The Verge
·
人工智能是“能源消耗大户”，但DeepSeek可能会改变这一现状
内容提要
DeepSeek声称其AI模型的能耗仅为Meta Llama 3.1的十分之一，这可能会降低AI对环境的影响。如果这一说法属实，将有助于减少数据中心的电力需求并推动可再生能源的使用。然而，技术效率的提升可能会导致使用需求增加，因此需谨慎对待。
关键要点
-
DeepSeek声称其AI模型的能耗仅为Meta Llama 3.1的十分之一，可能降低AI对环境的影响。
-
如果DeepSeek的说法属实，将有助于减少数据中心的电力需求并推动可再生能源的使用。
-
技术效率的提升可能导致使用需求增加，因此需谨慎对待。
-
DeepSeek的V3模型训练成本为560万美元，训练时间为278万GPU小时，远低于Meta的Llama 3.1模型。
-
DeepSeek通过更高效的训练方法减少电力消耗，采用辅助损失无策略，选择性训练模型部分。
-
DeepSeek的模型大部分为开源，有助于研究人员相互学习并促进小型企业进入行业。
-
更高效的AI模型可能促使现有AI实验室开发更高效的算法，推动可持续基础设施规划。
-
对DeepSeek的能耗声明仍存在怀疑，缺乏具体事实支持。
-
如果DeepSeek的能耗声明属实，可能会减少数据中心的总能耗，释放更多可再生能源。
-
更高效的AI模型可能导致Jevons悖论，即技术越高效，使用越频繁，可能增加环境损害。
-
AI开发者可以通过限制整体能耗来减少这些问题，传统数据中心在过去成功做到这一点。
-
2023年，数据中心在美国的电力消耗超过4%，预计到2028年将接近12%。
延伸解读
DeepSeek的能耗优势与环境影响
DeepSeek声称其AI模型的能耗仅为Meta Llama 3.1的十分之一，这一说法若属实，将显著降低AI对环境的影响。随着数据中心电力需求的增加，降低能耗不仅有助于减轻环境压力，还可能推动可再生能源的使用，促进可持续发展。
技术效率与需求增长的悖论
尽管DeepSeek的高效能耗可能带来积极影响，但也需警惕Jevons悖论的出现。技术越高效，使用需求可能越大，反而可能导致环境损害的增加。因此，AI开发者应在提升效率的同时，限制整体能耗，以实现真正的可持续发展。
开放源代码的潜在影响
DeepSeek的模型大部分为开源，这为研究人员提供了相互学习的机会，促进了小型企业的进入。开放源代码不仅提高了透明度，还可能推动行业内的创新，促使更多高效算法的开发，从而改善AI的整体能耗表现。
延伸问答
DeepSeek的AI模型能耗与Meta Llama 3.1相比如何？
DeepSeek的AI模型能耗仅为Meta Llama 3.1的十分之一。
DeepSeek的V3模型训练成本和时间是多少？
DeepSeek的V3模型训练成本为560万美元，训练时间为278万GPU小时。
DeepSeek的模型如何减少电力消耗？
DeepSeek通过更高效的训练方法和选择性训练模型部分来减少电力消耗。
DeepSeek的开源模型对行业有什么影响？
DeepSeek的开源模型促进了研究人员的相互学习，并帮助小型企业进入行业。
DeepSeek的能耗声明是否受到怀疑？
是的，DeepSeek的能耗声明仍存在怀疑，缺乏具体事实支持。
更高效的AI模型可能带来哪些环境影响？
更高效的AI模型可能减少数据中心的总能耗，但也可能导致使用需求增加，从而加剧环境损害。
