马特·霍金斯（Matt Hawkins）是一位英国科技企业家和连续创业者，拥有二十多年的经验，专注于建立大规模基础设施业务。他于2017年创立了CUDO Ventures，并将其打造成为一家公认的AI基础设施提供商和NVIDIA云合作伙伴。
过去几年，人工智能的故事几乎完全用软件语言来讲述。模型变得更加强大，速度更快，更加专业。数十亿美元的资金流入基础模型、研究实验室和承诺重塑整个行业的初创公司。政府已经发布了国家人工智能战略，每个董事会都讨论了集成路线图。对话非常广泛，前瞻性和在重要方面不完整。人工智能不是魔法，它不在云中以任何比喻意义存在。每个训练模型、每个回答查询、每个生成图像都依赖于物理基础设施 – 数据中心消耗大量电力、全天候运行的冷却系统、跨越大陆的光纤电缆、连接所有内容到功能正常的电网的变电站。推理的高能耗我们调查了200多位美国高级人工智能决策者，数据证实了行业内部许多人已经承认的内容。几乎29%的组织表示，能源成本已经限制了他们扩大人工智能的能力。超过四分之一（28%）表示，电价上涨迫使他们减慢或完全停止人工智能训练活动。电网连接延迟、冷却限制、连接不足和规划瓶颈都被列为日益增长的障碍。长期以来被视为别人问题的基础设施层，已经成为每个人的问题。这在回顾中并不完全令人惊讶。现代人工智能的规模确实非常庞大。训练一个大型前沿模型可以消耗数百户家庭一年所用的电量– 单个GPT-4训练运行大约消耗50 GWh的电力– 相当于40,000个美国家庭的年度消耗量。为数百万日常用户运行推理需要数据中心达到以前难以想象的规模和密度。需求正在加速，推动因素包括人工智能应用的普及、代理系统的扩张和人工智能与核心业务运营的日益集成。数据中心的电力消耗每年增长约15%– 比所有其他行业的总电力消耗增长速度快四倍以上。物理世界被要求吸收一个指数曲线，但它从来没有被设计为如此快速地做到这一点。战略转向物理世界当前时刻特别具有启示性的是，约束实际上出现在哪里。土地，事实证明，并不是核心问题。只有大约14%的公司在我们的研究中将土地可用性确定为他们的主要挑战。更难的问题是找到土地后需要发生的一切。一个没有电网容量的场地是无用的；没有规划许可，你就会被困住；如果没有可靠的连接，人工智能构建就无法运行。瓶颈不是空间 – 而是将物理空间转化为运营计算环境的复杂、缓慢的过程。这种区别很重要，因为它不能仅用金钱来解决。这也重新定义了我们思考国家人工智能竞争力的方式。对话长期以来一直集中在研究人才、投资量和训练最有能力的模型的竞争上。但基础设施战略正在成为同样关键的变量。在许可证颁发速度更快、能源政策与工业需求更加一致以及大规模基础设施私人投资更加成熟的地区，人工智能可以更快地扩大规模。美国在这里具有结构优势，这些优势往往被低估。它们不是华丽的优势 – 涉及电网规划、分区改革和公用事业协调 – 但它们的影响力日益增长。地缘政治为此添加了另一层复杂性。大约三分之一（33%）的受访企业表示，他们正在积极考虑将人工智能工作负载迁移到其他地区或国家，因为地缘政治问题。除了电力和规划的实际约束外，组织现在还必须权衡主权、供应链韧性以及部署计算的环境的政治稳定性。结果是人工智能基础设施投资的流向正在转变 – 向拥有丰富可再生能源、可用电网容量和更快的监管途径的地区转变，无论这些地区在传统技术地图上的位置如何。人工智能革命的第一阶段是由软件中可能实现的内容定义的。下一阶段将由物理世界中可以实现的内容定义 – 建设电力基础设施、确保能源供应和应对大规模工业部署的官僚复杂性的单调工作。这就是美国将拥有一个优势的地方，这个优势不容易被任何模型能力所超越。人工智能的未来取决于电网的支撑。这比头条新闻所暗示的要少一些刺激，但它更为重要。
