人工智能需求和需求可持续性

你要听的有名人士们，我做了一些白纸黑字的数学计算，关于人工智能数据中心的需求，以及人工智能的帮助。以下是我的计算：

假设有10亿个每天活跃的人工智能用户，但这些人并不是同时使用24小时。他们可能会使用8小时。所以我们将10亿除以3，我们得到大约3.5亿。接下来，我们有大量的用户会在24小时内不断使用人工智能，例如机器人、无人驾驶汽车等。我们假设他们的用户数量是2-3亿。由于机器和非人类使用案例远远超过人类使用案例，我们假设每小时有2.5亿用户。我们将这些用户称为非有机用户（即机器人）。注意，这个用户基数是保守的，因为未来可能会有每个家庭和办公室都有一个机器人。

现在，我们将有机用户和非有机用户加在一起，总共有3亿个活跃的人工智能用户。现在，我们需要计算人工智能推理的成本。我们假设每个高端GPU可以支持一个活跃的用户。因此，我们需要3亿个GPU来满足当前和未来市场的需求。

现在，我们来计算一下电力消耗。约1000个GPU消耗1兆瓦（MW），平均每个GPU消耗700-1000千瓦。因此，我们需要3亿个GPU来满足需求，总共需要3万兆瓦的电力。这个数字太大了，我们根本无法满足这个需求。

此外，我们还面临一个问题，即这些GPU并不是一次性使用的，因为它们在推理中持续运作，使用寿命很短，仅有3年。我们可以通过假设它们可以运作6年而不是3年来进行乐观的估计，结果是我们需要3万兆瓦的电力，每6年建造一次，相当于每年0.5万兆瓦。但是，需求也会受到现实的约束。我们目前只能生产约1万个GPU每年，未来可能扩大到1.5万个GPU每年。

因此，现实情况是，我们只能可持续地建造和运营约0.6万兆瓦的AI数据中心，未来30年左右，除非我们实现制造业的突破，因为我们已经接近2纳米的节点，超出了电子的限制，GPU无法正常运作。我们可能会获得光学GPU或量子GPU，但这些是理想主义的，可能需要几十年才能实现。

此外，我们还面临以下限制，当前年产量与需求之间的差距：

此外，我们还面临着人工智能带来的失业问题，人们失去工作后不再购买人工智能产品。这将导致经济陷入巨大危机，甚至比1929年的大萧条还要严重。

因此，我认为，随着需求和产能约束的出现，人工智能扩张将停滞不前，十年的快速增长将变成十年的衰退。