Twój mózg działa na 20 watów. AI potrzebuje elektrowni

Ludzki mózg działa na około 20 watów. Najszybszy superkomputer na świecie, LineShine w Shenzhen, pobiera 42,2 miliona watów. Ta różnica stała się ulubionym argumentem internetu na temat zużycia energii przez AI, a większość z tego jest błędna.

Sama porównanie jest zasadne. Jednak liczby krążące w mediach społecznościowych pochodzą z jednego artykułu. Najbardziej uderzająca z nich była błędnie przypisywana przez trzy lata.

Zużycie energii przez AI: Co właściwie kupuje 20 watów

Liczba 20 watów opiera się na dziesięcioleciach pomiarów metabolicznych. Mózg stanowi około 2% masy ciała i około 20% spoczynkowego zużycia tlenu.

Liczby neuronów są mniej pewne, niż się wydaje. Powszechnie cytowane 86 miliardów opiera się na czterech męskich mózgach i jest obecnie kwestionowane w czasopiśmie Brain.

Wiralne posty często używają 12 watów zamiast 20. Ta liczba pojawia się w artykule z 2023 roku w Frontiers in Artificial Intelligence, podana bez jakiejkolwiek cytacji.

Ten sam artykuł wyprodukował liczbę, którą wszyscy dzielą. Jego autorzy oszacowali, że cyfrowe odtworzenie ludzkiego mózgu wymagałoby 2,7 miliarda watów.

To oszacowanie pochodzi z ekstrapolacji symulacji 10 milionów neuronów do skali myszy, a następnie pomnożenia przez tysiąc.

Artykuł stwierdza również, że symulacja działała około 30 000 razy wolniej niż biologia. Posty w mediach społecznościowych pomijają ten szczegół. Źródła wtórne przypisują tę liczbę Projektowi Blue Brain, który nigdy jej nie opublikował.

Wiarygodne liczby istnieją gdzie indziej. Epoch AI oszacował typowe zapytanie ChatGPT na 0,3 watogodziny na początku 2025 roku. Badanie recenzowane w Joule później ustaliło wartość na 0,31.

Dwie niezależne metody, które tak blisko się zgadzają, są niezwykłe. Jednak ta wartość zmienia się gwałtownie w zależności od obciążenia, a modele rozumowania, które produkują dłuższe odpowiedzi, mogą kosztować kilka razy więcej.

Co biologia robi inaczej i co skopiował krzem

Aktywność kory mózgowej jest rzadka. Średnie częstotliwości wystrzałów są poniżej 1 Hz, a energia podąża za zmianą, a nie cyklami zegara.

Nowoczesna AI doszła do tego samego wniosku niezależnie. Kimi K2 aktywuje 32,6 miliarda ze swoich 1,04 biliona parametrów na token, blisko 3,1%.

Ten wskaźnik szybko spada. Mixtral użył około 28% swoich parametrów w 2023 roku, podczas gdy DeepSeek-V3 obecnie używa 5,5%.

Biologia również oblicza przy niskiej precyzji. Nic wewnątrz neuronu nie rozwiązuje się do 32 bitów.

Producenci chipów podążali tą samą drogą. DeepSeek wytrenował model z 671 miliardami parametrów w ośmiobitowej precyzji. NVIDIA od tego czasu wstępnie wytrenowała model z 12 miliardami parametrów w czterobitowej.

Trzecia różnica jest największa i najmniej skopiowana. Mózgi przechowują pamięć i obliczenia w tym samym fizycznym miejscu.

Maszyny cyfrowe oddzielają je. Mark Horowitz ze Stanfordu pokazał koszt tego podziału. Pobranie operandu z pamięci może zużywać setki razy więcej energii niż samo działanie arytmetyczne.

Czipy w kształcie mózgu, które nigdy nie dotarły

Sprzęt stworzony specjalnie w celu naśladowania neuronów miał trudności. Żaden system neuromorficzny ani analogowy nie wytrenował ani nie uruchomił modelu granicznego w produkcji.

Hala Point firmy Intel zawiera 1,15 miliarda sztucznych neuronów rozłożonych na 1 152 chipach. Pozostaje prototypem badawczym zainstalowanym w Laboratoriach Narodowych Sandia. Mike Davies, dyrektor Laboratorium Obliczeń Neuromorficznych Intela, mówiąc do The Register w 2024 roku, powiedział:

„Nie mapujemy żadnego LLM na Hala Point w tym czasie. Nie wiemy, jak to zrobić.”

Obraz komercyjny jest jeszcze uboższy. BrainChip jest flagową spółką notowaną w tym sektorze. Zgłosiła 700 000 dolarów przychodów od klientów w porównaniu do 5,3 miliona dolarów odpływu operacyjnego w ostatnim kwartale marca.

Inni całkowicie utknęli. Rain AI, która starała się o 150 milionów dolarów i nie udało jej się ich zdobyć, rozważała sprzedaż w 2025 roku.

