人工智能竞争由芯片转向电力

金融时报：电力供应能否保障模型持续运行正成为人工智能技术发展的关键因素。

黄仁勋如此说近期表示，中国将在人工智能竞赛中胜出。乍看之下，人们很容易认为这位英伟达的亿万富翁创始人只是在为自己公司代言。毕竟，任何推动美国加大AI投资或放松对其发展的监管限制的言论，确实最有利于英伟达，因为这能提振对其芯片的需求。然而，他的观点是否有道理呢？

不久前，英伟达数据中心业务收入的约五分之一来自中国。其业绩取决于全球各国政府、云服务提供商和人工智能研究实验室对其芯片的持续订单需求。对中国的担忧加剧了这种需求，因为人们担心中国在人工智能领域取得领先。

不过，黄仁勋的警告或许有一定道理。人工智能的发展已开始从主要受限于高端芯片供应转向受电力供应的制约。

据罗德岛大学、突尼斯大学和普罗维登斯学院的学者研究，一个GPT-4模型每年的耗电量可达463269兆瓦时，这超过了35000多个美国家庭的年用电量。这一需求反映出人工智能工作负载在数据中心用电量中所占份额的不断扩大。据睿咨得能源公司预测，到2030年，全球数据中心的用电量将翻一番以上，到2040年将达到约1800太瓦时，足以满足1.5亿美国家庭一年的用电需求。

因此，电力的价格和供应情况将越来越决定人工智能的发展速度。在这方面，中国已抢占先机。去年，中国新增可再生能源装机容量创下纪录，主要来自新的太阳能和风能设施。仅太阳能发电就增加了约277吉瓦，风能新增约 80吉瓦，使新增可再生能源总装机容量超过356吉瓦，远远超过美国的总装机容量。

这一可再生能源的激增是更大计划的一部分。北京已将产业政策与加强国家电网的努力挂钩，在内蒙古开发大型太阳能项目，在四川扩大水电规模，并建设高压输电线路，将更廉价的内陆电力输送至沿海需求中心。

地方政府还向阿里巴巴、腾讯和字节跳动等企业提供优惠电价，以促进本地人工智能计算发展。这些补贴有助于抵消华为国产芯片效率较低的不足，使中国能够以更低的总体成本训练AI模型。

与此同时，美国批发电力成本持续上涨，数据中心附近区域的电价较五年前涨幅高达267%。但今年上半年，美国对包括大型风电和太阳能在内的多种可再生能源项目的投资却出现下滑，反映出政策转向和监管不确定性。白宫还详细发布了一项行政命令，终止对风能和太阳能的补贴。

有人认为，中国在能源方面的优势无法完全弥补其在芯片和模型方面的落后。确实，英伟达的H100和Blackwell图形处理单元在内存带宽和性能方面仍领先于华为的昇腾910B等中国同类产品。

这种失衡在技术竞争以硬件为主导的阶段至关重要，那时，获取驱动计算机和智能手机的先进芯片决定了谁能在整个行业中领先。例如，美国从 2019 年开始限制向华为供应高端芯片，从而遏制了华为的崛起。

然而，如今的差异在于能源的规模化速度已开始超越晶体管：芯片性能提升已放缓至个位数百分比，而中国可再生能源发电量每年仍以两位数增速扩张。电力成本下降使得同等预算可购得更多算力，电网容量扩大则让模型能够更频繁、更持久地接受训练。

这场人工智能的竞逐虽是新事物，却延续着数百年的历史脉络。纵观历史，每个技术强国的崛起都依托于廉价能源。廉价而丰富的煤炭推动了英国工业革命。在美国，石油与水电助力其20世纪在制造业和军事技术领域的霸主地位。

关于人工智能主导权的争夺常被描述为芯片及其管控体系的竞赛。但真正的权力终将属于那些能让AI模型持续运转的主体。