn)移，南通的負(fù)荷降低，而張北的負(fù)荷增加，正好消納了當(dāng)?shù)氐男履茉础?/span> 我們希望這種做法能成為常態(tài)，電網(wǎng)能夠向云服務(wù)和數(shù)據(jù)中心企業(yè)提供信號(hào)，數(shù)據(jù)中心企業(yè)在算力調(diào)度時(shí)能及時(shí)響應(yīng)，將能源和碳排放作為調(diào)度系統(tǒng)的一部分。 楊富強(qiáng)：將碳排放納入考量，使用煤電會(huì)產(chǎn)生相應(yīng)的碳排放，而使用可再生能源則沒(méi)有。此外，還可以通過(guò)排隊(duì)機(jī)制來(lái)調(diào)整電價(jià)。例如，在太陽(yáng)能最佳的中午時(shí)分，如果數(shù)據(jù)中心能夠利用這些“垃圾電”（即過(guò)剩的可再生能源），電價(jià)可能只有1分錢。而在電力需求高峰時(shí)期，電價(jià)可能會(huì)高達(dá)1毛錢。未來(lái)可以通過(guò)價(jià)格機(jī)制、市場(chǎng)手段、行政措施以及調(diào)度手段來(lái)優(yōu)化能源使用。 工藝節(jié)點(diǎn)短期無(wú)法突破 楊富強(qiáng)：我們?cè)诓粩嘧非蟾冗M(jìn)的芯片技術(shù)，7納米、5納米、3納米、1納米……那么，能源消耗是否會(huì)成為一個(gè)考量因素或者關(guān)鍵的設(shè)計(jì)指標(biāo)？ 陳云霽：對(duì)于我們芯片人來(lái)說(shuō)，有兩個(gè)最核心的指標(biāo)：速度和能效。速度大家都知道，都希望芯片跑得快。而能效，盡管在上個(gè)世紀(jì)沒(méi)有得到太多關(guān)注，但從2000年以后，它已經(jīng)成為了一個(gè)焦點(diǎn)。我們特別關(guān)注每次計(jì)算所消耗的能量，比特運(yùn)算與瓦特之間的關(guān)系是我們非常重視的。 之所以大家追求更先進(jìn)的工藝，7納米不夠，還要3納米、1納米的，一方面是因?yàn)檫@樣可以在芯片上集成更多的晶體管，從而提高速度。但更重要的是，使用更先進(jìn)的工藝可以顯著降低每次計(jì)算的能量消耗。例如，5納米工藝相比于7納米工藝，每次計(jì)算消耗的能量可以減少幾十個(gè)百分點(diǎn)。這也正是為什么半導(dǎo)體技術(shù)不斷向更小的納米尺度發(fā)展的原因。 李勇：未來(lái)，芯片的能耗肯定將變得越來(lái)越重要。這與我們今天討論的整體趨勢(shì)是一致的。人工智能在社會(huì)中所占的工作量比例越來(lái)越大，能耗也隨之增長(zhǎng)。而能耗的增加，本質(zhì)上主要是由于計(jì)算需求的增長(zhǎng)，計(jì)算的核心依賴于芯片來(lái)處理比特、信息和數(shù)據(jù)。最終，這個(gè)賬要算到芯片上。因此，從能耗角度評(píng)估芯片的計(jì)算效率，會(huì)越來(lái)越受大家重視。 楊富強(qiáng)：那我們跟國(guó)外相比，處在什么水平？ 陳云霽：這個(gè)問(wèn)題大家都非常關(guān)注。半導(dǎo)體工藝中的一個(gè)重要參數(shù)是工藝節(jié)點(diǎn)，也就是我們熟知的12納米、7納米、3納米等。目前，國(guó)際上如臺(tái)積電已經(jīng)開(kāi)始量產(chǎn)3納米工藝，并走向1.8納米，甚至1納米的技術(shù)路徑也是通的。而國(guó)內(nèi)由于國(guó)際形勢(shì)的影響，短期內(nèi)可能還需停留在7納米工藝節(jié)點(diǎn)上。但這并不意味著我們就在這里“躺平”了。 中國(guó)科學(xué)家和美國(guó)科學(xué)家面臨的挑戰(zhàn)本質(zhì)上是相似的。我們可能在7納米暫時(shí)停一段時(shí)間，而美國(guó)可能在1.8納米或1納米節(jié)點(diǎn)上停留。因此，全球的芯片設(shè)計(jì)者都在探索同一個(gè)問(wèn)題：在工藝節(jié)點(diǎn)無(wú)法進(jìn)一步縮小的情況下，如何通過(guò)體系結(jié)構(gòu)的創(chuàng)新來(lái)提升性能，尤其是降低能耗。 