文 | 商隐社kaiyun欧洲杯app(官方)官方网站·IOS/安卓通用版/手机APP下载，作家 |   浩然

AI 的发展给东谈主们形色了科技突出带来的"诗和迢遥"，但这背后却有着重大的能源、资源、劳能源消费，这是 AI 发展的千里重践诺。

此外，AI 看成一种新式"巨机器"对东谈主和社会的影响也被低估了。

01

谷歌在本周一示意，与 Kairos Power 公司签署一份从多个微型模块化反应堆购买电力的条约，以称心发展东谈主工智能的用电需求。

谷歌决策买六到七个微型模块化反应堆的电力，筹划 500 兆瓦，首个微型模块化反应堆在 2030 年之前过问使用。

而在上个月月底，微软和星座能源公司签署了一份为期 20 年的电力采购条约，决策重启曾因严重核事故而关闭的好意思国三哩岛核电站。

1979 年 3 月 28 日，三哩岛压水堆核电站的二号反应堆由于冷却系统失灵，形成 62 吨的堆芯熔毁事故，这是东谈主类核能发展史上发生的第沿途堆芯熔毁事件。

外洋上把核电站事故分为 7 级，切尔诺贝利和福岛的核事故是唯二的两件 7 级事故，而三哩岛核泄露处于第 5 级。

星座能源在 1999 年买下了一号反应堆，就在发闯祸故的二号反应堆傍边，其后因为经济效益不好在 2019 年关闭了。

跟微软签条约后，星座能源将过问 16 亿好意思元对一号反应堆进行翻新，瞻望到 2028 年才驱动从头发电，时期表受到监管批准的影响。

谷歌、微软搬出来核电站，一下子囤这样多电，主要将用来驱动 AI 数据中心。而况不单这两家，其他在 AI 限度布局的科技大佬齐在这样干。

本年 3 月，亚马逊从塔伦能源公司购买了一个自带核电供应的数据中心园区；甲骨文最近也示意，正在遐想 1 处由 3 个微型核反应堆供电的数据中心。

科技巨头之是以搞得这样大，是因为 AI 恐怖的耗电量。

AI 究竟有多耗电？

斯坦福东谈主工智能预计所发布的《2023 年东谈主工智能指数证据》流露，OpenAI 的 GPT-3 单次教师耗电量高达 128.7 万度，十分于 3000 辆特斯拉 Model Y 跑满 32 万公里的耗电量。这亦然 120 个好意思国度庭 1 年的用电量。

这还仅仅教师用的电，比较背面继续使用的要津仅仅小头。

在使用要津，AI 每次作出回话也要多量耗电。像 ChatGPT 有 2 亿多用户，每天反馈这些需求就要耗 50 万度电。

大模子的参数目越大，需要处理的数据就越多，所需要的策画量就越大，而算力背后是多量的服务器、存储设备和蚁集设备，它们昼夜不停地使命，消费多量电能。

曾有业内东谈主士示意，国内一线大模子的运营老本中，电费占到了总老本的 50% 以上。

外洋能源署本年发布的证据中预测，将来三年公共对数据中心、加密货币和东谈主工智能的电力需求将增多一倍以上，十分于一个德国的全部电力需求。

"我在一年多前就预测过芯片短缺，下一个短缺的将是电力。我觉得来岁将莫得弥漫的电力来运行扫数的芯片。"前段时期马斯克发出了这样的预警。

OpenAI 首席实践官山姆 · 奥特曼也示意，东谈主工智能将消费比东谈主们预期更多的电力。

淌若说算力是大模子的底层支撑，那电力即是算力的底层救助。能否取得更清洁、踏实的能源，以及 AI 设备能否作念到服从更高、更省电，影响着 AI 发展的可持续性。

02

除了耗电，AI 对资源也有着多量消费。

比如对水资源的消费。AI 芯片制造进程中触及多量的清洗和化学处理门径，分娩一个智高东谈主机芯片就需要梗概消费 5 吨多的水。而 AI 超算数据中心也需要多量水来散热，预计发现，单是使用 GPT-4 生成 100 字文本就需要消费多达三瓶水。

