如果最近留意过科技圈,大概会发现人工智能已经无处不在。据说在硅谷,科技从业者热衷于一种叫作“token maxing”的做法,也就是比赛谁消耗的token(词元)更多。
token是驱动AI模型运转的基本数据单位,通常对应一个词或一个符号。这些人想借此炫耀自己用了多少人工智能,而这个用量确实非常大。
AI模型交易平台OpenRouter的数据显示,从今年1月到3月,平台每周处理的token数量翻了两番。问题在于,支撑AI的产业扩张速度远远跟不上需求,一场供应紧缺或许正在逼近。
《经济学人》全球商业撰稿人奇特尼斯指出,AI公司其实已经很难跟上需求,最近甚至开始限制用户使用部分工具。大型AI模型开发商Anthropic不久前修改了服务条款,劝阻大量用户在高峰时段占用算力。
OpenAI关停了视频生成工具Sora,因为它想把稀缺的计算资源转投到更赚钱的业务上。在整个技术栈中,AI公司都在想办法,用手头有限的算力应付需求。
到底缺的是什么?AI模型的运行依赖性能极强的处理器,也就是GPU(图形处理器)。
这些处理器安装在大型数据中心里,成千上万块GPU通过光网络和各类设备连接在一起。关键在于“推理”环节,也就是AI模型回应用户提问的过程。
每使用一次AI工具都要消耗算力,用的人越多,需要的计算资源就越多。AI需求正在呈指数级增长,处理能力很难跟上。
科技公司的应对办法,最主要就是砸钱建设AI数据中心。今年,美国五家最大的云服务提供商,包括亚马逊、Meta和微软等,在AI数据中心建设上的投入接近7000亿美元。
Anthropic和OpenAI这类资金充裕的模型开发商,也在大手笔签下各种协议以获取算力资源。对科技公司来说,答案就是建、建、再多建。
奇特尼斯认为,砸钱最终会奏效,问题是扩充产能需要时间。在美国,许多数据中心项目正遭遇当地居民反对,居民担心数据中心的用电量,也担心土地占用、用水等问题,这些反对正在拖慢建设进度。
在他看来,更紧迫的问题是,科技行业用来装备数据中心的设备快要不够了。变压器、开关这类很“老派”的设备,过去几乎没人放在心上,如今真的面临短缺,其中一些设备的交货周期已经拉长到三到五年。
第二个问题出在GPU本身:企业生产得不够快,产量也不够,供应不了这些数据中心。纵观支撑AI运转的各个技术层级,到处都出现了短缺,这正是这轮紧缺更令人担忧的地方。
半导体行业的问题尤其突出,这个行业存在几个极其关键的“卡脖子”环节,关键部件只掌握在少数几家公司手中。第一个卡点是英伟达。
这家全球市值最高的公司占据了全球AI处理能力的三分之二以上。眼下,英伟达的芯片基本已经售罄,短缺严重到许多公司开始转用非常“老旧”的芯片。
按科技行业的标准,所谓非常老旧,指的是两三年前的产品。企业居然用起了这类芯片,这在过去闻所未闻。
另一个卡点是芯片制造,也就是被称为“晶圆厂”的芯片工厂。如今科技行业使用的大部分AI芯片,都出自台湾芯片制造商台积电。
台积电一直在扩充产能,今年的资本开支增加了600亿美元,但这仍然达不到众多企业期望的水平。供应链上的企业确实在大规模扩产,但奇特尼斯提醒,软件和硬件的发展节奏截然不同。
人们已经习惯了AI每隔几个月就有大幅进步,而在硬件领域,形成富余产能需要两到四年,因为必须实打实地建起生产这些产品的工厂。软件和硬件之间存在根本性的脱节。
需求激增却无法满足,AI公司并不掩饰自己的沮丧。OpenAI创始人萨姆·奥尔特曼曾说,台积电就应该多建一些产能。
特斯拉和SpaceX的老板埃隆·马斯克则干脆打算自己建晶圆厂,取名“TeraFab”,目标是到2030年,让这座晶圆厂的产能超过现有全部芯片制造厂的总和。奇特尼斯粗略估算,实现这一目标所需的资本开支在5万亿到13万亿美元之间。
这是一笔天文数字,很可能无法实现,但它说明了问题的规模,也反映出许多软件开发商眼下的挫败感。这场紧缺还可能改变AI的价格走势。
奇特尼斯认为,紧缺持续得越久,企业承受的涨价压力就越大。过去,人们习惯推理价格大约每六个月就下降一次,但这背后是许多公司在烧钱维持。
如果紧缺持续、成本上升,企业提价的压力就会加大,进而可能拖慢AI的普及。对此有两种看法:一种认为,这场紧缺是对鲁莽的AI投资热潮的一道“天然刹车”;另一种则认为,紧缺若持续下去,可能会切实放慢AI普及的步伐。
芯片之外,马斯克还把目光投向了更底层的瓶颈。在白宫一场以“超级智能”为主题的活动上,被问及美国如何赢得并保持领先时,马斯克表示,AI真正的挑战是电力,美国需要大量电力和能源生产,“扩大能源规模是最关键的事情之一”。
此前,他还称赞中国的发电能力“是美国的三倍”。这与数据中心面临的设备和建设难题是同一条链条:模型需要服务器运行,服务器需要数据中心,数据中心需要电力,电力背后又是发电设备、电网、土地和冷却系统。
有分析指出,变压器、开关柜、高压电缆、光伏板等电力设备的全球产能大量集中在中国;中国建设一条±800千伏特高压线路,从核准到投产约需两三年,而在美国,新建跨州输电线往往要经历漫长的审批和社区博弈。
按照这类分析的看法,中美在AI竞争中手握不同的筹码:美国握有最先进的模型、芯片和最活跃的风险投资,决定了AI能做到什么;中国握有全球最大的发电系统、完整的新能源和输配电设备产业链以及快速建设基础设施的能力,决定了算力能以多低的成本、多大的规模部署。
电力再充足,没有最先进的芯片也只能跑二等算力;芯片再先进,接不上足够便宜稳定的电,也难以转化为实际计算能力。在这个意义上,中美手里有的,恰恰都是对方想要的。
归结起来,这轮AI热潮正在撞上一堵多层的墙:需求以指数级增长,而芯片、变压器等关键设备乃至电网同时吃紧;软件几个月一迭代,硬件扩产却要两到四年,资本再多也无法立即变成产能。
马斯克说AI真正的挑战是电力,又说中国的发电能力是美国的三倍,这两句话放在一起,指向的是同一个现实:AI竞争的重心,正从谁的模型更聪明,转向谁能为这些模型源源不断地供上芯片和电力。
热门跟贴