在這種情況下，一個(gè)有前景的技術(shù)趨勢(shì)是為特定任務(wù)定制專用芯片，即走向?qū)Ｓ没?。依靠通用CPU，這種像瑞士軍刀一樣的多功能但非最優(yōu)設(shè)計(jì)，已經(jīng)越來(lái)越難以滿足需求。相反，為特定的大模型、手機(jī)或AR/VR設(shè)備等定制專用芯片，可能成為在工藝節(jié)點(diǎn)不變的情況下降低能耗的重要手段。 楊富強(qiáng)：對(duì)于成熟的芯片技術(shù)，我們與國(guó)際先進(jìn)水平相比處在什么位置？ 陳云霽：在成熟的工藝節(jié)點(diǎn)上，中國(guó)的芯片設(shè)計(jì)水平在國(guó)際上已經(jīng)達(dá)到了非常先進(jìn)的水平。雖然不便斷言是排名第一或第二，但絕對(duì)位于第一梯隊(duì)之中。我舉一個(gè)數(shù)字，以集成電路領(lǐng)域的重要國(guó)際會(huì)議國(guó)際固態(tài)電路會(huì)議（ISSCC）為例，這個(gè)會(huì)議是衡量芯片設(shè)計(jì)領(lǐng)域研究成果的重要平臺(tái)。據(jù)我所知，清華大學(xué)在該會(huì)議上發(fā)表的論文數(shù)量已經(jīng)位居世界前列。 這個(gè)數(shù)字其實(shí)變化非常大，十多年前，我們大陸每年在ISSCC上只能發(fā)表一篇文章，我記得十多年前我發(fā)表了兩篇，在國(guó)內(nèi)已經(jīng)算是最多的之一了。現(xiàn)在，僅僅是清華大學(xué)的一個(gè)課題組，一年就能在ISSCC上發(fā)表三到五篇論文。從設(shè)計(jì)角度來(lái)看，中國(guó)無(wú)疑已經(jīng)進(jìn)入了國(guó)際第一方陣。在成熟工藝節(jié)點(diǎn)上，中國(guó)的芯片設(shè)計(jì)工作非常不錯(cuò)，也有大量出口。 楊富強(qiáng)：中國(guó)在很多領(lǐng)域?qū)崿F(xiàn)了從依賴進(jìn)口到自給自足的轉(zhuǎn)變。以空調(diào)行業(yè)為例，二三十年前，市場(chǎng)上主要是日本、美國(guó)的空調(diào)品牌，以節(jié)能技術(shù)領(lǐng)先，但現(xiàn)在，中國(guó)的品牌已經(jīng)超越。我們同樣期待在芯片領(lǐng)域中國(guó)也能扮演越來(lái)越重要的角色。 更快還是更??？非技術(shù)層面的矛盾 楊富強(qiáng)：現(xiàn)在，我們換個(gè)角度來(lái)討論芯片。雖然芯片常常被貼上高耗能的標(biāo)簽，但我們也要看到芯片技術(shù)的進(jìn)步對(duì)整個(gè)電力系統(tǒng)，尤其是在節(jié)能和可再生能源消納方面產(chǎn)生了巨大的正面沖擊。 張永平：首先，關(guān)于用電量，我們討論了數(shù)據(jù)中心的能耗占比，不論1%還是2%，即使達(dá)到10%，只要都是清潔能源，也是可以接受的。因此，核心問(wèn)題在于如何滿足數(shù)據(jù)中心的高能耗需求，同時(shí)確保這些能源是清潔的。 其次，能源的使用特性也非常重要。傳統(tǒng)上，我們喜歡穩(wěn)定的能源供應(yīng)，但隨著風(fēng)能和太陽(yáng)能的波動(dòng)性，這種偏好受到了挑戰(zhàn)。我們希望數(shù)據(jù)中心和其他能源負(fù)荷能夠與可再生能源的波動(dòng)相協(xié)同，這樣就能最大限度地利用可再生能源。目前，許多工作都在朝著這個(gè)方向努力。 核心問(wèn)題在于需要有一個(gè)激勵(lì)機(jī)制來(lái)鼓勵(lì)。例如，對(duì)于數(shù)據(jù)中心，目前它們可能不考慮響應(yīng)電網(wǎng)的需求，但如果我們能提供足夠的經(jīng)濟(jì)激勵(lì)，讓它們通過(guò)調(diào)整算力調(diào)度來(lái)節(jié)省成本或賺取利潤(rùn)，那么它們可能會(huì)更愿意采取行動(dòng)。 