Akash创始人警告AI培训可能会引发全球能源危机

人工智能培训中日益增长的能源危机

人工智能开发正在击中严重的能量墙，而且这种情况似乎比许多人意识到的快。根据Akash网络的创始人Greg Osuri的说法，培训大型AI模型可能很快需要与核反应堆相当的能量输出。他在新加坡的Token2049举行的采访中分享了这些担忧，并指出该行业始终低估了计算需求的速度加倍。

数据中心已经消耗了数百兆瓦的化石燃料动力，这种趋势可能会引发更广泛的能源危机。家庭电费已经感觉到了影响，在某些地区，在数据中心地点附近，五年来，批发电力成本增长了267％。 Osuri对“我们正在达到AI杀死人的地步”的惊人观察，这表明数据中心周围浓缩化石燃料的使用对健康产生了影响。

权力下放为潜在解决方案

Osuri认为，替代方案在于权力下放。跨GPU网络的分布式培训无需集中计算能力和能源消耗，而是可以释放效率和可持续性。这种方法将利用从高端企业芯片到家用计算机中的游戏卡的所有内容。

“一旦弄清楚激励措施，这将像矿业一样起飞，”奥瑟（Osuri）预测。他设想了一个未来，家庭计算机可以通过为AI培训任务提供备用计算能力来赚取令牌。这个概念与早期比特币采矿具有相似之处，普通用户在这里贡献了处理能力并获得了奖励，尽管这次工作将涉及训练AI模型而不是解决加密难题。

仍然存在技术和激励挑战

尽管潜在的好处是明确的，但仍然存在重大挑战。培训各种GPU网络的大规模模型需要在软件协调和分布式计算技术方面取得突破。 Osuri指出，虽然几家公司在最近几个月中展示了分布式培训的方面，但没有人成功整合了所有组件以运行完整的模型。

也许更大的挑战在于创建公平的激励系统。 “困难的部分是激励措施，” Osuri解释说。 “为什么有人会给他们的计算机训练？他们回来了什么？比实际的算法技术要解决的挑战更加困难。”

尽管存在这些障碍，奥瑟里坚持认为，分散的AI培训不仅是一种选择，而且是必要的。通过在全球网络中扩散工作量，人工智能开发可以减轻能源电网的压力，减少碳排放，并为AI经济创造更可持续的基础。这些发展的时间表仍然不确定，但是解决AI不断增长的能源足迹的紧迫性似乎越来越清楚。