节能AI计算的三大战略要务

头条新闻充斥着数据中心前所未有的增长及其不断攀升的能源消耗，以及大规模AI推理给用户带来的飞涨成本。或许不那么明显的是这两者之间的直接联系——降低能源消耗就能降低AI成本。这是因为两者都需要智能地利用AI系统能力，实现最大效率，而当今的情况往往并非如此。

能源效率必须成为所有使用AI推理的公司的战略优先事项，而不仅仅是数据中心建设者。更智能的AI使用方式，配合更低的能源消耗和更低的成本，将有助于提升财务底线。能源效率创新的领导地位还将为那些拓展到AI下一个前沿领域——物理AI——的公司带来营收增长回报。物理AI是指AI走出电脑屏幕、进入现实世界。机器人、无人机或可穿戴设备通常依赖有限的电池供电，因此能源效率是必备条件，而非可选！

这些挑战中的每一项都可以转化为机遇。

能源

AI训练计算量估计以每年4-5倍的速度增长，最新的大语言模型（LLM）据报道使用了5-50万亿个参数。大规模AI推理的快速增长极大地放大了这一需求，并产生了巨大的能源需求。在美国，数据中心能源消耗在过去十年中翻了三倍，而根据大多数预测，这一数字将在短短5年内再次翻三倍！国际能源署（IEA）估计，2025年全球数据中心消耗了约460太瓦时（TWh）的电力，到2030年将翻一番以上，达到945太瓦时。作为参照，这比当今整个日本的用电量还要多！

全球能源基础设施并非为吸收如此规模的需求而设计。世界各地的社区正在抵制这种对电网和水资源的压力，因为价格上涨且短缺频发。核能可能有助于补充传统电网，但那是一个遥远的希望，至少还需十年。这一挑战不容忽视，可能成为AI未来发展的重大障碍。难怪能源如今已成为全球AI的战略货币，AI商业交易现在以吉瓦为单位公布，而非百万次浮点运算。

成本

AI系统基础设施的投资正以令人目眩的速度增长：头部玩家在2020年投资约1000亿美元用于数据中心，到2026年这一数字将增长十倍，达到约1万亿美元！更广泛的全球投资甚至更高。但天下没有免费的午餐：每个人都必须买单！AI用户在使用更多AI进行推理时已感到压力，据报道，即使是大型玩家也在短短几个月内就花光了年度AI预算。更糟糕的是，目前只有一小部分AI应用能产生财务价值并提供预期的投资回报率（ROI）。部分原因是基本AI能力正成为入场门槛：公司投资昂贵的AI工具可能增强产品或服务，但竞争对手也在做同样的事；因此可能无法获得溢价。

AI代币已成为量化工作负载和成本的基本单位，因为AI提供商通常按数百万输入和输出代币来计费。美国每日代币消耗量预计将从当今约200万亿单位/天（TUs/day）增长十倍，到2030年达到约2250万亿单位/天。代币价格正在下降，但下降速度不足以跟上代币使用量的增长；因此，按照当前轨迹，AI成本将继续急剧上升。难怪首席财务官和财务部门正在敲响警钟，并开始配给AI预算。

物理AI

AI已从数据分析发展到生成式AI，如今正跨越另一个前沿，从电脑屏幕走向物理世界。“物理AI”——如机器人、无人机或医疗可穿戴设备等智能系统——需要将软件智能与机械、电气和光学系统（如传感器、执行器、摄像头、雷达、激光雷达等）相融合。物理AI系统必须自主运行，因为它们不能依赖数据中心通信，那会带来延迟和安全风险。因此，它们必须具备“边缘智能”以进行实时决策，在物理世界中持续感知、思考和行动。这些功能中的每一项都消耗能源，而自主单元通常依赖有限的电池运行。如果没有能源效率的突破，这些物理AI系统要么被束缚在电源上，要么以有限用途的短占空比运行。

前进之路

创新是将这些挑战转化为机遇的魔法棒。科技行业擅长创新，但聚光灯需要从“越来越大”转向“更智能、更高效”的系统。此外，各自为政的孤立解决方案已不再足够——根本性的效率提升需要对整个AI堆栈进行系统级优化。

加入SEMI的智能数据-AI计划，与我们联盟伙伴圣何塞市共同参加9月9日的深度研讨会，届时我们将探讨如何为未来AI计算扭转能耗、成本与性能的曲线。我们汇聚整个AI生态系统的顶尖行业专家，从全局视角审视未来材料、器件与系统；并深入探讨光子学、软硬件协同优化以及从芯片到电网的增强方案。这并非又一场AI会议——而是一场研讨会，旨在探索切实可行的解决方案，并通过串联AI技术栈各环节来放大您的商业战略。您将了解前沿创新成果，与专家交流，并探索有意义的合作机会。