陳云霽：比如，中午開(kāi)機(jī)計(jì)算，不要錢。 張永平：對(duì)的。許多人可能不太了解電力現(xiàn)貨市場(chǎng)。在電力現(xiàn)貨市場(chǎng)中，電力價(jià)格主要影響工商業(yè)用戶比較多，普通家庭用戶感受不到，但工商業(yè)是敏感的。在一些地區(qū)，在可再生能源發(fā)電量過(guò)剩的時(shí)段，比如中午時(shí)分，甚至?xí)霈F(xiàn)負(fù)電價(jià)。如果你在這些時(shí)段購(gòu)買電力，理論上不僅不需要花錢，還能賺錢。 如果有設(shè)計(jì)良好的市場(chǎng)機(jī)制和足夠的激勵(lì)，就能引導(dǎo)數(shù)據(jù)中心調(diào)整其用電行為。當(dāng)然，這種激勵(lì)需要足夠大，就像電動(dòng)汽車的V2G（Vehicle to Grid），電動(dòng)汽車可以充電，還能將電能反饋給電網(wǎng)賺錢。但如果放電一次只能賺8塊、10塊，又給自己帶來(lái)很大不便，人們可能就不會(huì)去做。我相信，未來(lái)如果數(shù)據(jù)中心的用電量巨大，且其用電特性對(duì)電網(wǎng)產(chǎn)生顯著影響，這種矛盾可能會(huì)倒逼市場(chǎng)改革，給出更多激勵(lì)信號(hào)。 丁肇豪：這個(gè)問(wèn)題我們其實(shí)深有體會(huì)。雖然今天我們討論的數(shù)據(jù)中心與電網(wǎng)互動(dòng)、算力調(diào)度以及與新能源平衡的概念聽(tīng)起來(lái)都很好，但實(shí)際操作中，從最早2004年就有人提出這些概念。然而，即使過(guò)去了二十年，實(shí)際落地的項(xiàng)目在全球范圍內(nèi)仍然寥寥無(wú)幾，沒(méi)有太多可持續(xù)應(yīng)用的案例。 這其中一個(gè)很大的問(wèn)題，是需要電力現(xiàn)貨市場(chǎng)的價(jià)格信號(hào)來(lái)激勵(lì)數(shù)據(jù)中心調(diào)整用電行為。但我認(rèn)為這只是一個(gè)方面，因?yàn)樵谒懔︻I(lǐng)域，相關(guān)團(tuán)隊(duì)可能更關(guān)心產(chǎn)品的交付和服務(wù)的可靠性，而不是帶來(lái)電費(fèi)和排放的降低。 陳云霽：我認(rèn)為目前的情況可能是時(shí)機(jī)未到。雖然現(xiàn)在人工智能算力只占全球電力消耗的1.6%，但如果有一天這一比例達(dá)到20-30%，即便是資金雄厚的互聯(lián)網(wǎng)公司可能也付不起如此巨額的電費(fèi)。以O(shè)penAI為例，盡管其技術(shù)領(lǐng)先，但實(shí)際上一直在虧損。因?yàn)槟壳癘penAI通過(guò)大模型掙到的錢無(wú)法補(bǔ)貼其電力成本，因此它一直在虧損。不過(guò)，我相信它總有一天要掙錢。 目前，無(wú)論是互聯(lián)網(wǎng)公司還是大模型創(chuàng)業(yè)公司，還沒(méi)有真正考慮如何盈利。他們現(xiàn)在的重點(diǎn)不在于考慮成本問(wèn)題，包括電力成本。但當(dāng)他們開(kāi)始真正思考如何掙錢，AI的算力消耗和電力成本就是他們必須面對(duì)和解決的問(wèn)題。 李勇：不是不報(bào)，時(shí)間未到。在互聯(lián)網(wǎng)行業(yè)，投資現(xiàn)在主要集中在算力，而電力成本尚未顯著上升。算力基礎(chǔ)設(shè)施一旦建成，就會(huì)持續(xù)運(yùn)行，其成本實(shí)際上是一個(gè)相對(duì)平穩(wěn)或逐漸下降的趨勢(shì)。相比之下，電力成本卻有可能持續(xù)上升。因此，當(dāng)電力成本變得足夠高，以至于在經(jīng)濟(jì)上成為一個(gè)不可忽視的因素時(shí)，企業(yè)將會(huì)發(fā)現(xiàn)降低電力消耗是劃算的。 張永平：時(shí)間點(diǎn)是一個(gè)很有趣的話題。