击垮科技企业的或许不再是竞争对手，而是水电费。近期，美国AI企业开始担忧的不再是GPU供应，而是电力问题。五年前，计算机仅占全球2%的电力，而今已攀升至10%。预计到2030年，计算机或将占全球20%的电力，其中数据中心耗电量将占用2%。



然而，2%听起来似乎微不足道，但放在实际场景中，却是巨大的数字。中国14亿人口中，每天以数字支付、社交、在线购物等过度数字化生活，数据中心用电量仅占全国用电2.7%。即便如此，全球数据中心用电总和有望超过许多欧洲小国的用电量。这引发了对全球计算需求是否超越十年发电量的担忧。



“百模大战”虽然激烈，但时间拉长，只有少数公司能存活。大型模型的训练需要大量的GPU，而目前的AI企业在研发和训练成本上已投入重资。然而，这不仅是AI企业的问题，更是整个计算行业的难题。



中国AI企业在能源问题上面临两大障碍：资金和技术。AI训练是一项高成本的任务，而目前的技术主要依赖先进制程，降低能耗将需要技术创新和市场认可。



中国AI企业的能源准备



在AI行业，中国正与美国展开激烈竞争。虽然在GPU技术上我们尚处劣势，但在能源技术上，我们有着一些亮点。中国是全球第一发电大国，2022年发电量接近9万亿度，是美国的两倍。



我们已经在小型模块化反应堆（SMR）领域取得一些成就。中国的“玲龙一号”是全球首个通过IAEA安全审查的小型模块化压水反应堆，预计2026年投入使用。此外，中国在清洁能源方面也有显著进展，尤其在光伏行业。



尽管短期内，中国AI企业或许不会因为能源问题感到紧迫，但随着AI在各个行业的应用不断扩大，AI的用电量将会迅速增长。因此，中国在能源技术方面的努力将至关重要。



推荐芯片品牌及型号：



NVIDIA A100 Tensor Core GPU

适用领域：深度学习、科学计算、人工智能

AMD EPYC Milan

适用领域：服务器、数据中心

Intel Xeon Scalable Processors

适用领域：企业应用、云计算

Qualcomm Snapdragon 8cx Gen 3

适用领域：笔记本电脑、智能终端

Huawei Ascend AI Processors

适用领域：人工智能、边缘计算

这些芯片广泛应用于各个领域，为不同场景的计算提供强大支持。