发布时间
2026/03/25 04:5812 分钟前源站更新
2026/03/25 04:5812 分钟前首次抓取
2026/03/25 04:5812 分钟前发布时间
12 分钟前源站更新
12 分钟前首次抓取
12 分钟前用于追踪这条内容的来源与记录标识。
Source
原始链接
发布时间
2026/03/25 04:5812 分钟前源站更新
2026/03/25 04:5812 分钟前首次抓取
2026/03/25 04:5812 分钟前发布时间
12 分钟前源站更新
12 分钟前首次抓取
12 分钟前用于追踪这条内容的来源与记录标识。
Source
原始链接
AI Wants More Data. More Chips. More Real Estate. More Power. More Water. More Everything
表面上看这很简单：向 ChatGPT 提问，它就会给出回答。但揭开面纱，你会发现每一次 ChatGPT 的提示和微软 Copilot 的任务都在消耗巨大的资源。数以百万计的人类在进行工程设计、纠错和训练模型。消耗的电量足以支撑多个国家。世界各地遍布着数据中心巨型园区。还有电力网络和互联网电缆。水、土地、金属和矿产。人工智能需要这一切，而且需求还会增加。
研究人员估计，处理一次 ChatGPT 查询所需的电量几乎是传统谷歌搜索的 10 倍。典型的搜索引擎是在海量索引中抓取已归档的内容。但最新的 AI 产品依赖于所谓的大语言模型（LLM），这些模型被喂入了数以十亿计的文字——从威廉·莎士比亚的全集到美联储的最新预测。模型检测模式和关联，并开发出数以十亿计的所谓“参数”，帮助它们模仿人类行为。利用这些模型，ChatGPT 之类工具可以创造新内容——因此被称为生成式 AI。
AI 的资源密集特性将产生赢家和输家。拥有最多资源的人将拥有最先进的 AI 系统。这导致了对日益稀缺的商品以及芯片获取权的争夺。它正激励科技公司寻求更高效的 AI 开发手段。他们正向核聚变等替代能源解决方案投入数十亿美元，这些方案在缺乏巨额支出和技术突破的情况下已经停滞了数年甚至数十年。与此同时，AI 的需求增加了继续燃烧化石燃料以供应电网的压力，即便全球正处于应对气候变化、可能突破关键排放目标的轨道上。
尽管 AI 的建设为投资者、企业和社会代表了巨大的机遇，但也存在危险。许多人已经提出了此类系统可能带来的危害和偏见的幽灵。与此同时，华尔街正逐渐失去耐心，等待这项技术转化为实质性的利润。甚至对效率的关注也可能成为任何过度投资基础设施的人头上的乌云。以下是维持 AI 行业模型运行所需的一切资源的详细观察。
AI 主要在布满主板、芯片和存储设备的数据中心运行。目前，这些中心的电力需求在世界许多地方已经超过了可用供应。高盛集团表示，到 2030 年，美国数据中心的用电量预计将占总电量的 8%，几乎是 2022 年 AI 热潮兴起时的三倍，高盛将其描述为“一代人未见的电力增长”。瑞典和英国也预测会出现类似的需求激增。到 2034 年，全球数据中心的年耗电量预计将从现在的约 500 太瓦时增加到超过 1580 太瓦时——大约相当于整个印度的用电量。
Alphabet 旗下的谷歌运营的数据中心在 2023 财年消耗了超过 24 太瓦时的电力，比 2021 年增长了 31% 以上。微软的总体用电量大致相当，较两年前激增了 70%。全球最大的科技公司已经敏锐地意识到，电力可能是 AI 供应链中最具破坏性的环节，他们正竞相锁定长期供应。今年 5 月，微软与布鲁克菲尔德资产管理公司的绿色能源部门签署了史上最大的企业清洁能源采购协议。
10 月，全球最大的太阳能和风能发电商 NextEra Energy 表示，它已达成协议，到 2030 年可能为仅两家财富 50 强公司开发惊人的 10.5 吉瓦可再生能源和储能。作为未来冲突的信号，这些甚至不是科技公司。NextEra 首席执行官约翰·凯彻姆告诉投资者，这一繁荣使得“数据中心以外的其他行业更倾向于锁定低成本的可再生能源发电。水涨船高，所有船只都在上升。”
煤炭作为全球碳排放最密集的能源之一，仍被用于产生约三分之一的电力供应。同样产生温室气体排放的天然气供应了 20% 的电力。风能和太阳能发电场近年来取得了进展，但由于缺乏能够平衡数据中心供应的巨型电池，可再生能源的间歇性对这些中心来说一直是个问题，因为它们依赖持续不断的电流。
