问题不在芯片！扎克伯格曝AI发展关键难题

-loading-

听音频 🔊 . 看视频 🎦

... 2024-05-16 20:20 .. 本文引用地址：扎克伯格近期接受Youtube主持人DwarkeshPatel专访时表示，随着GPU短缺问题告一段落，AI发展与成长短期内不再受到限制，企业忍不住砸重金打造数据中心等基础设施，以跟上AI发展趋势。
    AI处理大量数据时相当耗能，因此电力供应已是未来左右AI发展的重要关键。
    据扎克伯格的观察，许多新数据中心用电50兆瓦至100兆瓦，特别是大型数据中心可能达到150兆瓦。
    依照这个发展趋势，数据中心消耗300兆瓦或500兆瓦，甚至是1000兆瓦的电力，似乎只是时间的问题。
    扎克伯格指出，即使有再多钱可以购买GPU，也会遇到电力短缺等问题。
    然而建造新的电厂并非简单任务，考虑到法规，尤其是核能，以及电力输送规划与建设，从制定相关计划，到电网确实可以输送电力，可能需要很多年的时间。
    祖克柏也因此认为，电力生产可能很快值得投资。
    不仅扎克伯格忧心缺电问题，特斯拉执行长马 .. UfqiNews ↓ 1

... 06-22 03:06 , 2787 , 165 ..
二、国内对策 有企业家跟我讲，现在我们没办法再干下去，上游涨价涨得不得了，下游又涨不了价，涨价也卖不出去，那么我们现在怎么办，（中共中央？中央政府？）中央是不是不知道.
    据我了解，中央是非常了解情况的，已经采取了一系列措施.
     1. 增加国家科技力量 未来几年，中国需要在科学技术上，做出革命性的进步，否则单靠劳动力来改变中国目前遇到的困境，很难，必须要有科技的突破.
     第一个破解方法，就是增加国家科技力量.
    我们原来有一些企业家还认为我们那个芯片，28纳米没问题.
    我告诉大家，28纳米都有问题，原来是没问题，我们原来能够生产，但现在美国《无尽前沿法案》里面已经明确地指出，& ... 新冠肺炎疫情引发全球性的通货膨胀形势与对策-2 ⟶

...不仅带来现有业务风险，还会浪费投资；5.数据爆发增长，面向结构化数据的数据缩减策略不完全适用于非结构化场景.
    随着算力多样化、高性能网络和存储介质的发展，数据中心架构从以CPU中心朝着以数据为中心的Diskless架构演进.
    Diskless架构下，单一CPU算力发展到GPU、DPU、XPU等多样算力，算力效率得以充分发挥；网络从IP、NOF发展到高通量的CXL，为算力和存力等硬件解耦奠定了基础；存力也从传统HDD到SSD，性能、功耗实现全面提升.
    在Intel、华为、KIOXIA、阿里云等业界芯片、存储、云和互联网厂商的积极推进下，Diskless架构借助专用等数据处理芯片和OceanDisk等专用存储模块，进一步提升数据处理和存储的效能，充分调动数据中心资源.
    冯丹教授表示，资源池化共享的Diskless架构应具备以下关键技术：1.网存协同，DPU硬件卸载加速，.. 04-20 22:50 ↓ 16 ..UfqiNews