觀察丨“深度求索”來了，電力不再是AI發展瓶頸？
來源：南方能源觀察 時間：2025-02-06 11:46
農歷新年期間，筆者問了深度求索（DeepSeek）一個問題：相比GPT-4，你能節省多少算力？以下節選了部分DeepSeek的回答：
目前沒有官方公開的詳細數據，但可以通過模型架構和已知信息進行合理推測：
模型規模優化：GPT-4的參數量約為1.8萬億（推測），采用混合專家（MoE）架構，訓練消耗約2.15e25 FLOPs。DeepSeek公開的模型（如DeepSeek-R1）參數量顯著更小（約百億級），通過稀疏激活和架構優化實現高效計算，理論上訓練算力需求可能降低1-2個數量級。
實際場景差異：在同等任務下，DeepSeek的推理速度可達GPT-4的3-5倍（部分公開測試數據），顯存占用降低約60%。
根據Visual Capitalist網站數據，截至2024年3月，美國擁有全世界最多的數據中心，達5381個，德國、英國、中國均擁有500個左右，分別為521個、514個和449個。2024年，美國科技公司仍在四處“求電”。
隨著生成式AI技術研發進入爆發期，其激增的能源電力需求給美國電網帶來巨大壓力，eo此前轉引彭博社的一份報告顯示，美國超過3/4的高度失真功率讀數位于大型數據中心50英里范圍之內，表明數據中心可能引發諧波問題，進而影響電力系統平穩運行。
2024年9月，英偉達和谷歌等多家科技公司負責人拜訪美國白宮，提出請政府資助建設強大能源設施來支持頂級AI模型訓練的設想，建議建造多個巨型數據中心，每個數據中心的電力需求堪比整個紐約市的用電量。
除了希望政府支持發展數據中心，為生成式AI大模型發展蓄力外，它們還看中了核電這種性能與數據中心需求相對匹配的電源品種，并嘗試投資新的核能利用技術，核電巨頭Constellation Energy以及部分初創公司如Oklo也因此成為炙手可熱的合作對象。
這種新的巨大用能需求曾一度讓部分電力從業者認為，變革者來了。但DeepSeek的出現，可能改變剛剛出現的變化。通過更高效的計算，DeepSeek的算力需求相比OpenAI銳減，“分布式“部署算力，即人手一套DeepSeek也成為選項之一，AI可能不再是電力“巨獸”。
不過，美國麻省理工學院技術評論（MIT Technology Review）網站發表的一篇文章提到，在40個提示的測試中，DeepSeek被發現與Meta模型具有類似的能源效率，但DeepSeek傾向于生成更長的回答，因此被發現多使用了87%的能源。
只是不同模型具有不同的用途，尚未進行科學合理的研究來比較DeepSeek相對于其競爭對手的能源使用情況。
由AI技術不斷演進帶來的還有具身智能制造業的發展，其可能是未來用電量的重要增長點之一。在筆者看來，由于散熱往往消耗較多電量，數據中心未來更傾向于部署在相對涼快的地方，以減少空調負荷消耗，而隨著國內對綠電消費的要求逐步提高，水（儲）、風、光一體化或核電將成為其優選。在DeepSeek看來，AI驅動的協同優化，將是電算協同的技術支撐和創新方向之一，即通過AI模型同時優化算力分配任務和電力調度，例如任務遷移，將高耗能計算任務遷移至綠電充足時段；動態降頻，在電力緊張時降低服務器頻率以減少能耗等。
DeepSeek總結：
電力與算力的協同不僅是技術問題，更是涉及經濟、政策、生態的系統工程，將成為全球碳中和與數字化轉型的核心交匯點。（姜黎）
責任編輯：王萍