據(jù)我了解，至少在美國(guó)，像OpenAI這樣的公司，未來(lái)的商業(yè)模式如果能夠成功并實(shí)現(xiàn)盈利，無(wú)非兩個(gè)：一是AI應(yīng)用的驅(qū)動(dòng)，特別是使用量和調(diào)用量的增加，這是收入的來(lái)源；二是降低成本。一方面，他們會(huì)切入芯片生產(chǎn)上游的晶圓；另一方面，他們正在投資電力領(lǐng)域，包括核電和其他直接電力供應(yīng)方式，以省去中間環(huán)節(jié)，直接獲取電力供應(yīng)，能節(jié)省超過(guò)40%的能源成本。他們正在投資未來(lái)。 楊富強(qiáng)：我們剛才討論了AI的能源消耗，同時(shí)我們也應(yīng)該看到AI在提高能源效率和減少碳排放方面的潛力。以智能電網(wǎng)為例，我們擔(dān)心可再生能源的不穩(wěn)定性可能導(dǎo)致電網(wǎng)事故。這類事故很少見(jiàn)，可能一年只有一兩次，或者幾年才發(fā)生一次，但一旦發(fā)生，后果嚴(yán)重。有了AI之后，我們可以通過(guò)模擬和計(jì)算幫助我們預(yù)防和解決電網(wǎng)事故。現(xiàn)在，當(dāng)我們談到AI時(shí)，經(jīng)常提到“AI向善”。人們對(duì)AI既感到驚喜，又有些害怕。我們對(duì)AI的擔(dān)憂是什么，怎樣去克服？ 李勇：我們經(jīng)常討論AI帶來(lái)的威脅，比如最初的數(shù)據(jù)威脅，指的是大語(yǔ)言模型消耗了人類產(chǎn)生的所有文本語(yǔ)料，讓我們面臨數(shù)據(jù)枯竭的問(wèn)題。然而，AI雖然消耗了大量數(shù)據(jù)，但它也能產(chǎn)生更多的數(shù)據(jù)，比如在視頻創(chuàng)作等領(lǐng)域創(chuàng)造新的內(nèi)容。今天，我們討論的是AI快速發(fā)展可能帶來(lái)的能源危機(jī)，但討論后我們發(fā)現(xiàn)，AI雖然增加了能源消耗，但它也能幫助我們更有效地利用新能源，比如風(fēng)能和太陽(yáng)能。這實(shí)際上是為我們打開(kāi)了另一扇窗。 楊富強(qiáng)：傳統(tǒng)上，電網(wǎng)調(diào)度需要幾十名工作人員來(lái)管理。如果我們引入AI技術(shù)，有人提出可以設(shè)計(jì)一個(gè)軟件，讓AI來(lái)接管電網(wǎng)調(diào)度工作，這樣效率會(huì)更高，可能只需要一兩個(gè)人來(lái)監(jiān)督。然而，這也帶來(lái)了風(fēng)險(xiǎn)。如果AI軟件遭到入侵或者出現(xiàn)故障，可能會(huì)導(dǎo)致整個(gè)國(guó)家電網(wǎng)系統(tǒng)的崩潰。我們應(yīng)該怎么做？ 丁肇豪：在電力系統(tǒng)中，我們經(jīng)常需要進(jìn)行方式計(jì)算，這是一種考慮各種可能性以確保電力系統(tǒng)安全的方法。過(guò)去，國(guó)家調(diào)度中心進(jìn)行方式計(jì)算需要從各省抽調(diào)大量人員，花費(fèi)數(shù)月時(shí)間。但隨著電力系統(tǒng)越來(lái)越復(fù)雜，尤其是風(fēng)能和太陽(yáng)能的增加，這種方式計(jì)算變得更加困難。這時(shí)，人工智能可能提供了一個(gè)解決方案。 然而，使用人工智能也帶來(lái)了不可靠性和安全隱患。例如，數(shù)據(jù)投毒、代碼后門等攻擊手段，或者即使沒(méi)有惡意攻擊，AI計(jì)算出的結(jié)果也可能出錯(cuò)，因?yàn)榇笮湍Ｐ捅举|(zhì)上是概率模型。如果出現(xiàn)問(wèn)題，誰(shuí)來(lái)負(fù)責(zé)？在電力調(diào)度中的決策都是有人負(fù)責(zé)。但如果決策是由AI做出的，責(zé)任歸屬就變得模糊。這是在使用AI時(shí)，尤其是電力行業(yè)這樣相對(duì)保守的領(lǐng)域，需要特別考慮的問(wèn)題。我們希望在AI的可解釋性、安全性和效率提升之間找到平衡點(diǎn)。 