本文來源： 星海情報局

原文鏈接：https://mp.weixin.qq.com/s/cwwwtF4GKNugS2B3mJc-mA

從美國西雅圖往北走40公里，有一座安靜的小城叫埃弗里特。幾年前，有一家初創的小公司落戶在了這里——這家公司叫Helion，主要業務是研究可控核聚變。         

看著挺唬人的，但在這個時代其實不算稀罕。         

搞出了《原神》的米哈游前段時間也投資了一家國內研究可控核聚變技術的企業。可見投資就像戰國的諸侯大夫們養門客，100個門客里99個都是混飯吃的也不要緊，只要有一個“士為知己者死”，這錢就沒白花。       

Helion這家公司比較值得我們關注的，是它的股東們——2021年11月，Helion接受了一筆5億美元的投資，而在此之前的8年時光里，這家公司一共也才接受了不到8000萬美元的資金支持。         

給Helion這么一大筆投資的“榜一大哥”叫Sam Altman，科技圈兒的朋友應該都知道這個人的另一個身份——OpenAI創始人、ChatGPT的親爹。         

除了投資核聚變企業外，Altman還自己創辦了一家Oklo的核能領域初創企業。         

連起來就是：世界頂級AI大佬，開始瞄準能源行業了。

01

擊垮科技企業的，可能是水電費

AI創業未半而中道沒電，今AI天下兩分，美洲疲敝，此誠危急存亡之秋也……         

當中國的AI企業正在擔心買不到先進GPU的時候，美國的AI企業正在擔心電力問題——賓夕法尼亞大學的專家表示：五年前的2018年，計算機只用掉了全球不到2%的電力；但今天，這個比重已經漲到了10%，預計到2030年，計算機最多將會消耗全球五分之一的電力，至少也會消耗全球8%的電力。         

其中，僅數據中心的耗電量就將占到全球用電量的2%。

2%，看著挺人畜無害是吧？

但我換個說法，你就知道這事情有多嚇人了：         

咱中國現在14億人口，去掉老人和小孩，一共10億活躍網民，咱們每天起床就開始玩手機，沒事兒就刷抖音，中午點個外賣，下午在群里吹水聊天，而且各種消費基本全都是數字支付……這種程度的數字化生活，數據中心用電量也才占了全國用電量的2.7%。         

“數據中心的耗電量將占到全球用電量的2%”——這相當于全球老百姓都過上了我們這種重度聯網的生活——但現實是，咱們隔壁的印度都還有7億人沒聯網呢。         

這么一個遠景，背后需要多少數據中心作支撐？這些數據中心又要多少電力去支撐？         

另外，從絕對數字上來看的話，未來全球各處數據中心的用電量總和將輕松超越諸如一大堆歐洲小國家的用電量。  

局長聽過最喪心病狂的預測是：全球的計算需求可能會超越全球十年發電量的總和。         

雖然如今“百模大戰”很兇悍，但時間拉長，最后活下來的一定只有寥寥幾家而已——想從這修羅場里走出來，你需要給自己的模型喂大量的數據，做海量的訓練。僅以現在的水平來看，ChatGPT每個月的耗電量約等于將近30萬戶中國家庭的用電總和。         

別忘了，很多數據中心也是要水冷的——谷歌發布的2023年環境報告顯示，其2022年消耗了56億加侖（約212億升）的水，相當于37個高爾夫球場的水。其中，52億加侖用于公司的數據中心，比2021年增加了20%。         

今天，這個問題還不算嚴重，但能耗已經是芯片之外，計算行業里的第二大成本了。         

雖然這個用電量總量在咱們中國人眼里看來也不是那么大，全球加起來也就是一個小縣城的電量，但問題是需要為此買單的企業也并不多——請問諸位搞AI大模型的企業，到那時，您真的掏得起水電費嗎？         

當然，太陽底下沒有新鮮事。         

早在AI行業出現前，就已經有一個行業開始了自建電廠的道路——這就是電解鋁行業。

電解鋁生產

以之前局長參觀過的東方希望準東園區來說，它的核心是準東電廠，露天煤礦挖出來的煤直接送到發電廠里燃燒發電，電能驅動了周邊的電解鋁廠和重化工工廠。       

對像電解鋁這樣的行業來說，自建電廠的經濟效益要比從電網里買電劃算的多。   

未來的AI行業，大概也是這意思。         

于是我們也就能理解美國人的想法了——考慮到歐美在碳排放方面的各種要求，微軟和OpenAI的選擇是核能——不是那種大型的核電站，而是小型的、可以快速部署的小型模塊化反應堆（SMR）。