谷歌率先使用的一种技术已成为解决方案：利用软件在电网中阳光和风力过剩的地区寻找清洁电力，然后在那里加大数据中心的运行力度。除此之外，目前唯一可靠、全天候的零排放电源可能就是核能。这解释了为什么微软在 9 月达成协议，将重启宾夕法尼亚州三哩岛核电站的一个反应堆，那里曾是 1979 年著名的部分熔毁事故所在地。大约一个月后，亚马逊签署了三项开发小型核反应堆的协议，谷歌也投资并承诺从一家同样开发模块化反应堆的公司购买电力。“我的天，核反应堆。你在开玩笑吗？”甲骨文公司董事长拉里·埃里森在 9 月的一次分析师会议上说。“这听起来完全像是编造的，但事实并非如此。……以前发生过这样的事吗？”
输电线路和变电站是 AI 链条中最不被重视的环节。所有新的数据中心都需要连接到一个已经陈旧、承受压力且在恶劣天气下（如飓风海伦）十分脆弱的电网。在 4 月的一次彭博行业研究活动中，云服务提供商 CoreWeave 的联合创始人布莱恩·文图罗表示，像他这样的公司正在开发将使电网不堪重负的巨型数据中心。想象一下，一个工业区的变电站供应 30 兆瓦，而该地区的一个数据中心可能需要 5 兆瓦。
剩下的电量流向其他办公室和工厂。文图罗说，如今像 CoreWeave 这样的公司会说，“‘我要 500 兆瓦’。你必须建造新的输电线路。你必须建造新的变电站。”而且你还需要这些变电站的变压器，这些设备可能需要提前数年订购。
而这仅仅是针对 500 兆瓦的需求。OpenAI 联合创始人兼首席执行官萨姆·奥特曼正在谈论可能需要 5000 兆瓦的数据中心。星座能源公司首席执行官乔·多明格斯表示，在短时间内从头开始建造一个能在单一地点支撑如此大负荷的电力系统“在功能上是不可能的”。星座能源是三哩岛核电站的所有者，该核电站正在恢复一个反应堆以向微软供电。多明格斯表示，数据中心建设者需要考虑在现有的巨大电力资源周围进行选址——比如他的核电站。在几个核反应堆旁边建立一个巨型园区，周围环绕着可再生能源和电池，用新的线路和负荷转移控制系统将它们连接在一起，你就可以创建一个自给自足的电网。
输入服务器的每一瓦电都会产生热量。温度过高会损坏设备并降低系统速度。目前，冷却数据中心空气最节能且最具成本效益的方法之一就是依赖水。Bluefield Research 估计，数据中心每天消耗超过 10 亿升水，其中包括发电用水。这足以供应 330 万人一天的用水量。2023 年的一项研究估计，与 ChatGPT 进行一次包含约 10 到 50 个问答的对话，需要消耗一瓶标准的 16.9 盎司（约 500 毫升）水。据估计，仅训练 ChatGPT 背后的一个早期 AI 模型就消耗了近 20 万加仑的水。更糟糕的是：为了避免环境问题和设备故障，其中大部分水都是饮用水级别的。
在爱荷华州西德梅因，OpenAI 使用的一组微软数据中心已使这家科技巨头成为该地区最大的用水户，根据水务部门的数据，其消耗量甚至超过了城市本身。（该部门表示，该公司当时也在调查一起显著增加其用水量的泄漏事故。）在西班牙大麦和小麦田间的拉塔拉韦拉 - 德拉雷纳小城，Meta Platforms 因计划建造一个每年耗水约 6.65 亿升（1.76 亿加仑）的数据中心而与当地人发生冲突。
支撑生成式 AI 的大语言模型通过在互联网上消化海量数据来学习，而 AI 工具的用户反过来只会增加需求。AT&T 首席执行官约翰·斯坦基在 5 月表示，该网络的无线需求已经每年增长 30%，且随着 AI 提高使用量，这一趋势不会放缓。他说：“如果你继续看到使用量每年增长 30% 到 35%，你就必须建造更大的高速公路来承载它。”
Verizon 消费者集团首席执行官索米亚纳拉扬·桑帕斯在大约同一时间的采访中表示，过去五年，由于人们观看和流媒体播放视频，Verizon 的网络流量增长了一倍多。他预测，在未来五年，由于输入 AI 模型的提示和数据，增长将再次翻倍。他说，AI“是我们的下一个增长机器”。科技公司非常渴望立即锁定光纤网络，以至于电信公司 Lumen Technologies 在 8 月宣布，它已获得 50 亿美元的新业务（并正在洽谈另外 70 亿美元），这些业务都与 AI 驱动的连接需求有关。
全球范围内，已建成或处于不同开发阶段的数据中心超过 7000 个，高于 2015 年的 3600 个。而这可能仍然不够。甚至在 ChatGPT 出现之前，对数据中心服务的需求就在剧增，主要是因为企业越来越多地将数据处理移至场外，转向远程云服务。而且每个主要国家都想要拥有自己的本土 AI 枢纽，引发了一场全球基础设施竞赛。
