图源Pexels
人工智能推理是指利用已经训练好的人工智能模型，在实际场景中进行各种任务，如生成文本、回答问题、识别图像等。埃杜诺夫表示，他通过简单的数学计算，估计了明年全球推理需求的用电量。他假设，明年全球会新增100万到200万个Nvidia H100图形处理器，每个处理器的功率约为1千瓦。如果每个处理器每天运行24小时，每人每天可生成10万个“token”。他认为以人类规模来看，这用电量尚属合理。全球仅需新增两座核电站，就可以提供足够电力。
不过IT之家注意到，埃杜诺夫也指出，人工智能的发展还面临着一些挑战和限制，其中之一是数据量的问题。目前，人工智能模型的训练需要大量的数据，而公开的互联网数据已经不足以支撑下一代模型的训练。下一代模型可能需要10倍的数据量，这意味着需要更多的专业领域的数据，或者更多的多模态数据，如
视频、音频等。另一个挑战是供应链的问题。由于全球芯片产能的紧张，人工智能模型的改进速度也会受到影响。因此，研究人员正努力提高模型的效率，以减少对数据和硬件的依赖。例如，Salesforce公司开发了Blib-2，这是一种能够自动调整模型大小的技术，可以根据不同的任务和资源需求，动态地缩小或扩大模型。
业内专家普遍认为，语言模型在两年内将为企业带来巨大价值。埃杜诺夫预计，三四年内我们将知晓当前技术是否能实现通用人工智能。