02

中國的AI企業是什么情況

但對中國的科技企業來說，數據中心的能源問題就是另一個故事了。我們當然也認識到了AI的能耗問題，不然《如何實現低能耗人工智能》不會被選入今年十大前沿科學問題。

中國AI企業沒有像美國人那樣布局能源行業的主要原因是沒錢。         

訓練大模型是非常花錢的一件事情，首先就是要買大量的GPU——ChatGPT大概需要30000枚英偉達的A100 GPU芯片作為支持，采購成本8億美元，每日電量5萬美元。      

百度十年的研發投入大概是1400億元，大概200億美元左右，平均到每年也就20億美元——而ChatGPT光是每年的運營成本就已經要5億美元了。         

就是一分價錢一分貨，沒有什么竅門，真的就是錢堆出來的——光是研發和訓練費用就已經讓我們的AI企業頭皮發麻了，還有什么余糧去研究能源問題么？         

因此，對于中國的AI企業而言，基于現在的經濟基礎，思考能源問題多多少少還是有點太早了——百度文心一言作為國內最有名的大模型，日活用戶也就幾百萬，還不到ChatGPT的一個零頭——你讓他去擔心能源問題就真的是有點太超前了。         

除了錢，技術也是一個重要的障礙。         

低能耗的AI如何實現？一個靠硬件（芯片），一個靠軟件（算法）——現在的算力基本都是靠先進制程在死撐，代價就是高能耗，在保證芯片性能的前提下降低能耗將會是一個重要的方向，要么就繼續往前推進工藝節點，要么就是整出一個顛覆式的創新架構，實現接近于人類神經元的低能耗計算；再一個就是算法，讓人工智能的算法更簡潔一些。      

這就不僅僅是AI企業的工作了，上游的芯片供應商和制造商也要動彈起來。         

AI作為一個有潛力引發新一輪產業革命的關鍵技術，它的能量這么大，背后涉及的產業鏈就一定會特別漫長，會卷進去很多人，這都不是一個兩個AI企業可以解決的。

03

中國要做好能源準備

對我們來說，做好能源準備總是沒錯的。

中國現在是全球第一發電大國，2022年的發電量接近9萬億度，大概是美國的兩倍——超大規模的發電量背后，是中國超大規模工業體系帶來的巨大用電量——冶金、化工等等行業都是超級用電大戶，在這些行業面前，現階段的AI用電量實在是有點不夠看。 

但我們應該注意的是，隨著AI在各個行業的不斷應用，AI的耗電量會越來越高，在突破某個臨界點之后，AI的用電量可能會高到我們始料未及的一個程度——Altman為什么直接投資核能企業呢？既然總是要發電，為什么他不投資已經很成熟的風力、光伏等領域呢？         

我的看法是：在Altman看來，未來AI的用電量極為巨大，只有核能才能滿足。         

中國和美國的AI競賽，現在才開始。不得不說，在GPU這塊，我們的技術確實還沒有到那個層次，還是需要技術攻關和市場的認可，這個是半導體行業的問題，不是本篇的討論范圍。         

但在能源技術上，我們還是頗有一些成就的。         

就以小型模塊化反應堆（SMR）來說，十幾年前，我們就已經開始了SMR的研究——以中核集團的“玲龍一號”為例，作為一種基于成熟技術的創新型核反應堆，是全球首個通過IAEA安全審查的小型模塊化壓水反應堆，目前已經在建設過程中，2026年預計就可以投入實用了。

在這一塊，我們是有現成的產品可以用來滿足未來需求的。         

除了核能外，清潔能源上，我們的努力值得注意。         

以光伏行業來說，中國也是世界一流的水平。坐標江蘇常州的天合光能去年做了850億的收入——中國光伏的擴張背后是我們在降低光伏發電的成本，這些年，中國每一度光伏電的發電成本降低了20倍。         

低成本帶來的優勢是我們的競爭力增強了——中國光伏產品很大一部分都出口了——光伏組件占了全球75%的份額，電池片占了80%的份額，硅片上占了90%的份額。         

而且，光伏現在已經不聲不響地取代了水電，成為中國第二大電源了——三峽葛洲壩白鶴灘……我們玩兒了這么多年水電，誰能想到短短十年時間里，光伏就反超了呢？        

……

 綜上所述，對于中國的AI企業來說，由于整體的市場還不算大，用戶也不算多，能源問題并不像ChatGPT那樣顯得非常緊迫，故而短期內不需要太過于擔憂能源問題，即便有所需求，市場上也有能夠滿足的現成解決方案。