数据中心需要土地。作为参考：专注于数据中心的房地产投资信托公司 Equinix 购买了 200 英亩土地用于建设一个数百兆瓦的园区。另一家公司最近签署了一份 2000 英亩土地的租赁开发协议，用于建设一个吉瓦级的园区。寻找完全符合数据中心电力要求的土地非常困难，导致了竞购战。这些综合体还需要建筑材料和施工队伍来安装一切。材料处于延期交货状态，工人也短缺。与此同时，云服务提供商 CoreWeave 的文图罗表示，他的一些客户希望他将整个园区专门用于他们的业务。文图罗说：“市场的移动速度远快于历史上支持实体业务的供应链的建立速度。”
图形处理器（GPU）是训练 AI 模型的功臣。它们被设计用于同时处理数千个任务，这一概念被称为并行处理。一个数据中心可能会使用数百甚至数千个此类处理器，每个处理器的价格都超过一辆家用轿车。在生成式 AI 热潮最初兴起时，几乎所有主要的科技公司都面临这种芯片短缺的问题。微软和谷歌都曾在过去的财报电话会议中提到 GPU 库存低是一个挑战。
英伟达通过每年推出新技术提高了所有人的门槛。这给本已紧张的供应链带来了进一步的压力。该公司在 11 月表示，其新的 Blackwell 产品已重回正轨，出货量超出了预测。但关键在于，要满足所有需求还需要很多个季度。
上述许多项目都需要金属和矿产。以硅为例，它是芯片、电路和处理器的基础。中国是原生硅和精炼硅材料的最大生产国，随着亚洲国家与美国及其盟友之间的紧张局势升级，这引发了担忧。最近的一次供应链恐慌发生在北卡罗来纳州。10 月，飓风海伦除了在美国东部造成数十人死亡和人员被困外，还扰乱了该州两座矿山的运营，这两座矿山合计生产了全球约五分之四的高质量石英。石英被用于制造坩埚，硅在其中被加热、熔化并重塑为单晶结构，这是制造半导体的理想基础。
半导体含有金、银、铝和锡。这些金属足以维持工厂运转。但有两种冷门的芯片金属已成为潜在瓶颈：镓和锗。12 月，中国宣布禁止向美国出口这些金属——这是不断升级的技术战的一部分。铜存在于包括芯片、数据中心、电气设备和冷却装置在内的一切事物中，这可能为 AI、可再生能源和电动交通的需求冲突埋下伏笔。还有钢，它对建造数据中心和电缆等基础设施至关重要。
关于 AI 可能消除的工作岗位已经有很多讨论。今年 2 月，瑞典金融科技公司 Klarna Bank 在表示其 AI 助手的工作量相当于 700 名全职客服代理后引起了轰动。全球研究和分析公司警告称，金融、法律和客户服务等行业的就业将受到沉重打击。国际货币基金组织估计，AI 可能会取代或增强全球近 40% 的就业。
但 AI 公司本身目前直接雇佣了数百万人。AI 从业者包括计算机科学家、数据架构师、研究员、数学家、软件工程师、芯片设计师、产品和项目经理以及合规律师。更不用说成群结队的内部分析师、营销人员和销售人员。11 月初，Salesforce 宣布计划招聘 1000 多名员工来销售其新的生成式 AI 产品。
在争相招聘 AI 人才的过程中，这些职业大多出现了人才瓶颈。科技投资者和 AI 初创公司感叹缺乏受过良好教育且经验丰富的候选人。“AI-vies”（模仿常春藤联盟 Ivy League 的说法）一词在硅谷出现，指的是少数几家（包括 Alphabet、微软和 OpenAI）培养了所有人都想挖走的人才的公司。还有更多的人在印度等海外国家被招募，负责构建和清理训练 AI 系统所需的高质量数据集。
生成式 AI 模型需要高质量的数据，就像人类需要食物一样。大语言模型通过摄取被分解为称为“标记”（token）的小单位的文本来进行“训练”。LLM 从这些文本中识别模式，帮助预测——在一个反复进行的过程中——应该接在另一组文本之后的文本。全球最顶尖的 LLM 每个都经过超过一万亿个标记的训练。为了便于理解，请考虑 2048 个标记大约相当于 1500 个单词。关于世界上究竟存在多少累积文本数据的估计各不相同，从几万亿到几千万亿不等。
令人惊讶的是，这种丰富的数据可能不足以让 AI 的发展像某些人希望的那样迅速推进。一些全球最强大的 AI 模型开发商（如 OpenAI）已经发现，寻找新的、未开发的、由人类创作的高质量训练数据来推进其模型正变得越来越困难。
非英语语言的数据有限，而关注非西方或非白人社区的数据则更少。这种多样性的缺乏可能会导致 AI 产品对少数族裔、女性和其他代表性不足的人群表现出偏见。例如，彭博社今年的一项分析发现，ChatGPT 背后的基础 AI 模型在对简历进行排名时，仅根据姓名就对某些种族群体表现出偏见。OpenAI 表示，结果可能无法反映其客户如何使用其模型，并表示其致力于识别潜在危害。
