撰稿 | 云昭

微軟雄心勃勃，在Windows11全面AI化的同一天，再被曝出新動作。

當地時間9月25日，微軟在官網上突然掛出了一則“核技術首席項目經理”的招聘消息。不難看出，繼微軟云之后，納德拉在對待大模型這件事情，可謂火力全開。

但令人意外的是，從“Office全家桶”接入GPT4、Azure提供云資源，再到最近的Windows11全面AI化，就在全新的微軟呼之欲出的時候，為什么微軟竟決定對能源這塊也要下手呢？

1、人工智能和和核能，微軟一個都不放過！

微軟正在招募的“核技術首席項目經理”崗位，任務是領導全球小型模塊化反應堆（ Small Modular Reactor, SMR）和微反應器集成的技術評估，為微軟云和 AI所在的數據中心提供動力?！斑@一崗位將為技術集成保持清晰且適應性強的路線圖，認真選擇和管理技術合作伙伴和解決方案，并不斷評估進展和實施的業務影響?！闭衅柑又腥缡钦f。

圖源：微軟

此外，微軟對于這一崗位的理想候選人也給出了要求：應具有能源行業的經驗，并對核技術和監管事務有深入的了解。該職位還將負責研究和開發其他商業化前的能源技術。

2、大模型“跑廢”特斯拉！

知名業內專家吳軍，曾對ChatGPT訓練有一個比喻：每訓練一次ChatGPT，相當于讓3000輛特斯拉電動汽車在一個月走完了21年的路，基本全跑廢掉。這一形容并不夸張。

根據斯坦福人工智能研究所（HAI）發布的《2023年人工智能指數報告》，訓練GPT3所需的電量，足夠讓一個普通美國家庭用上數百年。而據國盛證券估算，GPT-3的單次訓練成本就高達140萬美元，對于一些更大的LLM（大型語言模型），訓練成本介于200萬美元至1200萬美元之間。

數據來源：Luccioni et al.

“大模型訓練成本中60%是電費，”華為AI首席科學家田奇也曾對電力問題表示擔憂，認為電力的降本增效已迫在眉睫。如果大模型普及，全球飛速運轉的服務器，怕不會把地球燒了。

也無怪乎，OpenAI創始人周一在一場活動上表示現在對于GPT而言，重點在于“降低成本和提高可靠性”，而不是急于推出GPT-5。

3、為了省電，硅谷大佬們思路大開

首先看微軟。目前看，微軟將目光鎖定在了核能。大家可能不知道，比爾·蓋茨還有另外一個身份，就是核創新公司TerraPower的董事長，該公司正在開發和推廣小型模塊化反應堆設計。不過，TerraPower的一位發言人稱，“目前沒有任何向微軟出售反應堆的協議?！?/p>

美國能源情報署的數據顯示，美國現有的核反應堆目前的發電量約占美國總發電量的18%。而下一代核反應堆技術的希望很大程度上寄托在小型核反應堆上。

 顧名思義，小型核反應堆比傳統反應堆更小，建造起來也更便宜、建設速度更快，因為它們采用模塊化結構設計，并不是反應堆的每個部件都需要定制。

此外，微軟方面已經公開承諾將從核聚變領域創新者那里尋求核能。今年5月，微軟宣布與核聚變初創公司Helion簽署了一項電力購買協議，將于2028年從Helion購買電力。碰巧的是，OpenAI首席執行官薩姆·奧特曼，也是Helion的早期重要投資者。

還有，大名鼎鼎的“硅谷鋼鐵俠”馬斯克對于能源這塊也有過考慮。4月就有傳聞，馬斯克和貝索斯準備聯手訓練一個超級大模型。為了節約制冷和耗能，兩位竟然提出了一個“太空數據中心”的計劃，把五萬片H100英偉達卡由SpaceX送到太空，并攜帶巨量的太陽能板，以期借由太空的力量解決電力的問題。不過有專家分析這個方案不靠譜，目前衛星太陽能帆板的供電系統普遍功率只有1200W，無論是電力供應還是成本，都不如地面的解決方案。

圖片

當然，還有一種比較靠譜的方案，就是優化芯片本身的耗能。這種能耗管理的邏輯是，數據中心有多塊芯片，每個芯片上有幾十億甚至上百億的晶體管，一個晶體管，相當于一個用電單位，以此推斷，一顆指甲蓋大小的芯片，就是一個規模龐大的能源網絡。如果能夠將每個晶體管的能耗優化，那么最后的節能就能輻射到整個數據中心。

這塊探索比較多的是全球EDA龍頭企業新思科技，早在7年前就啟動了一項叫做“高能效設計”的項目，將芯片的能效最大化。

4、微軟，僅僅是想解決能耗問題？

微軟此舉，不止是出于對AI的押注和數據中心動力來源的考慮，還有著其他的原因。

據外媒theVerge稱，比爾蓋茨一直以來都是核能的忠實粉絲，因為核能不會產生溫室氣體的排放，對于應對氣候變化方面或發揮著一定的作用。

此外，有關大模型能源消耗問題，其實并沒有想象的那么嚴峻。一位資深分析師人士坦言，市場大可不必對大模型的能耗問題過度擔憂?！昂芏嗳撕雎粤艘粋€事實，那就是大模型對算力的需求未來必然會逐漸下降，這意味著能耗也會相應降低?！?/p>

比如，微軟在4月12日開源的DeepSpeed-Chat就充分說明了這一點，它可將訓練速度提升15 倍以上，算力成本大大降低。僅憑單個 GPU就能支持一個130億參數的類ChatGPT模型，訓練時間也只需要 1.25 小時。

最后，只能說，變革的齒輪一旦啟動，就很難逆轉。微軟此番對于AI的投入超乎了業界對它的想象。

參考鏈接：

https://www.theverge.com/2023/9/26/23889956/microsoft-next-generation-nuclear-energy-smr-job-hiring

https://www.bilibili.com/read/cv23092171/

https://baijiahao.baidu.com/s?id=1778038558952820880