关于中国发展新的大语模型（LLM）的报道使美国技术部门震惊了，对美国如何避免在人工智能（AI）关键领域避免将基础归结为战略竞争对手的问题。尽管对DeepSeek和其他AI公司有多少类型的半导体有很多关注，但对AI供应链中其他因素为中国提供优势比美国AI公司中的其他要素的关注较少。一个主要优势是中国的低电价。在美国，较高的AI能源强度和整体能源成本缩小了美国比中国的优势，这具有较低的电力成本和较低的能源密集型人工智能部门。
在AI繁荣时，电力要求预计会激增。根据 国际能源局（IEA），全球数据中心在2022年使用了16.5亿千兆的电力，到2026年，这将从35％增加到128％。训练大型语言模型使用 能量等效 为美国130套住房供电一年。训练LLM后，消费者使用该模型来创建推断，从而使用更多的能量。虽然创建书面样本不需要大量的能量，但生成一个AI图像几乎使用了 活力 作为充电智能手机。
相比之下，中国的DeepSeek证明，它可以使用远低于全球平均水平的计算能力。它的LLM使用10到40次 减少能量 比我们的AI技术，该技术表现出明显更高的效率。分析师已经指出，如果DeepSeek的主张是正确的，那么某些AI查询可能根本不需要数据中心，甚至可以是 推出 到电话。
它并没有结束。这也将对数据中心冷却要求产生连锁反应。数据中心需要大量的额外能量来冷却硬件，否则这些硬件在大型计算任务下可能会过热。在中国，使用较低的计算能力，意味着冷却要求将下降。
在美国，为中国提供更大的优势的事实是，美国的电力成本超过 两倍 在中国。 2024年3月，美国的家用电价为每千瓦时0.18美元，而中国的家庭电价为同一个月的每千瓦时0.08美元。这样做的原因之一是，中国电价受到监管以维持负担能力，化石燃料和可再生能源供应商都接受了政府 补贴。美国为化石燃料供应商提供了补贴 不到三分之一 中国的水平。
中国在电网开发方面也有优势。尽管两国都在努力实施智能电网，其中包括传感器和存储以优化能源利用，但中国在安装智能电表方面，都在 90％的渗透 与 72％ 在美国。美国基础设施正在老化，而中国拥有高级传输网络。
但是，在美国，AI用电和传播中有明亮的斑点，这将提高美国能源竞争力。首先，拜登政府的基础设施投资和2021年的就业法包括 电网弹性和创新合作伙伴关系（GRIP）计划 增加电网的公共和私人能量。传输项目已经在进行中。
其次，美国可以从模仿中国更节能的AI模型的各个方面获利。美国AI公司已经在研究DeepSeek减少能源消耗需求的方法。
第三，美国公司可以使用更多的资金，并正在投资替代能源，以减轻现有电力资源的压力。例如，亚马逊和Google之前既有 宣布 他们正在投资小型核反应堆以增加电源。
最重要的是，美国和中国的AI能源环境之间的鸿沟可能比所想象的要深得多，但是由于美国AI模型的效率提高以及美国对能源资源和基础设施的持续投资，它可能会大大缩小它的范围。尽管中国在AI的能源效率和成本方面具有领先地位，但美国拥有更大的资金和更高水平的技术创新，这将使AI公司轻松达到中国达到的能源效率水平。只要美国政策制定者和领先的科技公司共同努力提高AI效率，美国就可以成为AI领导者，而无需面临重大的能源限制。