从媒体机构到金融机构，数据和内容的生产者正意识到他们的信息对 AI 开发商来说越来越有价值。好莱坞演员和编剧在 2023 年举行罢工，以保护他们的手艺不受该技术侵害。《纽约时报》以及主要唱片公司正在起诉 AI 公司利用受版权保护的作品训练数据。AI 公司则表示，在公开可用的材料上进行训练是法律允许的合理使用。
在最近的一次投资者电话会议上，标普全球首席执行官玛蒂娜·张总结道：“大语言模型的优劣取决于其训练数据的质量和数量，而我们拥有大量高质量的数据。”仅在过去一年中，OpenAI 就达成了使用新闻集团、康泰纳仕、赫斯特、Reddit、《人物》杂志出版商 Dotdash Meredith 和阿克塞尔·斯普林格内容的协议。
科技公司正在尝试在“合成”数据集上训练模型，即由 AI 本身创建的内容。理论上，这有助于 AI 公司满足其对数据的无底洞需求，同时避免围绕从网络抓取信息的法律、伦理和隐私相关担忧。但一些研究人员警告说，如果 AI 模型是在 AI 而非人类生成的内容上训练的，它们可能会“崩溃”。一篇关于所谓“模型崩溃”的 2023 年论文显示，在模型根据“哪怕是少量的自身创作”进行重新训练后，AI 生成的人类图像变得越来越扭曲。
投资者、数据中心运营商、能源公司和其他企业正集体向喂养 AI 的供应链不同环节投入数千亿美元。每家主要银行和私人金融机构都在为从估计 1 万亿美元的 AI 基础设施支出中分一杯羹而布局。Alphabet、亚马逊、Meta 和微软的资本支出在 2024 年将集体超过 2000 亿美元。标普 500 公用事业板块指数在过去一年上涨了 22%，专注于数据中心的 REIT Equinix 自 2022 年底以来市值几乎翻了一番。英伟达股价在过去两年飙升了近 700%，使其成为地球上最有价值的公司之一。
然而，归根结底，没人知道 AI 是否会持续繁荣。一些华尔街分析师开始预测这场狂热的终结。投资者已开始质疑大科技公司的巨额支出是否会转化为他们预想中的 AI 盈利机器。可以说，对投入 AI 的数千亿美元资金构成的最大威胁是，全球最先进的模型开发商及其供应商已变得痴迷于效率。
芯片设备制造商应用材料公司首席执行官盖里·迪克森在 11 月告诉投资者，一些 AI 公司的目标是在五年内实现计算效率“100 倍的提升”。他说，其他人则瞄准在 15 年内实现 1 万倍的增长。迪克森说，效率“正成为该行业统一的驱动力”。
发布时间
664 天前
2024-12-13 11:00:20 UTC
源站更新
664 天前
2024-12-13 11:00:20 UTC
首次抓取
130 天前
2026-05-31 00:06:23 UTC
人工智能的快速发展正引发对电力、水资源、芯片及土地等资源的巨大需求，预计到 2034 年全球数据中心耗电量将翻三倍，达到印度全国的用电水平。
人工智能（AI）的繁荣正对全球资源造成前所未有的压力。研究显示，单次 ChatGPT 查询的耗电量是传统谷歌搜索的近 10 倍。随着生成式 AI 模型的规模不断扩大，其对电力、水资源、土地、芯片及原材料的需求呈指数级增长。高盛预测，到 2030 年，数据中心将消耗美国总电力的 8%，而全球数据中心的年耗电量预计在 2034 年达到 1580 太瓦时，相当于印度的全国用电量。为应对电力缺口，科技巨头正转向核能和可再生能源，甚至重启三哩岛等核电站。此外，AI 散热对水资源的消耗也引发了地方冲突，如微软在爱荷华州的数据中心用水量已超过当地城市总和。在硬件方面，英伟达 GPU 的供不应求以及硅、铜、镓等关键矿产的供应链风险也成为制约因素。尽管华尔街对 AI 的盈利能力仍存疑虑，但科技巨头在 2024 年的资本支出预计将超过 2000 亿美元，这场围绕基础设施的竞赛正重塑全球能源与工业格局。
The rapid expansion of AI is driving an unprecedented surge in demand for electricity, water, chips, and land, with data center power consumption projected to triple by 2034 to match India's total usage.
用于追踪这条内容的来源与记录标识。
