7.1
深览指数
科技智东西·王 涵··AI 生成
让Token像土豆一样便宜，要闯哪四关？
文章以央视《对话》节目中远景科技张雷提出的“AI土豆论”为引，探讨AI算力普惠化的核心障碍——高昂的能源与基建成本。作者认为，仅靠芯片和算法迭代不够，必须在能源基础设施端重构成本逻辑。文章详细阐述了远景乌兰察布星河基地如何通过四道系统关（破除绿电误区、建设预测调度、全链路提效、实现可复制），将风光发电、电网、储能、供电、散热与计算负荷纳入一体化系统，以降低Token的单位成本。本文适合关注AI基础设施投资、数据中心能源优化及绿色算力产业的专业人士阅读。原文 ↗
核心观点
- ▍AI普惠的核心门槛是高能源与基建成本，降低Token成本不能仅靠芯片和算法迭代，必须从能源基础设施端重构算力成本逻辑，需要一套从绿电到算力的全链路系统工程。
- ▍远景乌兰察布星河基地作为这套思路的首次大规模落地，其目标是通过“AI电力系统”实现高比例绿电直连、多环节协同优化，最终让昂贵的芯片满负荷运转，降低单位有效计算成本。
- 01小米MiMo-V2.6模型仅强化学习后训练阶段就烧掉347万美元（约2344万人民币）。
- 02训练GPT-4需约95天，总能耗38.2吉瓦时，相当于日均消耗4万户家庭用电量。
- 03黄仁勋提到，部署1GW AI算力成本约500亿美元，电力成本占数据中心运营成本六成以上。
- 04远景星河基地选址乌兰察布，利用其优质风光资源和冷凉气候，并自建风场、输电线路、储能，实现80%以上绿电直连（区别于购买绿证）。
- 05远景基于“天机”气象大模型（与谷歌WeatherNext 2同处第一梯队）实现分钟级、5公里分辨率的全球45天气象预测，用于指导发电和计算任务调度。
- 06通过固态变压器（SST）及800V直流供电架构，供电效率达98.5%以上，占地面积减少一半以上，用铜量最高减少80%。
- 07星河基地12万平米“算力超级单体”通过规划、供电架构和绿电直供，实现同等面积算力输出是传统数据中心的10倍。
反方 / 局限
- — 文章虽强调了系统的先进性与可复制性，但并未提及该方案在极端天气或电网故障时的冗余设计成本，也未对比传统数据中心在同等稳定性下的投资回报率。
14 分钟 · 5 卡片 · 12 资料
读原文 →