蘋果大會與AI競爭
本周是蘋果的全球開發者大會。原本預期推出AI驅動的Siri，但仍在等待中。幾乎所有人都聚焦在新的使用者界面上，這讓華爾街分析師認為蘋果在AI方面缺乏競爭力。大會結束後，蘋果股價也下跌了1.5%。畢竟，自2022年底ChatGPT帶領AI技術大規模擴張以來，已經快三年了。現在，不僅許多專業工作者，甚至許多長輩都在追隨這股AI浪潮。他們還會與我分享AI創作的生活視頻和各種新型長者照片。
AI運算與數據中心
雖然這些AI看似只需在我們的手機和電腦上輸入指令就能產生想要的結果，但實際上，AI執行計算的真正場所通常不在這些硬體設備上，而是在充滿圖形處理器（GPU）的數據中心。近年來，隨著AI技術成為市場新寵，中國投資者也大力投資建設越來越多的數據中心。然而，也有專家警告，這可能導致新加坡出現泡沫和能源危機。究竟是怎麼回事？今天，讓我們來介紹數據中心。
了解AI運算與數據中心
大家好，我是Chien-Chien。歡迎來到Chien-Chien的小發明，大革命。要了解什麼是數據中心，首先需要知道AI是如何計算的。過去，電腦依靠被稱為中央處理器（CPU）的晶片。但CPU一次只能進行一次計算，完成一項任務後才會進行下一件事。對於需要大量計算的AI模型來說，這個速度太慢了。不過別擔心，GPU即將登場。
在之前的《Today看世界介紹輝達》節目中，我提到電腦中的GPU原本是用來處理圖片、視頻和遊戲畫面的，但後來發現它的高性能並行計算和傳輸能力可以同時進行多達數千次的計算，因此可以更快地完成任務。因此，它非常適合用於虛擬貨幣挖礦以及處理深度學習和圖像生成中的AI。
於是，科技公司將這些小型GPU排成一排，放入專用電腦中製成超級電腦。專家表示，由於GPU彼此非常接近，計算速度更快。所以，新的超級電腦實際上是由多達10萬個GPU晶片組成的，可以在短時間內處理大量數據。而存放這些組的地方就是所謂的數據中心。
科技公司的數據中心建設
在AI興起之前，Meta在猶他州有兩個數據中心，當時還有三個中心在建設中。每個數據中心的大小相當於紐約帝國大廈躺在沙漠中的大小，可以處理Facebook和IG應用程式。但在2022年ChatGPT推出後，Meta發現必須建造更多的數據中心，插入1000多台電腦來構建自己的AI。幾個月後，它立即開始建造第六和第七個數據中心。
谷歌首席執行官表示，原本需要10年才能完成的轉型和升級，在短短兩年內就完成了。可見AI的商機有多驚人。Fubishi也指出，數據中心目前是AI戰役的關鍵。因為在激烈競爭的市場中，各種AI公司被迫不斷擴展AI的計算能力，以開發更快、更強大的模型。
這就是為什麼各大科技公司不得不不斷建造新的數據中心，或者擴建和改造原有的中心。你可能認為使用舊的數據中心會更好。不。專家指出，AI硬體更新太快。當原有的模型訓練好時，舊的GPU已經過時了。所以沒有人會傻到在同一個地方訓練新模型。因為這樣效率太低，不符合新模型的需求。但這導致越來越多的數據中心被建造。例如，為了支持AI發展，在過去五年中，租金已超過10億美元。主要用於建造長期數據中心。僅為了滿足數據中心的需求，在未來五年內，美國公共部門公司將不得不進行高達50億美元的投資。但你不必害怕如此大的需求。因為當你看到這個商機時，許多華爾街投資者也開始投入大量資金建造數據中心。
根據牛視，私募股權公司黑石集團花了很多錢收購大型數據中心QTS，並在數據中心投資了1000億美元。其他投資公司也跟進接手這個大餡餅。台灣也收到了谷歌、Meta等科技公司的投資，許多數據中心準備在桃園、台南等地落地。