Badacze w tej dziedzinie opisują problem okrężny. Catherine Schuman, adiunkt inżynierii elektrycznej i informatyki na Uniwersytecie Tennessee w Knoxville, stwierdziła:

„Firmy sprzętowe czekają na zabójczą aplikację, ale naprawdę trudno jest zrozumieć, jak zbudować te aplikacje bez posiadania sprzętu do prototypowania.”

Ponad 20 badaczy podpisało konsensusowy artykuł w 2025 roku w Nature. Twierdził, że dziedzina wciąż brakuje ekosystemu, którego potrzebuje.

Zasady biologii zwyciężyły. Sprzęt zbudowany, aby je ucieleśnić, nie zdołał.

Wszyscy licytują o te same elektrony

Efektywność ma teraz znaczenie, ponieważ energia elektryczna stała się ograniczeniem. Międzynarodowa Agencja Energetyczna oszacowała globalne zużycie centrów danych na 485 terawatogodzin w 2025 roku.

Obiekty skoncentrowane na AI wzrosły o 50% tylko w tym roku. Agencja przewiduje, że potroją się do 2030 roku.

Dostęp do sieci, a nie podaż chipów, teraz decyduje o budowie. Średni czas od wniosku o połączenie do uruchomienia komercyjnego przekracza pięć lat, według Lawrence Berkeley National Laboratory.

Dyrektor generalny Microsoftu, Satya Nadella, powiedział w listopadzie, że jego firma posiada procesory, których nie może podłączyć. Niedobór dotyczy budynków zasilanych, a nie krzemu. Inwestorzy instytucjonalni zadali podobne pytania dotyczące gotowości sieci.

Górnicy Bitcoin spędzili dekadę, rozwiązując dokładnie ten problem. Posiadają zasilane lokalizacje, podpisane umowy na dostawę energii i prawa do połączenia, na które nowi gracze czekają latami.

Wynik przekształcił wydobycie w biznes energetyczny i infrastrukturalny. Przebudowa działającego obiektu kosztuje około 3 milionów do 4 milionów dolarów za megawat. Budowa od podstaw kosztuje od 10 milionów do 12 milionów, szacuje VanEck.

Ogłoszone wartości umów są ogromne. Publiczni górnicy podpisali umowy AI o łącznej wartości przekraczającej 70 miliardów dolarów.

Dostarczona moc opowiada cichszą historię. Zgłoszenia z drugiego kwartału 2026 roku pokazują, że około 750 megawatów zostało faktycznie zasilonych w całym sektorze.

Core Scientific odpowiada za około 437 z tych megawatów. Kampus Helios Galaxy dostarczył 133; TeraWulf 102; IREN 50; a Riot 25. Hut 8 podpisał umowy na 949 megawatów i nie uruchomił żadnego.

Zmiana ta była kosztowna. Łączne kwartalne straty górników MARA i CleanSpark osiągnęły 851 milionów dolarów w sierpniu.

Większość mocy wydobywczej nigdy nie zostanie przekształcona. Wstępne dane z badania Cambridge przedstawione w lipcu pokazały, że około 10% górników przydzieliło moc do AI.

Przeszkody są fizyczne. Wydobycie toleruje przerwy, podczas gdy najemcy AI wymagają stałej mocy, gęstego chłodzenia i światłowodu, którego zdalne lokalizacje rzadko mają.

Mimo to kierunek zmian jest jasny. Core Scientific teraz zarabia 83% swoich przychodów z kolokacji, a tylko 13% z samego wydobycia.

Inwestorzy uwzględnili tę zmianę w wycenach. Górnicy posiadający podpisane umowy handlowe handlują po znacznie wyższych mnożnikach swojej uruchomionej mocy. Tymczasem kolejna inwestycja w AI coraz bardziej wygląda na energię elektryczną, a nie chipy.

Dlaczego efektywność nie naprawi zużycia energii przez AI

Zyski z efektywności pochłonęły wzrost popytu w przeszłości. Globalne obliczenia w centrach danych wzrosły o 550% między 2010 a 2018 rokiem, podczas gdy zużycie energii wzrosło o około 6%.

Potem wzór się załamał. Zużycie energii w centrach danych w Stanach Zjednoczonych wzrosło z 58 terawatogodzin w 2014 roku do 176 w 2023 roku.

Ewolucja optymalizowała się pod twardym sufitem. Czaszka pobierająca 200 watów zabiłaby swojego właściciela, więc efektywność stała się jedyną dostępną odpowiedzią.

AI nigdy nie napotkało tego sufitu. Zamiast tego napotkało sufit kapitałowy, a kapitał rozciąga się znacznie łatwiej niż elektryczność.

To się teraz zmienia. Otwarte pytanie nie brzmi już, czy biologia jest bardziej efektywna. Brzmi, czym stanie się AI, gdy to moc, a nie pieniądze, decydują o tym, co zostanie zbudowane.

Źródło: BeInCrypto