Ich habe eine sehr hörenswerte Episode des Podcasts "Silicon Valley 101 | Die Billionen-Infrastruktur-Ära der KI-Datenzentren: Das US-BIP-Wachstum hängt ganz davon ab" gehört. Da der Podcast sehr lang ist, teile ich einige Punkte, die ich notiert habe, und habe einige der erwähnten Themen in Bezug auf Strom und Rechenleistung zusammengefasst. Wenn Sie Zeit haben, sollten Sie sich die vollständige Version anhören. Meinungen: 1️⃣ Welche Unternehmen sind die stärksten im Bereich Datenzentren? OpenAI ist am aggressivsten und hat das Ziel, eine Rechenleistungskapazität von 10 Gigawatt und langfristig sogar 100 Gigawatt aufzubauen. xAI und Meta sind ebenfalls aggressiv und kaufen Turbinen-Generatoren auf, um günstige Energieflächen für den Bau von Datenzentren zu sichern. (5-7 Billionen Investitionen sind auf dem Weg) 1 Gigawatt entspricht 50 Milliarden Investitionen. 2️⃣ Microsoft beschleunigt den Bau von Datenzentren, und in diesem Jahr hat sich die Denkweise über den Aufbau von Datenzentren geändert. Google und Microsoft haben bereits über 10 Gigawatt an bestehenden Cloud-Zentren. Daher werden neue KI-Unternehmen aggressiver. 3️⃣ Chips sind nicht so knapp wie Energie. In den letzten 2 Jahren wurde die Produktionskapazität von Chips bereits erweitert. Der Mangel an Speicher wird etwas größer sein, aber der größte Mangel kommt immer noch von der Elektrizität. 4️⃣ Die Logik hinter der Power First-Strategie: Wer Strom hat, kann eine so große Rechenleistung nutzen und dadurch einen größeren Marktanteil gewinnen, was zu Gewinnen führt und diesen Prozess wiederholt. Das Risiko von "unzureichenden Investitionen" ist viel größer als das Risiko von "Überinvestitionen". 5️⃣ Andy gibt, Bill nimmt weg. Andy bezieht sich auf den ehemaligen Intel-CEO Andy Grove, Bill auf den ehemaligen Microsoft-CEO Bill Gates. Diese Aussage bedeutet, dass die Leistungssteigerung der Hardware schnell von der Software verbraucht wird. Derzeit sind die GPUs in großen Unternehmen (wie META) nicht ausreichend, um intern viel Rechenleistung zu benötigen. Selbst wenn es überschüssige Rechenleistung gibt, kann sie intern zur Kostensenkung verwendet werden. 6️⃣ Warum große Datenzentren (über 1 Gigawatt) bauen? Um die Betriebskosten zu senken und die Effizienz des KI-Trainings zu verbessern. Der Trend geht von 10.000-Karten-Clustern zu 100.000-Karten-Clustern oder sogar größeren. 7️⃣ Wo wird die Rechenleistung eingesetzt? Vor zwei Jahren wurde mehr Rechenleistung für das Pre-Training verwendet, das keine Erträge bringt, jetzt wird mehr auf Inferenz (60%) umgeschichtet, und es wird erwartet, dass der Anteil von Anwendungen und Inferenz in Zukunft weiter steigen wird (was tatsächlich das BIP schafft). 8️⃣ Unbenutzte Rechenleistung kann von Startups für Inferenz verwendet werden, ist aber besser für Startups geeignet als für große Unternehmen, die mehr auf Effizienz achten. 9️⃣ Die Stromquelle der Datenzentren ⚡️: Das US-Stromsystem hat in den letzten 20 Jahren langsam zugenommen, mit einem jährlichen Wachstum von 1%, was weit hinter dem Wachstum der Datenzentren zurückbleibt. Zusätzlicher Bedarf: Die USA müssen 80 Gigawatt an Erzeugungskapazität hinzufügen, Mangel: 20 Gigawatt pro Jahr (8 Gigawatt stammen von Datenzentren) Der jährliche Stromverbrauch in New York liegt bei 6-11 Gigawatt. Versorgung: Erdgas dominiert, Solarenergie-Speicherung, Kernenergie (nach 2028) 🔟 Das US-Stromnetz ist schwach: Erzeugung (50%) - Übertragung (20%) - Verteilung (30%). Das bestehende Stromnetz hat Schwierigkeiten, diese neuen Erzeugungsmengen zu integrieren....