AI进展放慢比统治世界更可能
人工智能进展放缓，可能性更大是超越统治世界
有一种全球计算能力的危机正在逼近，我们目前采取的方式无法可持续地解决这个问题。
简单来说，人工智能（AI）模型的指数增长和全球数字转型的持续进行使得数据中心的空间不足。它们的空缺率达到了创纪录的低水平，并且价格在需求的推动下上涨，这对科技领袖们来说是个令人非常不安的事情。
如果这种趋势继续下去，我们将会到达一个无法再实现技术所理论允许的一切的交叉点，因为我们处理数据的能力将受到限制。
也许最大的担忧是，我们刚刚开始探索的AI的变革潜力将会受到纯粹的物理约束。这将阻碍新的发现和更先进的机器学习（ML）模型的发展，这对于所有人来说都是个坏消息，除了那些担心AI启示论的人们。
有什么方法可以避免计算能力危机吗？由于大规模减少计算需求实际上并不是一个选项，唯一的选择是大幅度增加容量，这可以归结为两种可行的行动方案：建设更多的数据中心和开发更好的数字基础设施。
但是这并不容易——以下是原因。
为什么建设更多数据中心不是答案
迄今为止，对计算能力的需求增加部分得到了通过建设更多的数据中心来满足，保守估计每年数据中心占用的房地产面积增长约为40％。这个数字预计将保持相对稳定，因为供应问题、电力挑战和建设延迟严重限制了扩展容量的能力。
换句话说，今天，无法通过扩大数据中心建设来满足需求。
我们也不应该期望能够通过这种方式满足需求。每个足球场大小的仓库消耗大量的能源和水资源，给当地和全球环境造成严重压力。一个数据中心耗电和用水量可以相当于5万个家庭，云计算的碳足迹已经超过航空业。
应该承认的是，数据中心在减少环境影响方面已经取得了很大进步。这在很大程度上要归功于激烈的可持续发展竞赛，推动了创新，特别是在冷却和能源效率方面。现在，你会发现数据中心建在地下矿井中，建在海中，利用其他天然的冷却机会，比如海湾水流，以降低能源和水资源的消耗。
然而问题是，这种方式在全球范围内并不可扩展，煮沸海洋也不是可行的未来道路。建设更多数据中心——无论多么高效——将继续对当地生态系统造成破坏，阻碍国家和国际的可持续发展努力。而且仍然无法满足计算资源的需求。
然而，两个芯片比一个好，除非…
从箱子里考虑问题
除非那个单个芯片的运行速度是两倍的。为了避免计算能力危机，一切希望都寄托在改进数字基础设施上，即芯片、交换机、电缆和其他可以提高数据传输速度和带宽同时消耗较少能量的组件。
让我再强调一下——AI的发展依赖于找到更多的数据传输方式，而不是使用更多的能量。
基本上，这意味着两件事。首先，开发更强大和以AI为中心的芯片。其次，提高数据传输速度。
1. 为AI设计定制芯片
现有的数字基础设施并不特别适用于高效开发机器学习模型。由于缺乏专业化和计算效率，数据中心中的通用型中央处理器（CPU）在处理人工智能特定任务时存在困难。
而在人工智能领域，图形处理器（GPU）则表现更佳，拥有更好的处理能力、更高的能源效率和并行性。这就是为什么每个人都争先恐后地抢购它们，从而导致芯片短缺。
然而，GPU最终也会遇到同样的瓶颈。它们并非专为人工智能任务而优化，导致能源浪费和在处理现代人工智能应用程序日益复杂和数据密集需求方面的性能不佳。
这就是为什么像IBM这样的公司正在设计符合人工智能计算需求的芯片，以在最大程度上提高性能的同时最大限度地降低能源消耗和空间占用。
2. 提高数据传输能力
现代的人工智能模型不是在单一芯片上运行的。为了充分利用可用资源，需要将多个芯片组装成集群。这些集群通常成为更大网络的一部分，每个网络都专为特定任务而设计。
因此，连接芯片、集群和网络之间的通信系统成为关键组件。除非它能够跟上系统其余部分的速度，否则它有可能成为限制性能的瓶颈。
数据传输设备的挑战与芯片的挑战相似：它们必须在高速率下工作，消耗尽量少的能量，并占用尽可能小的物理空间。随着传统电气互联在带宽和能源效率方面接近极限，光计算——尤其是硅光子学——成为焦点。
与电气系统不同，光学系统使用光传输信息，在重要的方面提供了关键优势——光信号可以以光速传播并携带更高密度的数据。此外，光学系统消耗较少的功率，并且光子元件可以比电气元件更小，从而允许设计更为紧凑的芯片。
这里的关键词是“可以”。
尖端技术的困扰
光计算虽然速度极快且能源效率高，但目前在微型化、兼容性和成本方面面临挑战。
光开关和其他组件可能比电子对应物体更大更复杂，导致在实现相同微型化级别上存在挑战。就目前而言，我们尚未找到既能作为有效光学介质又可扩展用于高密度计算应用的材料。
采用光学计算也将面临一场艰苦的战斗。数据中心通常针对电子而非光子处理进行优化，而将光学组件与现有电子架构集成则是一项重大挑战。
此外，就像任何尖端技术一样，光计算还需要在实践中证明自己。目前缺乏关于光学组件的长期可靠性的研究，特别是在数据中心环境下的高负载、高压力条件下。
而且最重要的是，光学组件需要专门的材料，这使得广泛采用可能变得成本高昂，尤其是对于规模较小或预算受限的数据中心而言。
那么，我们是否足够快以避免困境呢？
很可能不是。在短期内，我们肯定无法停止建设数据中心。
如果有任何安慰的话，我们可以知道科学家和工程师们非常清楚这个问题，并努力寻找解决方案，这些解决方案不会通过不断推动边界并在数据中心优化、芯片设计以及光计算的所有方面取得重大进展来破坏地球。
alle teams van Future Internet Lab zijn door Merijn te Booij tegen het licht gehouden. Het resultaat is eind 2022″
但是目前仍存在严重的挑战，有必要直面这些挑战，以实现现代技术的全部潜力。
Oskars Ozoliņš教授于2013年从里加技术大学（拉脱维亚）获得光通信博士学位，并于2021年在瑞典皇家理工学院获得物理学教授资格，专业为光通信。他发表了约270篇国际期刊论文、会议贡献、演讲/教程/主题演讲/讲座、专利和书籍章节。您可以在LinkedIn上关注他。
