与会者称：人工智能的发展速度已超过其基础设施建设

人工智能技术可能每秒都在进步，但为其供电所需的能源系统却需要数十年才能建成——这种不匹配正成为全球人工智能热潮面临的最大制约之一。

吉宝 (Keppel) 数据中心首席执行官Wong Wai Meng表示，即使在行业尚未解决如何为这种增长提供可持续动力的问题之前，全球现有的能源系统已不足以满足该公司所看到的人工智能相关需求。

他在与微软亚洲区企业副总裁兼首席技术官Mark Souza的炉边谈话中说：“能源系统需要数十年，而人工智能、创新和云技术……我想说，是以秒为单位在演变。”

他们是在上周五（10月9日）于滨海湾金沙会展中心举行的蚬壳（Shell）“共创前进未来”论坛上发表上述言论的。该论坛是蚬壳135周年庆典的一部分。

这场讨论由新加坡蚬壳公司主席Aw Kah Peng主持，她将对话的框架设定在科技与能源之间日益紧密的关系上。

她表示，虽然在能源活动中，人们可能不会立即想到微软和吉宝的数据中心业务，但“能源是技术堆栈的第一层”。

THE BUSINESS TIMES INSIGHTS

Powering Asean's Future 2026

Find out how enterprises are navigating power constraints and sustainability targets

ACCESS THE INSIGHTS

与会者表示，挑战在于人工智能的发展速度远快于支持它的物理基础设施。

对于数据中心而言，这不仅仅是电力问题。Wong说，水资源、网络连接、土地和融资也必须跟上日益增长的计算能力。

他认为，这些系统不能再以相互隔离的方式进行规划。

SEE ALSO

LNG, stronger regional power links key to Asean’s energy resilience: Shell

他说，支持人工智能的基础设施需要被视为一个相互连接的技术堆栈，从能源和水资源，一直延伸到数据中心、芯片、应用程序，并最终到人工智能模型生成的代币（token）。

然而，他表示，目前“基本上每个部分都处于自己的……孤岛中”。

“自带电力”

这种紧张关系已经在影响各国政府应对数据中心增长的方式。

Wong说，不同国家的监管机构正日益要求数据中心运营商和人工智能公司“自带电力”，而不是完全依赖于同时也为家庭和其他行业供电的电网。

他表示，这一原则可以理解，但补充说，提供额外电力所需的基础设施也必须建设起来。

他举例说，如果天然气是解决方案的一部分，就必须有充足的燃料供应和管道容量。

Wong补充说，因此，政策制定者需要更具前瞻性地思考能源基础设施如何与数据中心需求同步发展。

Souza同样认为，消费者不应承担新建数据中心带来的额外能源成本。

谈及微软的做法时，他说：“当我们建设一个数据中心时，我们会承担额外的成本——我们不会把这部分成本转嫁给我们所在社区的消费者。”

Souza补充说，建设数据中心的公司也有责任确保所在社区从中受益，包括通过就业、教育和投资等方式。

他说，能源仍然是更严峻的制约因素。人工智能芯片需要更多电力，而配套的冷却基础设施也增加了总电力需求。

Souza表示，对人工智能基础设施的需求已超过供应，科技公司正在花费“数十亿美元”来为客户提供他们所需的电力、空间和计算能力。

他说：“这种供不应求的状况将持续数年。”

