1103
在硅谷，权力至上。在短期内，如果你的企业和技术拥有盈利、推动市场和改变规则的能力，那么当你出错时甚至不会受到批评。但是，如果一家公司的力量依赖于一种面临日益稀缺的资源，即电力时，那么没有谁是经得住考验的。
湾区刚刚结束了为期一周的AI狂欢，人们津津乐道的是Nvidia新推出的超大型AI芯片，以及由Ansys和Synopsys等公司开发的仿真和软件工具。
科技界轻率地把AI的未来普及比作如今每个人都认为理所当然的电力。
高管们喜欢把自己塑造成一个全新产业的创造者，就像加速工业革命的电气化浪潮一样。
AI工厂
Nvidia上个月的估值达到了2万亿美元。这使得Jensen Huang跻身于“不会做错事”的高管行列。
Huang将运行AI模型的数据中心描述为“AI工厂”。
他在GTC2024大会上发表主题演讲时解释说，工业革命时期工厂中交流发电机的产品是一种“看不见的有价值的东西，叫做电”。如今，从AI工厂出来的是“以非常大的规模产生浮点数的token……产生这种新的令人难以置信的有价值的东西，叫做AI”。
将AI与电相提并论的并非只有Nvidia一家。在Huang的演讲两天后，Microsoft负责Azure战略规划和架构的副总裁Saurabh Dighe站在Synopsys的SNUG活动的讲台上唱起了类似的调子。
Dighe告诉台下的听众，AI将复制“社会电气化带来颠覆性创新”的方式。
他解释说，Benjamin Franklin在18世纪发现了电，之后Edison在19世纪发明了电灯。他宣称，在当今世界，AI已经达到了“电灯时刻”，就在2023年1月ChatGPT的月活用户达到1亿的时候。
科技界发出的信息响亮而清晰：又一场技术革命来临了，它将引发难以想象的经济和社会变革。
AI与电的类比
把AI比作电是硅谷人士最近的时髦谈资。这是可以理解的。有哪个技术专家会抗拒自己将与Franklin或Edison并肩载入史册的想法呢？
但这种AI与电的类比让人很不舒服。这是一种错误的等价关系，它完全忽视了数据中心对用电量的爆炸性需求。
没有数据就没有AI。没有能够运行多样化AI模型的基础设施，也就不会有AI优化。对更多AI模型的需求使支持AI的资本支出不断膨胀，同时也提出了一个问题：如何才能公平地向公众提供AI？
对此，让我们听听历史学家Peter Norton的观点，Norton教授在弗吉尼亚大学工程与社会系教授科技史，他在分析历史与技术的交集方面有着得天独厚的优势。
Norton在回答AI类比电的问题时表示，“AI-电”的类比并不荒谬，但它漏洞百出，没什么用处。
这并不荒谬，因为AI能像电一样，分配以前遥远而集中的能力，可以支持无数具体的应用。此外，他还指出，一些早期对电的反应“就像对AI的反应一样乌托邦和恐慌”。
Norton强调说：“但这只是这种类比所能达到的程度，其中的差异还是很大的。”
以下是记者与Norton的问答。
Q：AI像电一样不可或缺吗？
A：与AI不同，电提供的是最基本的元素：首先是光，然后是电。电让人们能够负担得起黑暗中的照明。它使电可以传播，将电传播到远离电源的地方。光和电与其说是工具，不如说是工具的助推器。
与电不同，AI不是元素。它实际上依赖于电力，且是大量的电力。这使得它成为电的次要组成部分。
Q：如何定义“工具”与“工具助推器”之间的区别？
A：拿烹饪来做比喻，烹饪的“电”元素（可以这么说）是热和水。每个厨房都需要这两样东西。在这个比喻中，AI不是热和水，甚至不是它们的“下一代”。AI更像是一个设备齐全的厨房，它提供的不仅仅是基本的功能：精确的控制、更大的便利性、更广泛的通用性和更多的选择。
电气化最初的时候，我们并没有轻易地用上我们每天都在使用的电。我们经历了挣扎和斗争。是什么促成了电气化？
第一个问题是静电储存，莱顿瓶（Leyden jar）解决了这个问题。然后，伏打堆（一种电池）解决了从储存的电荷中汲取持续电流的问题。最后，发电机解决了产生大量电力的问题。到19世纪中叶，这些需求都得到了满足。
但更实际的问题是如何经济地分配电力。
直流电（DC）和交流电（AC）的支持者们展开了激烈的竞争，就像AI早期历史上的竞争一样。AC/DC的对决类似于符号AI与神经网络支持者之间的斗争。Norton说，在这两种情况下，赢家（即AC和神经网络）都从对决中崛起。
