与会嘉宾表示，人工智能的发展速度已超过为其提供动力的基础设施

人工智能的发展可谓日新月异，但为其供电所需的能源系统却需要数十年才能建成。这种不匹配正成为制约全球人工智能热潮的最大因素之一。

吉宝 (Keppel) 数据中心业务首席执行官 Wong Wai Meng 表示，在全球范围内，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，而这甚至还没考虑到如何为这一增长提供可持续动力的问题。

他在与微软亚洲区企业副总裁兼首席技术官 Mark Souza 的一场炉边谈话中表示：“能源系统的建设需要数十年，但我认为，人工智能、创新和云技术……可以说正以秒为单位在发展。”

他们是在周五（10月9日）于滨海湾金沙会展中心举行的壳牌“共创进步未来”论坛上发表上述言论的。该论坛是壳牌135周年庆典的一部分。

这场讨论由新加坡壳牌公司主席 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，虽然在一场能源活动上，人们可能不会立刻想到微软和吉宝的数据中心业务，但“能源是这一技术堆栈的第一层”。

与会嘉宾表示，挑战在于人工智能的发展速度远远快于支持它的实体基础设施。

Wong 指出，对于数据中心而言，这不仅仅是电力问题。水、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

他表示，支持人工智能的基础设施需要被视为一个相互连接的整体技术堆栈，涵盖从能源和水、到数据中心、芯片、应用程序，并最终到人工智能模型生成的令牌（token）。

然而，他表示，目前“基本上每个部分都处于各自的……孤岛之中”。

“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 表示，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服务的电网。

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相应建设。

他举例说，如果天然气是解决方案的一部分，那么就必须有充足的燃料供应和管道容量。

Wong 补充道，因此，政策制定者需要更具前瞻性地思考，如何让能源基础设施与数据中心的需求同步发展。

Souza 同样认为，消费者不应承担由新数据中心产生的额外能源成本。

在谈到微软的做法时，他表示：“当我们建立一个数据中心时，我们会承担额外的成本——我们不会将其转嫁给我们所在社区的消费者和居民。”

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

他表示，能源仍然是更严峻的制约因素。人工智能芯片需要消耗多得多的电力，而配套的冷却基础设施也增加了总体电力需求。

Souza 表示，对人工智能基础设施的需求已经供不应求，科技公司正花费“数十亿美元”为客户提供所需的电力、空间和计算能力。

“这种供应缺口将持续数年，”他说道。

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，新的能源系统需要有大规模且可靠的客户来支撑投资。在过去，这种规模可能来自政府政策或大型商业用户。

他表示，如今人工智能正产生一种新的需求水平，其本身就足以支持对新能源基础设施的投资。

“我们从未见过像人工智能需求这样规模的承购，”他说道，并补充说，这种需求可能成为开发新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，而应将它们放在一起通盘考虑。

Aw 接着这个话题指出，企业越来越需要将不同领域的各方聚集在一起，而不是固守于传统的行业壁垒之内。

重新思考数据中心

Wong 表示，人工智能的发展速度也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长达30年。

然而如今，随着一代又一代图形处理器（GPU）的问世，新设施内部的某些技术可能在五年左右就需要更换。

Wong 表示，虽然建筑本身可能会保留，但运营商需要以不同的方式思考单个系统更换的便利性。

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了影响。

他以冷却系统为例。

Wong 表示，数据中心运营商可能需要能够在新一代芯片的需求发生变化时随时更换的系统，而不是将其设计成基本永久固定的装置。

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。

他表示，即便技术要求在不断快速变化，这种转变也要求监管机构和行业做出更长远的规划。

Wong 警告说，如果没有长期的基础设施规划相配套，诸如要求运营商自备电力的短期应对措施可能会沦为“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，他表示该项目耗时五年多才进入建设阶段。

他表示，包括新加坡海事及港务管理局、国家环境局和建设局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：“当需要创新、需要跨学科合作时，这种各自为政的壁垒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高，公司及其员工也必须改变他们的工作方式。

Souza 表示，在人工智能应用方面走在最前列的公司，往往都拥有来自组织高层的强力支持。

他表示，亚洲的情况也是如此，尽管该地区的公司面临着额外的挑战，包括多语言、本地化、数据跨境流动的限制以及计算资源的可用性等问题。

他补充说，虽然构建人工智能代理已变得相对容易，但更艰巨的任务是安全高效地部署它们，并围绕其建立必要的治理框架。

他表示，这之后必须辅以培训和明确的使用案例，而不是简单地让员工接触人工智能工具并告诉他们去自行尝试。

Souza 说，在微软，即便是最初推广其 Copilot 生产力工具时，也需要通过反复努力来鼓励员工采纳。

他补充说，公司在内部共享有效的提示和范例，采用游戏化元素，并对更频繁使用该技术的团队予以表彰。

Wong 表示，吉宝也同样在努力推动员工改变工作方式。

他表示，其中一种方法是刻意制造资源限制，挑战团队用相同甚至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，吉宝还投资于人工智能培训，并分享使用案例，以便让员工了解如何将该技术应用于各自的职能中。

Aw 表示，更艰巨的任务或许是改变对学习本身的心态。

她表示，组织需要培养一种“时刻学习的心态”，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，人工智能更有可能取代的是单个任务，而非整个工作岗位，他将此与计算器的问世相类比。

他表示，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，也可以用它来提升现有员工的能力范围。

“你可以选择成为一家拥抱它并做得更多的公司，”他说。“而且我认为我们都渴望成为那样的公司。”