有调研估算，到 2027 年，公共范围内的 AI 需求可能需要消费掉 66 亿立方米的水资源，十分于杭州西湖水量的 450 多倍。

还有矿产资源，任何高技术的最先齐是能源和矿产。

从蚁集路由器到电板再到数据中心，AI 系统延迟蚁集合的每一部分齐需要矿产资源。

当代生活的许多方面齐被迁移到了"云霄"，但东谈主们很少筹商这些原材料的老本。咱们的使命、生活、平静文娱大部分齐发生在蚁集策画架构的全国，而由云策画联通的咱们拿在手中的设备，其内核为锂。

可充电锂离子电板是迁移设备、札记本电脑、家用数字助理和数据中心备用电源的必需品。它们救助着互联网和互联网上运行的险些扫数交易平台。

除此除外，还有许多不能再生的矿物资参与到了 AI 和其他高技术发展中，包括用于 iPhone 扬声器和电动汽车电机的稀土元素镝和钕，用于士兵的红外军事设备和无东谈主机的锗，不错提升锂离子电板性能的钴。

参与全国科技竞争的国度齐会字据本身工业要乞降对供应风险的战术评估，制定我方的重要矿物清单。

中国、好意思国、欧盟战术性重要矿产（图源：外洋和解中心网站）

锂、锗、钴、稀土、石墨等齐位列其中，是发展新能源汽车、东谈主工智能、云策画、光伏、信息通讯等高技术不能或缺的。

像稀土，内部包含 17 种金属元素，16 种被用在了智高东谈主机里，这些元素不错在彩色流露屏、扬声器、相机镜头、可充电电板、硬盘驱动器和其他许多组件中找到。

淌若无法保证这些矿物的供应，包括 AI 在内的科技行业齐将堕入停滞。这是时期发展最要紧的不断条款。

许多矿产齐散播于全国上比较偏僻或者经济不推崇地区，像玻利维亚西南部的乌尤尼盐沼、刚果中部、蒙古国、印度尼西亚。而采矿历来齐是一件极易激励地缘政事打破和干戈的事情。

但包括 AI 在内的高技术发展给咱们带来了"诗与迢遥"，很容易让咱们忽略组成时期"肉身"的这些原材料，背后的稀缺，以及由此带来的打破、饥饿和贫困。

正如"锂电板之父"古迪纳夫所担忧的那样："锂的要紧性不亚于石油等战术性资源，一朝开采出现瓶颈，可能会跟石油通常成为干戈的导火索。"

这样看来，高技术险些也不错看作是一种资源密集型的索要时期，把不能再生的矿产、水等改造一些虚构智力，时期还伴跟着环境禁闭和地缘打破。

而况，这种重大的资源密集型基础步伐险些实足是私东谈主的。

03

AI 发展不仅存在能源和资源"饥渴"，还存在数据"饥渴"。

数据、算法和算力是 AI 大模子的三大支撑，而数据是大模子进行教师的根基。数据集塑造了 AI 的领略范围，它们决定了 AI "看"全国的界限。

比如，创建策画机视觉系统的第一步，通常是从网上抓取百里挑一甚而数百万张图像，然后设备一系列分类体系来对它们进行排序，并以此看成系统感知可不雅察事实的基础。

淌若思构建一个不错检测苹果和橙子图片之间相反的机器学习系统，最初开发东谈主员必须汇集和绚烂数以千计的苹果和橙子的图像，并基于此教师神经蚁集。在软件方面，算法会对图像进行统计拜访，并开发一个模子来识别两个"类别"之间的相反。

淌若一切按决策进行，经过教师的模子将能够永诀它昔日从未际遇过的苹果和橙子图像之间的相反。

但淌若扫数苹果的教师图像齐是红色的，而莫得一个是绿色的，那机器学习系统可能会推断"扫数苹果齐是红色的"。青苹果实足不会被识别为苹果。

因此，教师数据集是大多数机器学习系统进行推理的中枢。它们是 AI 系统用来生成预测基础的主要原材料。

咫尺蚁集上每天有不能胜数的文本、图片、音视频被上传，AI 参与者就驱动了数据抢掠。

科技巨头在其中占据了上风地位，像腾讯、字节、Meta 等掌捏着各自的数据渠谈，共享内容的东谈主越多，他们能用来教师大模子的力量就越大。东谈主们很乐意免费为他们的相片贴上姓名和所在的标签，而这种无偿做事为机器视觉和话语模子系统治来了更准确的绚烂数据。

