数据中心希望拥有自己的核反应堆| 技术

ChatGPT 的创建者 OpenAI 的首席执行官 Sam Altman 在 1 月份的达沃斯论坛上发出警告：人工智能（AI）行业即将引发能源危机。 他告诉世界顶级领导人和企业家，新一代生成人工智能将消耗比预期更多的能源，以至于全球能源网络受到控制。 “如果不做出重大改变，就不可能实现这一目标，”他厉声说道。

他所说的“巨大变化”就是所谓的先进核能，这个术语包括袖珍反应堆和核聚变，两者都仍处于实验阶段。 一些公司已经关注这种替代方案，这将为他们提供能源自主权和更好的成本控制。 拜登政府对此并没有恶意看待。 能源部长詹妮弗·格兰霍姆 (Jennifer Granholm) 三月份会见了包括亚马逊、谷歌和微软在内的多家科技公司，探讨富有想象力的供应方式。 讨论的主题之一是小型核反应堆在数据中心的安装情况，这些大型仓库里装满了日夜运行的处理器。

最新估计表明，全球 8% 的能源已专用于人工智能，这些能源用于为训练模型和托管系统的处理器供电。 正如 Altman 预测的那样，随着用户的增加以及 ChatGPT、Gemini 或 Copilot 新版本的出现，这个数字很快就会达不到要求，这将需要越来越多的计算能力。 “我很高兴他在达沃斯这么说。 “自从 2018 年开始发表有关人工智能行业的文章以来，我看到人们不断地最小化和否认人工智能行业的环境成本，”人工智能足迹的主要研究人员之一凯特·克劳福德 (Kate Crawford) 写道。

拉斯 大科技 西方国家已经迈出了迈向核时代的第一步，核时代的能源正在下降（拆除的反应堆多于建造的反应堆），但有一些主要例外：美国、法国、英国和几个东欧国家。 。 企业则将其视为在供应不足的情况下确保稳定和持久能源供应的一种方式。 谷歌高管 他们说 华尔街日报 考虑与小型核反应堆开发商签署购买协议的可能性。 “我认为核能，尤其是最先进的核能，正在取得很大进展，”谷歌全球清洁能源主管莫德·特克西尔（Maud Texier）告诉美国报纸。 公司消息人士并未向《国家报》证实核路线是未来的一个选择，尽管他们也没有否认。 谷歌最近与微软和纽柯公司签署了协议 “加速先进清洁能源技术”，包括“先进核能”。

去年 10 月，微软与美国公司 Helion Energy 签署了购买协议 (PPA)，通过该协议，微软将从 2028 年开始获得通过核聚变获得的能源，这种技术理论性多于实用性，与裂变不同，它不会产生能量。产生放射性废物。 在被本报问及其在核领域的战略时，该公司提到了去年12月的一份文件，题为 加速实现无碳未来其中明确指出，“先进核能”以及传统反应堆是微软绿色转型的支柱之一，但没有提及最后期限或日期。

AWS，亚马逊的云计算部门， 最近在美国购买了一个大型数据中心 毗邻该国第六大核电站，该核电站以固定价格提供 100% 的能源。 “为了补充我们的风能和太阳能项目（这些项目取决于天气条件来发电），我们还在探索创新和技术，并投资其他清洁、无碳能源。 与塔伦能源的协议 [la empresa dueña de la citada central nuclear estadounidense] 无碳能源是一个朝这个方向发展的项目，”该公司消息人士告诉《国家报》。

硅谷的核调情

核能是人工智能的拯救者的想法正在硅谷富豪中流行起来。 萨姆·奥尔特曼是他的伟大支持者之一。 他对核聚变先驱 Helion Energy 的提案的未来充满信心，并为此投资了 3.75 亿美元。 他还主持了一家名为 Oklo 的初创公司，该公司旨在设计和制造类似于当今使用的核裂变反应堆，但规模要小得多（所谓的 SMR，小型模块化反应堆的缩写）。

