“算力的极度是电力”这一说法揭示了当代计较时期与动力之间的深层关系，不错从以下几个角度相识：
1. 算力增长的动力依赖硬件功耗的指数级飞腾：跟着芯片制程濒临物理极限（如1纳米以下），单元面积晶体管数目加多导致走电、发烧等问题加重。即使摄取3D堆叠等新时期，高性能计较芯片（如GPU、TPU）的功耗仍在攀升。举例，H100 GPU的功耗已达700W，而一台AI检会做事器集群的功耗可能进步数兆瓦。
数据中心能耗占比：民众数据中心的电力破钞已占民众总用电量的约1-1.5%（约200-300TWh/年）。检会GPT-3等大型模子需破钞进步1GWh电力，杰出于120个好意思国度庭一年的用电量。
2. 动力转换成果的瓶颈
表面极限的不断：确认兰说念尔旨趣，每比特信息擦除至少需要 \\( kT \\ln 2 \\) 的能量（约 \\( 3 \\times 10^{-21} \\) 焦耳）。现存计较机的能效（如CPU的 \\( 10^{-9} \\) 焦耳/操作）仍比表面极限高万亿倍，但普及空间受限于热力学定律。
冷却系统的能耗：超算中心的冷却系统可能破钞总电力的40%。举例，好意思国Summit超算中心峰值功耗13MW，其中约5MW用于冷却。
此役，阿努诺比得到8分5篮板1抢断1盖帽，正负值为+13。
3. 算力需求的爆发式增长
AI与数字化转型：民众数据量每两年翻一番，AI检会算力需求每3.4个月翻倍（OpenAI参议）。若保握现时趋势，到2030年AI可能破钞民众电力的3-5%。
加密货币的动力破钞：比特币收集年耗电量约150TWh，迪士尼彩乐园11进步阿根廷寰宇用电量。每笔比特币往复的平均能耗约1200kWh，足以供好意思国度庭使用6周。
4. 电力供应的物理限度电网承载技艺：一个10万正常米的数据中心需要50-100MW电力，杰出于一个微型城市的供电需求。爱尔兰因数据中心过度辘集，2022年电网一度警告供电缺少。
动力地舆分辩：算力中心向可再生动力丰富地区移动（如冰岛、挪威），但输电损耗和基建资本限度了布局活泼性。
5. 昔日冲破的可能性
量子计较的潜在变革：量子比特表面上能通过疏通态并行计较，特定任务（如Shor算法）能效比经典计较机高指数级。但保管量子相关态仍需接近填塞零度的环境（稀释制冷机耗电约20kW/台）。
光子计较与生物计较：光子芯片行使光信号传输，表面能效可达现时硅基芯片的千倍；生物计较（如DNA存储）的能耗极低，但尚未竣事规模化。
在现存时期框架下，电力如实是算力增长的硬不断！每普及一个数目级的算力，时时需要数倍电力维持。冲破这一瓶颈可能需要在动力端发展，核聚变、天外太阳能等新一代动力时期；在计较架构领域存算一体、类脑计较等非冯·诺依曼体系；在算法优化方面通过寥落收集、联邦学习等裁减计较需求的范式。
硬件功耗和冷却系统是能耗的进犯构成，国内deepseep包括阿里的通义以及字节的豆包最近皆通过架构和算法优化方面大规模普及成果，跟着民众性竞争愈发热烈，成果更优的大模子服气还是在路上！
