押注核能！微软决心喂大模型新“弹药”！

来源丨51CTO技术栈

撰稿 | 云昭

微软雄心勃勃，在Windows11全面AI化的同一天，再被曝出新动作。

当地时间9月25日，微软在官网上突然挂出了一则“核技术首席项目经理”的招聘消息。不难看出，继微软云之后，纳德拉在对待大模型这件事情，可谓火力全开。

但令人意外的是，从“Office全家桶”接入GPT4、Azure提供云资源，再到最近的Windows11全面AI化，就在全新的微软呼之欲出的时候，为什么微软竟决定对能源这块也要下手呢？

人工智能和和核能，微软一个都不放过！

微软正在招募的“核技术首席项目经理”岗位，任务是领导全球小型模块化反应堆（ Small Modular Reactor, SMR）和微反应器集成的技术评估，为微软云和 AI所在的数据中心提供动力。“这一岗位将为技术集成保持清晰且适应性强的路线图，认真选择和管理技术合作伙伴和解决方案，并不断评估进展和实施的业务影响。”招聘帖子中如是说。

图源：微软

此外，微软对于这一岗位的理想候选人也给出了要求：应具有能源行业的经验，并对核技术和监管事务有深入的了解。该职位还将负责研究和开发其他商业化前的能源技术。

大模型“跑废”特斯拉！

知名业内专家吴军，曾对ChatGPT训练有一个比喻：每训练一次ChatGPT，相当于让3000辆特斯拉电动汽车在一个月走完了21年的路，基本全跑废掉。这一形容并不夸张。

根据斯坦福人工智能研究所（HAI）发布的《2023年人工智能指数报告》，训练GPT3所需的电量，足够让一个普通美国家庭用上数百年。而据国盛证券估算，GPT-3的单次训练成本就高达140万美元，对于一些更大的LLM（大型语言模型），训练成本介于200万美元至1200万美元之间。

数据来源：Luccioni et al.

“大模型训练成本中60%是电费，”华为AI首席科学家田奇也曾对电力问题表示担忧，认为电力的降本增效已迫在眉睫。如果大模型普及，全球飞速运转的服务器，怕不会把地球烧了。

也无怪乎，OpenAI创始人周一在一场活动上表示现在对于GPT而言，重点在于“降低成本和提高可靠性”，而不是急于推出GPT-5。

为了省电，硅谷大佬们思路大开

首先看微软。目前看，微软将目光锁定在了核能。大家可能不知道，比尔·盖茨还有另外一个身份，就是核创新公司TerraPower的董事长，该公司正在开发和推广小型模块化反应堆设计。不过，TerraPower的一位发言人称，“目前没有任何向微软出售反应堆的协议。”

美国能源情报署的数据显示，美国现有的核反应堆目前的发电量约占美国总发电量的18%。而下一代核反应堆技术的希望很大程度上寄托在小型核反应堆上。

顾名思义，小型核反应堆比传统反应堆更小，建造起来也更便宜、建设速度更快，因为它们采用模块化结构设计，并不是反应堆的每个部件都需要定制。

此外，微软方面已经公开承诺将从核聚变领域创新者那里寻求核能。今年5月，微软宣布与核聚变初创公司Helion签署了一项电力购买协议，将于2028年从Helion购买电力。碰巧的是，OpenAI首席执行官萨姆·奥特曼，也是Helion的早期重要投资者。

还有，大名鼎鼎的“硅谷钢铁侠”马斯克对于能源这块也有过考虑。4月就有传闻，马斯克和贝索斯准备联手训练一个超级大模型。为了节约制冷和耗能，两位竟然提出了一个“太空数据中心”的计划，把五万片H100英伟达卡由SpaceX送到太空，并携带巨量的太阳能板，以期借由太空的力量解决电力的问题。不过有专家分析这个方案不靠谱，目前卫星太阳能帆板的供电系统普遍功率只有1200W，无论是电力供应还是成本，都不如地面的解决方案。

当然，还有一种比较靠谱的方案，就是优化芯片本身的耗能。这种能耗管理的逻辑是，数据中心有多块芯片，每个芯片上有几十亿甚至上百亿的晶体管，一个晶体管，相当于一个用电单位，以此推断，一颗指甲盖大小的芯片，就是一个规模庞大的能源网络。如果能够将每个晶体管的能耗优化，那么最后的节能就能辐射到整个数据中心。

这块探索比较多的是全球EDA龙头企业新思科技，早在7年前就启动了一项叫做“高能效设计”的项目，将芯片的能效最大化。

微软，仅仅是想解决能耗问题？

微软此举，不止是出于对AI的押注和数据中心动力来源的考虑，还有着其他的原因。

据外媒theVerge称，比尔盖茨一直以来都是核能的忠实粉丝，因为核能不会产生温室气体的排放，对于应对气候变化方面或发挥着一定的作用。

此外，有关大模型能源消耗问题，其实并没有想象的那么严峻。一位资深分析师人士坦言，市场大可不必对大模型的能耗问题过度担忧。“很多人忽略了一个事实，那就是大模型对算力的需求未来必然会逐渐下降，这意味着能耗也会相应降低。”

比如，微软在4月12日开源的DeepSpeed-Chat就充分说明了这一点，它可将训练速度提升15 倍以上，算力成本大大降低。仅凭单个 GPU就能支持一个130亿参数的类ChatGPT模型，训练时间也只需要 1.25 小时。

最后，只能说，变革的齿轮一旦启动，就很难逆转。微软此番对于AI的投入超乎了业界对它的想象。

参考链接：

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