莫得这些数据渠谈的企业就要为此付一大笔用度或者思其他看法得到。

OpenAI 就曾被报谈其在未得到创作家授权情况下，使用 Whisper 语音识别器具，转录了突出一百万小时的 YouTube 视频内容，并将这些数据用于教师其 GPT-4 模子。

但数据，尤其是高质地的数据并非无穷无穷的。字据旧年 Epoch AI 东谈主工智能预测组织的一项预计，AI 公司可能在 2026 年前耗尽高质地文本教师数据，而低质地文本和图像数据的衰退时期可能介于 2030 年至 2060 年之间。

山姆 · 奥特曼曾觉得 AI 临了应当不错产生高品性的"东谈主造贵寓"，以便高效地进行自我培训。

但许多预计者觉得，AI 产生的数据质地太差，再用这样的数据"喂"我方即是"自我投毒"。

对高质地数据的饥渴催生了" AI 灌音员""大数据标注师"" AI 裁剪"等众包使命。

之前就有媒体报谈，在一些一二线城市，互联网大厂正以每次 300 元的价钱，招募" AI 灌音员"。他们的任务是为大模子提供定制化的语音数据，通过录制长达 3 小时的对话，匡助 AI 更好地交融和学习东谈主类话语。

这 300 元不是那么好挣的，需要提供有充足剧情、严格合适规范的高质地内容，可能需要屡次访佛一些内容以合适要求。

事实上，AI 的一个常被冷漠的要紧事实即是需要数目重大的低薪工东谈主匡助开发、颐养和测试 AI 系统。比如 AI 灌音员，还有给数千小时的培训数据作念绚烂，审查可疑或无益的内容。但他们从未因为使这个 AI 系统粗浅运行而取得认同。

此外，像亚马逊的物流系统，即便配备了多量机器东谈主来作念诸如搬箱子这样的重活，但也需要东谈主来配合完成机器东谈主作念不了的出奇、缜密的使命，比如机器东谈主识别不了的殊形诡状的东西。

东谈主去配合机器东谈主，就要继续顺应机器东谈主，还要按照机器的节拍，很难专揽我方已有的学问或形成使命惯性。

这流浮现了 AI 发展初期东谈主的阅兵，把东谈主的做事和价值之间进行脱节，从而更好地配合机器，也更容易被替代。

而 AI 大多数教师集是在东谈主们不知情或未经当事东谈主欢跃的情况下构建的，像家里的智能音箱、口袋里的手机、智高东谈主表、监控记载下的面部样式等，会不会也被拿来看成数据教师 AI？

机器学习模子需要持续的数据流才能变得愈加准确。但机器只可渐近，恒久不会达到实足精确，这进一步激动算法从尽可能多的东谈主身上索要信息，来为东谈主工智能提供"燃料"。东谈主类主体性被进一步消解。

04

写下这样多并不是"反时期"，碰巧违反，时期给东谈主类带来了诸多便利，创造了更多可能性，使东谈主类开脱了诸多生涯和发展难题。

但时期背后是一个触及能源、资源、东谈主、社会、历史等各方面的系统性问题。

正如社会学家凯特 · 克劳福德在其所著《时期除外：社积聚合中的东谈主工智能》中觉得，东谈主工智能既是具身的，亦然物资的，由当然资源、燃料、东谈主力、基础步伐、物流、历史和分类组成，这些齐是需要付出代价的。

但很证据，当下东谈主们更多追求时期的武备竞赛和时期狂欢，而忽略了时期除外的一系列问题。

尤瓦尔 · 赫拉利在《本日简史》里说，19 世纪工业改进兴起之后，其时的社会、经济和政事方式齐无法应答关系的新情况和新问题。封建主义、君王制和传统宗教不稳健处置工业大齐市、几百万抛妻弃子的工东谈主，并濒临当代经济继续变化的本色。

狄更斯笔下的煤矿童工、第一次全国大战和 1932 — 1933 年的乌克兰大饥馑，齐仅仅东谈主类付出精雅膏火的一小部分。

当代文雅有核兵器及各式更高等的时期，禁闭力也更惊东谈主，咱们只可比濒临工业改进时作念得更好才行。

东谈主类的行进既充满聪惠kaiyun欧洲杯app(官方)官方网站·IOS/安卓通用版/手机APP下载，又是盲主见。作念任何事齐有代价，粗略最优的箝制是后果和代价匹配，而非不计代价地奔向指标。