Q：电和AI的早期历史是否还有其它共性？
A：举例来说，两者都曾激发过乌托邦式的迷恋和恐慌。与AI一样，电也曾被想象为将人类从劳作、疾病甚至死亡中解救出来。Mary Shelley一直不清楚是什么为Frankenstein的怪物赋予了生命，但她受到了“电化”的启发。她警告说，能够掌握这种元素的人拥有一种诱人的、神一样的、但却危险的力量，而这种力量本不该由人类拥有。关于AI的警告与此类似。
Nvidia的GTC主题演讲
事实上，Jensen Huang在他的主题演讲一开始就用了一段戏剧性的视觉介绍，其中充满了乌托邦式的表达。他的主题演讲视频继续充满诗意地描述AI会“照亮星系，见证恒星的诞生”，“增强我们对极端天气事件的理解”，能够引导“盲人穿越拥挤的世界”，“让那些无法说话的人发出声音”……
Huang设想AI“利用重力储存可再生能源，为所有人铺平无限清洁能源的道路”，“教机器人协助警惕危险”，“作为治疗者帮助拯救生命，提供新一代疗法和新水平的病人护理”。他称AI是“生成虚拟场景的导航员，让我们安全地探索现实世界”，“理解每一个决定”，“帮助编写剧本，并为文字注入生命”……
对AI的这些描述诱使公众和一些媒体认为AI能够神奇地生成新的文字、音乐或视觉艺术内容。
Norton说：“公司助长了这种错觉。而这是一种误导。”
事实上，AI使用他人的作品作为原始材料。这是有问题的。当具有创作者的作品被使用却得不到报酬的同时，在全球各地，数以百万计的标注人员正在为各种图像打上标注，以便AI能够读取它们。这些人被视为孤立的承包人员，且无法通过谈判获得公平的报酬。
Norton认为，Huang所谓的“AI工厂”概念也存在类似问题。
Norton指出，当Huang将未来的数据中心称为“AI工厂”时，他似乎忽略了AI依赖于大量收入微薄的劳动者这一事实。真正的AI工厂是那些从事数字计件工作的分散而孤立的标注者。Norton说，他们打上标注的图像并不是“AI的token”，而是人类智能的量子，由收入微薄的人类提供，为公司及其投资者创造巨额财富。
能耗问题如何解决？
在上周的AI庆典之后，还有一个非常值得关注的问是AI数据中心用电量的暴增，但这一点完全没有被关注。科技界也没人准备站出来提出解决方案。
他们的标准说法是，“一些从事AI的公司可以帮助解决这些问题”。 他们说，AI有望成为推动可持续发展的有力工具。他们引用了Nvidia的Earth-2，这是地球的数字孪生。Nvidia称其为“加速气候和天气预测的开放平台”。
此外，我还看到过类似的报道。
这种说法认为，Nvidia的新Blackwell芯片处理速度更快，可以降低训练过程中的功耗。Huang说：“使用2000个Blackwell GPU训练最新的超大型AI模型，在90天的训练中消耗4MWh，相比之下，在相同的时间内使用8000个老式GPU，将消耗15MWh。”
然而，提高特定芯片的效率很难解决数据中心耗电暴增的危机。
Microsoft的Dighe引用了国际能源署的最新报告。
国际能源署的报告预测，“继2022年全球耗电量460TWh之后，数据中心的总耗电量在2026年将达到1000TWh以上”。国际能源署认为，这一需求大致相当于日本一国的总耗电量。这位Microsoft高管将这一趋势形容为“可怕”，但除了含糊地提出“系统方法”之外，并没有提出任何补救措施。
很明显，没有一家公司能够解决这个问题。我们也应该明白，这不是一家公司就能够解决的问题。
最后，引用经济学家Noah Smith的话作为结尾。
在被问及人类的工作是否会被AI取代时，Smith说，未来的情况取决于是否允许AI消耗所有可用的能源。如果不允许，“那么人类就会有一些能源可消耗”。他补充说：“从这一思路我们可以看出，如果我们希望政府保护人类的工作，我们就不需要一大堆针对特定工作的法规。我们需要的只是一项法规，限制数据中心的能源使用量。”
如果社会必须想方设法减少能耗，那么政府唯一有效的措施就是限制数据中心的能源消耗，这对于崇尚自由主义的科技界来说确实是一个“可怕”的设想。
下载ECAD模型