數據中心的泡沫疑慮
有這麼多數據中心，許多專家懷疑是否會出現泡沫。一位分析師指出，事實上，我們對數據中心的需求可能根本沒有那麼高。因為微軟和富士康等科技公司在過去幾天實際上已經停止或撤回了一些數據中心的租金，這可能意味著市場已經處於過度供應的狀態。阿里巴巴董事長也擔心這可能是數據中心泡沫的開始。
最重要的是，如果AI演算法有突破，也可能降低對數據中心的需求。就像今年，中國的DeepSeq宣布可以用更少的電力和晶片訓練AI，這讓市場對大型數據中心的投資產生了興趣。儘管許多投資者和租戶強調投資計劃不變，市場上仍有很多消息稱OpenAI要在Alian建造數據中心，一家科技公司要租賃數據中心20年。但許多人仍然懷疑，即使數據中心建成，也需要很多年才能回本。像黑石集團這樣的私人公司通常會在五到七年內出售其收購的公司，以回報投資者。此外，在這段時間內，可能沒有人接手另一個領域的AI技術開發。
數據中心的能源消耗問題
但如果AI技術繼續這樣發展，它還將面臨第二個問題，即能源等自然資源消耗的增加。你應該知道，電腦在城市中運行時實際上非常耗電，有時還會過熱。需要充分散熱以避免這種情況。在AI計算中更是如此。
根據市場調查，全球數據中心每天使用超過10億升水，相當於約330萬人每天的用水量，包括用於冷卻設備的水和用於為設備供電的水。其中大部分是飲用水。谷歌在加利福尼亞州的數據中心在2023年的用水量比前一年增加了17%。
但我們都知道，加利福尼亞州經常發生乾旱。如果發生洪災，真的會沒有水可用。而且缺水問題不僅存在於加利福尼亞州。自2022年以來，美國已建成或仍在建設的數據中心中，三分之二位於水壓較高的地區。這可能導致未來水資源短缺。
AI對電力的需求也很高。例如，Sankara的50多個數據中心消耗了該市60%的電力，幾乎所有數據中心都在白天運行，這給電網帶來了壓力，導致價格持續上漲。而且這個數字還在增長。預計到2030年，美國數據中心將消耗全美國8%的電力，是2022年AI首次推出時的三倍。問題是AI計算需要穩定的電源，但綠色能源有時會斷電。相比之下，化石燃料的電源更穩定，使其成為AI發電的首選。這立即對氣候變化的目標提出了挑戰。
然而，我承認，他們目前的溫室氣體排放量比2019年增加了48%，這使得他們很難實現到2030年零排放的目標。因此，包括日本在內的一些國家也開始依靠核能發電來滿足AI的需求。
節能措施與使用者習慣
事實上，有一些方法可以減少能源消耗。一些數據中心也開發了新技術來節省電力。例如，直接將機器浸泡在非放電液體中以幫助冷卻，從而減少水資源的浪費。或者直接優化模型，如DeepSeek所說，開發更強大的AI等。
彭博也指出，也可以從使用者的習慣入手。因為如果你使用Chat GPT問一個問題，它的耗電量將是問谷歌的10倍。因為傳統的搜索引擎可以直接抓取網上已經存儲的內容，但AI的大型語言模塊是從頭開始的新內容。它需要更多的努力。如果你不能擺脫AI，你可以考慮在輸入指令時刪除一些對機器計算沒有幫助的內容。OpenAI表示，雖然大家都想對AI有禮貌，說謝謝、對不起。但實際上，如果我們把這些話放進去，實際上會讓城市計算多花費數千萬美元。我們應該這樣做嗎？這也是見仁見智的問題。畢竟，許多人害怕對AI不禮貌。有一天，當人工智慧主宰人類時，我們害怕會被反過來指責。
歡迎與我分享，聽完今天的故事後，你會減少使用AI嗎？還是你已經無法離開它了？
{# 
{# 
{#