11 月 14 日消息，Meta 生成式人工智能工程總監(jiān)謝爾蓋?埃杜諾夫近日在硅谷數(shù)字工人論壇上分享了他對人工智能推理需求的預測。他認為，明年全球新增的人工智能應用推理需求，如果使用合理規(guī)模的語言模型，僅需兩座核電站的發(fā)電量就可以滿足。

人工智能推理是指利用已經(jīng)訓練好的人工智能模型，在實際場景中進行各種任務，如生成文本、回答問題、識別圖像等。埃杜諾夫表示，他通過簡單的數(shù)學計算，估計了明年全球推理需求的用電量。他假設，明年全球會新增 100 萬到 200 萬個 Nvidia H100 圖形處理器，每個處理器的功率約為 1 千瓦。如果每個處理器每天運行 24 小時，每人每天可生成 10 萬個“token”。他認為以人類規(guī)模來看，這用電量尚屬合理。全球僅需新增兩座核電站，就可以提供足夠電力。

不過IT之家注意到，埃杜諾夫也指出，人工智能的發(fā)展還面臨著一些挑戰(zhàn)和限制，其中之一是數(shù)據(jù)量的問題。目前，人工智能模型的訓練需要大量的數(shù)據(jù)，而公開的互聯(lián)網(wǎng)數(shù)據(jù)已經(jīng)不足以支撐下一代模型的訓練。下一代模型可能需要 10 倍的數(shù)據(jù)量，這意味著需要更多的專業(yè)領域的數(shù)據(jù)，或者更多的多模態(tài)數(shù)據(jù)，如視頻、音頻等。另一個挑戰(zhàn)是供應鏈的問題。由于全球芯片產(chǎn)能的緊張，人工智能模型的改進速度也會受到影響。因此，研究人員正努力提高模型的效率，以減少對數(shù)據(jù)和硬件的依賴。例如，Salesforce 公司開發(fā)了 Blib-2，這是一種能夠自動調整模型大小的技術，可以根據(jù)不同的任務和資源需求，動態(tài)地縮小或擴大模型。

業(yè)內專家普遍認為，語言模型在兩年內將為企業(yè)帶來巨大價值。埃杜諾夫預計，三四年內我們將知曉當前技術是否能實現(xiàn)通用人工智能。