尽管如此，Wong表示，人工智能相关电力需求的激增也可能成为解决方案的一部分。

他指出，新的能源系统需要大规模且可靠的客户来支撑投资。从历史上看，这种规模的客户可能来自政府政策或大型商业用户。

他说，人工智能现在正产生一种需求，其规模本身就可以支持对新能源基础设施的投资。

他说：“我们从未见过像人工智能需求这样规模的承购量。”他补充说，这种需求可以成为开发新一代能源系统所需的商业承购方。

Wong认为，不应将人工智能的快速增长和能源系统面临的压力视为两个独立的问题，而应将它们结合起来考虑。

Aw接着这个话题指出，企业越来越需要将不同领域的参与方聚集在一起，而不是固守在各自传统的行业孤岛中。

重新思考数据中心

Wong说，人工智能的发展速度也正在改变数据中心业务本身的经济模式。

他指出，一个七八年前建造的数据中心，其设计使用寿命可能是30年。

然而，如今随着图形处理器（GPU）的不断更新换代，新设施内部的一些技术可能在五年左右就需要更换。

Wong说，虽然建筑本身可能保留，但运营商需要以不同的方式思考如何轻松地更换单个系统。

他补充说，这不仅对工程设计有影响，也对投资的折旧和回报方式产生影响。

他以冷却系统为例。

Wong说，数据中心运营商可能需要能够在新一代芯片需求变化时进行更换的系统，而不是将其设计成基本永久性的装置。

他将这种方法比作更换单个乐高积木式的模块，而不是重建整个系统。

他说，这种转变也要求监管机构和行业进行更长远的规划，即使技术需求仍在快速变化。

Wong警告说，如果没有长期的基础设施规划相配套，要求运营商自备电力等短期应对措施可能会成为“创可贴政策”。

他问道：“从长远来看，我们是否正在创造一个非常混乱的基础设施？”

吉宝的浮动数据中心项目也遇到了类似的挑战，他说该项目花了五年多才进入建设阶段。

他说，包括新加坡海事及港务管理局（Maritime and Port Authority of Singapore）、国家环境局（National Environment Agency）和建设局（Building and Construction Authority）在内的政府机构都对这一概念表示支持。

Wong认为，困难在于该项目跨越了多个传统的职责领域。

Wong说：“当你需要创新、需要跨学科时，那种孤岛有时会成为一种诅咒。”

他建议，政府可以考虑如何调整监管结构，以更好地适应跨行业和跨学科的项目。

跟上人工智能的步伐

但与会者表示，基础设施只是调整的一方面。随着人工智能能力的提升，公司及其员工也必须改变他们的运作方式。

Souza说，在采用人工智能方面走在最前沿的公司，往往都得到了组织高层的强力支持。

他表示，亚洲的情况也是如此，尽管该地区的公司还面临着多语言、本地化、数据跨境流动限制以及计算资源可用性等额外挑战。

他补充说，虽然构建人工智能代理（AI agent）已变得相对容易，但更艰巨的任务是如何安全高效地部署它们，并对其建立必要的治理框架。

他说，在此之后还需要进行培训并提供明确的应用案例，而不仅仅是让员工接触人工智能工具并让他们自行尝试。

Souza说，在微软，即使是其Copilot生产力工具的初步推广，也需要反复努力来鼓励员工使用。

他补充说，公司在内部共享有效的提示和示例，采用游戏化元素，并表彰更频繁使用该技术的团队。

Wong说，吉宝也同样在努力推动员工改变工作方式。

他说，一种方法是故意制造资源限制，挑战团队用相同或更少的资源完成更多工作，同时要求他们思考如何利用人工智能提高生产力。

他补充说，与此同时，吉宝投资于人工智能培训，并分享应用案例，以便让员工了解如何将该技术应用于自己的职能中。

Aw表示，更艰巨的任务或许是改变人们对学习本身的心态。

她表示，组织需要培养“持续学习的心态”，而不是将培训视为员工必须另外挤出时间来做的事情。

随着企业面临对人工智能是否会取代工人的担忧，这一点变得越来越重要。

Souza认为，人工智能更可能取代的是单个任务，而不是整个工作岗位，他将其与计算器的引入相提并论。

他说，公司可以主要利用人工智能来降低成本，用更少的人完成同样的工作；或者利用它来提升现有员工的能力范围。

他说：“你可以成为一家拥抱这项技术并做得更多的公司。而且我认为我们都渴望成为那样的公司。”