Das chinesische KI -Startup Deepseek faszinierte die Welt mit der Veröffentlichung seines R1 -Modells, das scheint Fast so gut Als führende Modelle von Google und OpenAI, trotz der Behauptung des Unternehmens, eine relativ bescheidene Anzahl von GPUs zu verwenden, um es zu trainieren.
Die relative Effizienz von Deepseek hat Experten und Investoren in Frage, ob KI die massiven Hardwareausgaben wirklich benötigt, die jeder vorhersagen. Und das könnte die Nachfrage des Rechenzentrums ändern – und die Energie, die erforderlich ist, um sie mit Strom zu versorgen.
Das Unternehmen behauptet, es sei zwei Monate lang 2.048 NVIDIA H800 -GPUs durchgeführt, um ein etwas älteres Modell zu trainieren.
Nur wenige Unternehmen sind genauso exponiert wie NVIDIA, deren Aktienkurs zum Zeitpunkt der Veröffentlichung um 16% gesunken war. Vielleicht noch anfälliger sind die Startups und Stromerzeuger, die auf die neue Kern- und Erdgaskapazität wetten.
Insbesondere die Kernenergie steht seit Jahren kurz vor einer Renaissance, die durch Fortschritte bei Kraftstoff- und Reaktorkonstruktionen angetrieben wird, die versprechen, eine neue Generation von Kraftwerken sicherer und billiger zu bauen und zu betreiben. Bis jetzt gab es wenig Grund, voranzubringen. Nuklear ist im Vergleich zu Wind, Solar und Erdgas immer noch teuer. Außerdem muss Nuklear der nächsten Generation im kommerziellen Maßstab noch getestet werden.
Der Anstieg der Leistungsbedarf von AI veränderte die Gleichung. Mit Rechenzentren, die voraussichtlich bis zu 12% aller Strom in den USA konsumieren – mehr als verdreifachen Sie ihren Anteil im Jahr 2023 – und Prognosen von unterversorgten KI -Rechenzentren bis 2027 sind Technologieunternehmen Rennen, um neue Vorräte zu sichern und Milliarden von Milliarden zu werfen Dollar bei dem Problem. Google hat sich verpflichtet, 500 Megawatt Kapazität von Nuclear Startup Kairos zu kaufen.
Aber was ist, wenn das Problem übertrieben wurde?
Es gibt keine harte und schnelle Regel, die darauf hindeutet, dass die einzige Möglichkeit zur Verbesserung der KI -Leistung darin besteht, mehr Berechnung zu verwenden. Für eine Weile hat diese Taktik gut funktioniert, aber in jüngerer Zeit hat mehr Computer nicht die gleichen Ergebnisse erzielt. KI -Forscher haben nach Lösungen gegossen, und es ist möglich, dass Deepseek eine für sein R1 -Modell gefunden hat.
Natürlich ist nicht jeder überzeugt.
„Während Deepseeks Leistung bahnbrechend sein könnte, stellen wir die Vorstellung in Frage, dass seine Leistungen ohne die Verwendung von Advanced GPUs erledigt wurden“, schrieb der Citigroup -Analyst Atif Malik.
Die Geschichte deutet jedoch darauf hin, dass selbst wenn Deepseek etwas versteckt, jemand anderes wahrscheinlich einen Weg finden wird, KI billiger und effizienter zu gestalten. Schließlich ist es einfacher und potenziell schneller, einige Doktoranden mit besseren Modellen zu entwickeln, als neue Kraftwerke zu bauen.
Die derzeitige Welle neuer Reaktoren wird erst 2030 online geplant, und erst Ende des Jahrzehnts werden neue Erdgaskraftwerke zum baldigen Jahrzehnt verfügbar. In diesem Zusammenhang scheinen die Power -Investitionen von Tech -Unternehmen abzunehmen, falls ihre Software -Wetten nicht ausgehen.
Wenn dies der Fall ist, erwarten Sie, dass Technologieunternehmen ihre Machtambitionen reduzieren. Bei der Auswahl zwischen Milliarden für physische Vermögenswerte oder Software entschieden sich Technologieunternehmen fast immer für letztere.
Wohin werden nukleare Startups und Energieunternehmen hinterlassen? Es kommt darauf an. Einige können in der Lage sein, Strom zu einer geringeren Kosten zu erzeugen, die keine Rolle spielt, ob die Stromversorgung von AI EBB benötigt. Die Welt ist elektrisierend, und noch bevor die KI -Blase aufgeblasen wurde, war der Strom nach Strom nach erwartet zu wachsen.
Aber wenn die Nachfrage nach KI jedoch nicht steigen wird, werden diese Kostendrucks wahrscheinlich steigen. Wind, Solar und Batterien sind billig und werden billiger und sind von Natur aus modular und massenproduziert. Entwickler können neue erneuerbare Anlagen in Phasen einsetzen und Strom (und Einnahmen) liefern, bevor das gesamte Projekt abgeschlossen ist und gleichzeitig die Kontrolle über ihre Zukunft angesichts der unsicheren Nachfrage anbietet. Das Gleiche gilt nicht von einem Kernreaktor oder einer Gasturbine. Tech -Unternehmen wissen dies, weshalb sie stillschweigend in erneuerbare Energien investiert haben, um ihre Rechenzentren mit Strom zu versorgen.
Nur wenige Menschen sagten den aktuellen KI -Boom voraus, und es ist unwahrscheinlich, dass jemand weiß, wie sich die nächsten fünf Jahre auswirken werden. Infolgedessen werden die sichereren Wetten in Energie wahrscheinlich zu bewährten Technologien fließen, die nach einem sich schnell entwickelnden Markt schnell eingesetzt und skaliert werden können. Heute passen erneuerbare Energien zu dieser Rechnung.