🌕⚄🆘     

忘忧草红杏一区

“因为GPT-3有1750亿个参数，训练用到了1024张英伟达A100芯片忘忧草红杏一区，所以业内将其称为‘千卡千参’。”商汤科技智能产业研究院院长田丰说，目前GPT-4、GPT-5等大模型都达到了“万卡万参”的规模，且训练模型所用芯片也从英伟达A100更新到英伟达H100、B200，“参数量的激增将导致能耗显著增加”。

张云泉表示，首先，可以设计AI模型训练的专用芯片，其效率相较GPU(图形处理器，现常用于AI计算)提升了10倍以上；其次，可以优化AI模型的参数，很多小模型仅有几十亿的参数量，但已经实现了和大模型一样的效果；此外，还可以通过对推理过程进行优化压缩，设计专用推理芯片，进一步降低AI推理阶段的能耗。

在能源供应方面，诉诸多样化的新能源供给、依靠国家进行宏观调控与规划等举措，将有助于解决AI能耗问题。天使投资人、资深人工智能专家郭涛对记者表示，当前，新能源，包括太阳能、风能、水能等可再生能源，正逐渐成为数据中心的最佳能源选择。“如果没有足够的可再生能源来满足AI能耗的增长，可能会导致对化石燃料的依赖加剧，从而对环境造成负面影响。此外，数据中心还可以通过智能算法来优化能源使用效率，实现AI与电网的协同发展。”

国家能源局的数据显示，2023年，我国可再生能源新增装机3.05亿千瓦，占全国新增发电装机的82.7%，占全球新增装机的一半；全国可再生能源发电量近3万亿千瓦时，接近全社会用电量的1/3。目前，我国已建成全球规模最大的电力供应系统和清洁发电体系，其中青海、内蒙古、宁夏等西北部地区则是清洁能源的“富矿”。

“大模型时代，‘东数西算’工程将对全国的电力需求和算力需求起到重要的宏观调控作用。”张云泉预计，未来将会有越来越多的大型算力中心或智算中心选址我国西部地区忘忧草红杏一区，“东数西训”(即东部地区的AI大模型，在西部地区进行训练——记者注)将成为AI与新能源协调发展的典型场景。但他强调，推动新能源更好地赋能AI发展，储能是一个需要解决的问题。

此外，王鹏还认为要重新思考“数据网”和“电力网”的分布式联动与微观布局协同。他指出，为满足短期内快速增长的人工智能推理算力需求，除了在西部可再生能源丰富的地区布局大型算力中心，实现“东数西算”；也需要考虑在东部需求侧的数据中心和算力中心附近，积极布局分布式可再生能源，如与城乡建筑、农业设施等结合的分布式BIPV(光伏建筑一体化)、光储直柔一体化等。“而且还要‘源网荷储’一体化考虑，尽可能通过微电网实现就地峰谷平衡，减少弃风弃光。”