比尔·盖茨是另一位对中小型反应堆感兴趣的科技大亨。 他的 TerraPower 公司正在研究钠核反应堆，这是一种实验性变体，如果成功的话，其成本有望比核裂变便宜 25 倍。

Meta 的首席生成人工智能工程师 Sergey Edunov 几个月前表示，只需要两个大型核反应堆就可以满足预计 2024 年人工智能方面的整个全球能源需求，包括为已经运行的模型和培训提供动力。 新的。

核路线有路吗？ “目前还没有任何进展可以立即部署中小型反应堆，目前许多国家正处于初始原型设计阶段。 这种选择只有在几十年的时间里才可行。”工程师 Heidy Khlaaf 说道，他是安全关键系统中复杂计算机应用的评估、规范和验证专家。 英国、法国、加拿大或美国等一些国家已计划开发此类设施，但不会在 20 年前完成。

克拉夫特别关注微软已经将 生成式人工智能负责处理获得核许可证的文书工作，这个过程可能需要数年时间并花费数百万美元。 “这不是一个打勾的练习，而是一个自信的过程。 “将这些监管程序视为仅仅是繁琐的文书工作，足以说明你对核安全的理解或缺乏，”他厉声说道。

将人工智能的未来托付给核聚变现实吗？ Helion Energy 最乐观的估计是，到 2029 年，它将能够生产足够的能源来供应美国 40,000 个普通家庭。 据估计，ChatGPT 目前已经消耗了相当于 33,000 个家庭的电量。

为何消耗如此多的能源？

人工智能的出现动摇了全球能源格局。 与生成式人工智能模型相关的大部分消耗发生在使用之前的开发阶段。 训练。 这是深度学习模型开发的关键过程，包括向算法展示数百万个示例，帮助其建立预测情况的模式。 在大型语言模型（例如 ChatGPT）的情况下，系统旨在得出以下结论：“大海是彩色的”系列单词后面跟着单词“蓝色”的概率很高。

大多数数据中心使用称为 GPU 的先进处理器来训练人工智能模型。 GPU 需要大量能量才能运行，大约是 CPU（传统处理器）的五倍。 训练大型语言模型需要数万个 GPU，需要日夜运行数周或数月。

“大型语言模型具有非常庞大的架构。 帮助您选择雇用谁的机器学习算法可能需要 50 个变量：候选人在哪里工作、他们现在的工资是多少、以前的经验等。GhatGPT 的第一个版本有超过 1750 亿个参数，”Ana Valdivia 教授解释道。牛津互联网研究所人工智能、政府和政策博士。

一旦模型经过训练，就必须托管和利用其运行的数据。 这也是在数据中心完成的，数据中心必须昼夜运行。

AI的总消耗是多少？ 有多少精力专门用于训练和喂养最常用的模型？ 公司不会公布这些信息，我们所拥有的只是估计。 例如，据报道，谷歌的 Gemini Ultra 模型是当今最先进的模型之一，需要 500 亿千万亿次浮点运算来进行训练。 斯坦福大学最近的一份报告。 要使用商用计算机（尽管在这些任务中使用超级计算机）实现这种计算能力，大约需要 100,000 亿（10 的 16 次方）计算机。 此次培训的相关成本为 1.91 亿美元，主要归因于能源消耗。

单个人工智能模型可能消耗数万千瓦时的电力。 据技术咨询公司 IDC 估计，ChatGPT 等生成式 AI 模型的消耗量可能会多出 100 倍。

除了系统本身的功率外，处理器的冷却系统也会产生消耗。 最常见的技术包括电动通风和使用水来冷却环境和机器。 尽管最现代的技术涉及使用闭路循环来最大程度地减少水资源损失，但后一种系统已开始在缺水的地方造成问题。

您可以关注 EL PAÍS 技术 在 Facebook y X 或在这里注册以接收我们的 时事通讯。

_