能源与机器,自从技术革命以来,从来都不可分。新能源与机器学习正在走向融合,它们符合一个共同的技术和经济规律,效率上升,成本下降,而需求增长更快,产生了杰文斯悖论的效应。
杰文斯是19世纪英国工业革命期间的一位经济学家。他发现,当煤炭的使用效率不断提升时,对煤炭的需求不仅没有下降,反而在煤炭的应用和相关领域产生了大量的创新,渗透到各行各业,导致煤炭的消耗量上升。杰文斯悖论在历次技术与工业革命中持续上演,蒸汽机、内燃机和燃气轮机的效率不断提升,但人类对于化石能源的需求也持续增长了两百多年。杰文斯悖论揭示了资源技术、经济之间的基本关系。
摩尔定律是信息技术革命时代的杰文斯悖论。单位面积芯片上的晶体管数量每18个月左右增加一倍,60年来相当于算力的成本至少下降了10亿倍,推动经济与社会进入数字时代。
而在加速计算逐步占据主流的深度学习“黄金10年”,GPU的效率提升了千倍。尽管如此,在整个经济与社会向数字化与智能化转型的过程中,对于智能算力的需求在绝对数量和相对占比的意义上,不但没有减少,反而在加速增长,每个季度翻番。这在很大程度上是由于算力更加密集的基础设施和应用正在涌现。如果考虑到未来的物理AI以及元宇宙,对于算力的需求几乎是无限的。
本文来自知之小站
PDF报告已分享至知识星球,微信扫码加入立享3万+精选资料,年更新1万+精选报告
(星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com)