張永平：之前在電力領(lǐng)域，尤其是在電力調(diào)度這個(gè)技術(shù)含量最高的領(lǐng)域，人工智能更多還是輔助決策的作用，比如更精準(zhǔn)地預(yù)測(cè)電力負(fù)荷，比如應(yīng)用語(yǔ)音、視覺(jué)、自然語(yǔ)言處理等技術(shù)，幫助調(diào)度員做交互，降本增效，這些場(chǎng)景已經(jīng)變得很常見(jiàn)。 現(xiàn)在，人工智能的應(yīng)用正越來(lái)越多地探索電力系統(tǒng)最核心的領(lǐng)域。例如，因?yàn)殡娋W(wǎng)變得越來(lái)越復(fù)雜，支持電網(wǎng)運(yùn)行方式的制定；還有實(shí)時(shí)監(jiān)控電網(wǎng)運(yùn)行情況，調(diào)度員需要關(guān)注大屏幕上的電網(wǎng)狀態(tài)，并在出現(xiàn)問(wèn)題時(shí)迅速采取應(yīng)對(duì)措施，以往這些工作依賴于計(jì)算機(jī)輔助和人的經(jīng)驗(yàn)，而人工智能的輔助可以使決策更加精準(zhǔn)。 但核心問(wèn)題在于，人工智能存在不可解釋性。雖然智能涌現(xiàn)帶來(lái)了一些好處，但在傳統(tǒng)領(lǐng)域，不可解釋性可能導(dǎo)致安全責(zé)任難以界定。以往人做決策時(shí)責(zé)任明確，而AI做決策時(shí)責(zé)任歸屬變得模糊。這類似于自動(dòng)駕駛面臨的社會(huì)倫理問(wèn)題，不僅僅是技術(shù)問(wèn)題，而是涉及到如何在不同情況下做出倫理判斷。隨著技術(shù)的進(jìn)步，我們不僅需要改變技術(shù)層面的東西，還需要改變安全文化、社會(huì)責(zé)任、倫理和法律法規(guī)等方面。這些問(wèn)題可能需要長(zhǎng)期解決。 觀眾提問(wèn) 觀眾1：陳云霽老師提到一個(gè)觀點(diǎn)，未來(lái)AI的大模型可能會(huì)收斂到一個(gè)相對(duì)特定的大模型，我們將為其提供專用的硬件支持。我自己的研究也與大模型相關(guān)，想請(qǐng)教李勇老師，您對(duì)AI，包括大模型未來(lái)的展望是怎樣的？它應(yīng)該具備哪些能力？如何融入人類社會(huì)？
李勇：大模型發(fā)展到今天，已經(jīng)展示出了許多可能性，特別是在虛擬世界中解決問(wèn)題的能力，超出了我們的預(yù)期。目前，許多研究工作正在進(jìn)一步探索如何讓大模型在現(xiàn)實(shí)世界中發(fā)揮作用，比如通過(guò)具身智能等研究，讓大模型的能力在現(xiàn)實(shí)世界中得到應(yīng)用，幫助我們解決實(shí)際問(wèn)題。 總體來(lái)看，大模型是目前人類探索通用智能的一個(gè)可能方向，盡管它可能不是唯一的方向。對(duì)于未來(lái)，我認(rèn)為一方面，既然我們已經(jīng)看到了大模型的潛力，就應(yīng)該繼續(xù)努力探索。但從國(guó)內(nèi)外的發(fā)展形勢(shì)來(lái)看，美國(guó)在這一領(lǐng)域的引領(lǐng)作用仍然很明顯，我們還需要認(rèn)識(shí)到跟隨的現(xiàn)狀。另一方面，隨著智能水平的進(jìn)一步提升，我們也需要探索一些目前尚未被充分開(kāi)發(fā)的、有潛力的新路徑。這樣，我們就能為未來(lái)人工智能的安全性和可持續(xù)性做出貢獻(xiàn)。
了解東遠(yuǎn) 活動(dòng)及狀態(tài) 常見(jiàn)問(wèn)題 關(guān)注我們：東遠(yuǎn)物聯(lián) 抖音 微信咨詢 咨詢電話： D-Think | 廣州東遠(yuǎn)智能科技有限公司 地址：廣州市白云區(qū)北太路1633號(hào)廣州民營(yíng)科技園科創(chuàng)中心2棟16樓 電話：+86 020-87227952 Email：[email protected] Copyright ©2020 東遠(yuǎn)科技 粵ICP備2024254589號(hào) 免責(zé)申明：部分圖文表述來(lái)自于網(wǎng)絡(luò)，如有侵權(quán)請(qǐng)聯(lián)系作者刪除！ |
19款電子扎帶
電路板識(shí)別電子標(biāo)簽