{"id":"mb-20261012-094e7f","kind":"deep","title":"单次训练一千亿美元、电力对标核电站：微软苏莱曼揭秘顶级大模型为何变成重工业","summary":"微软AI首席执行官苏莱曼披露，未来超大模型单次训练成本将飙升至千亿美元，并需要吉瓦级电力支持。随着竞赛转向测试时算力和强化学习，算力瓶颈已从算法扩展到芯片、光纤网络和物理电网。全球仅剩五六家巨头具备入场资格，AI竞赛正从代码演进为调动能源与海量资本的重工业对决。","body":"训一个人工智能模型，要花掉一千亿美元？\n有没有搞错？\n一千亿美元是什么概念？\n波音造一架最新的 787 宽体客机，造价大概两三亿美元。\n一千亿美元，够买四百架大型客机了。\n拿这么多钱去跑一段程序，到底是算法疯了，还是算账的人疯了？\n\n说这话的人，可不是什么网上的蹭热度博主。\n他是微软 AI 的首席执行官，也是当年 DeepMind 的联合创始人，穆斯塔法·苏莱曼（Mustafa Suleyman）。\n他在播客节目里算了一笔账：\n接下来的两三年里，跑一次超大模型的训练，成本很可能会冲到几百亿、甚至一千亿美元。\n而且全球能调动这种资源的实验室，只剩下五六家，微软就是其中之一。\n\n很多人听完的第一反应肯定是：至于吗？\n前阵子科技圈不是到处都在传，大模型已经撞墙了吗？\n网上的公开文本差不多被抓空了。\n开源社区也在后面紧咬不放，几千万美元跑出来的模型，日常用起来差距好像也没那么明显。\n花一千亿美元去堆算力，还能堆出什么新花样？\n\n因为这场比赛的打法变了。\n以前大模型比的是预训练。\n把全网的书籍、论文、代码一股脑倒给神经网络，算力砸得越多，模型背下的规律就越多。\n但文本总有用光的时候。\n现在顶级实验室都在把资源砸向另一个方向：测试时算力。\n\n什么是测试时算力？\n以前你问聊天机器人一个问题，它几百毫秒就得把第一个字吐出来。\n这就像让人去考高难度数学竞赛，不给发草稿纸，也不准验算，看完题目必须张嘴报答案。\n答得再快，遇到真复杂的逻辑题也是瞎猜。\n现在的推理模型不一样了。\n你扔给它一个难题，它不急着回答。\n它在后台悄悄生成几千条思考路径，一步一步做推导。\n发现某条路走不通，自己把它推翻，再换个方向重新算。\n模型在后台思考几十秒甚至几分钟，解开博士级理科难题和复杂软件架构的能力，就跟着指数级往上蹿。\n\n思考能力是上去了，代价也跟着爆炸了。\n以前模型训完放到服务器上，用户问一句答一句，算力消耗相对可控。\n现在只要用户提一个复杂需求，模型就在后台疯狂燃烧几分钟的算力。\n几千万人同时用，推理端的服务器瞬间被挤爆。\n而且为了教会模型怎么思考，实验室还得用强化学习让模型自己跟自己博弈、生成天文数字级的推导演算数据。\n预训练的算力还没降下来，后训练和推理的算力又翻了几百倍。\n\n算力翻一千倍，买芯片要多少钱？\n英伟达一套最顶级的服务器机柜，售价就在上百万美元。\n要把几十万张芯片连在一起协同工作，光是高带宽的光纤交换机和网络布线，就是个吃钱的无底洞。\n几百亿美元砸进硬件里，连水花都听不见几个。\n\n但这还不是最卡脖子的瓶颈。\n钱可以找华尔街融，电从哪里来？\n\n苏莱曼在采访里提到了一个词：吉瓦级算力。\n一吉瓦等于一百万千瓦。\n很多朋友对这个单位没什么概念。\n一个标准的中型核电站反应堆，装机容量大概就是一吉瓦。\n一吉瓦的电力，足够供应七十多万户普通家庭一整年的生活用电。\n把几十万张高功耗计算芯片塞进数据中心，再加上庞大的水冷散热系统，整个机房的耗电量已经对标一座中型城市了。\n\n如果你拿着几百亿美元去找电网公司买电，对方多半只能摊手。\n在欧美很多工业区，申请接入一个吉瓦级的用电负荷，排队审批加上电网改造，少说要等五年到七年。\n大模型几个月就迭代一代，谁能等七年？\n\n等不起怎么办？\n科技巨头们只能自己动手去抢能源。\n微软为了给自己的算力中心供电，直接签了二十年的购电协议，出钱重启已经退役五年的宾州三里岛核电站一号反应堆，打包买走它全部 835 兆瓦的清洁电力。\n亚马逊花了六亿五千万美元，把整个数据中心园区直接建在宾州萨斯奎哈纳核电站隔壁，电缆直接连进核电站的变压器。\n谷歌甚至去跟初创公司合作，提前锁定未来小型模块化核反应堆的供电名额。\n\n把这一整条链条连起来看，你就明白苏莱曼为什么说这是断层级的优势了。\n这早就脱离了几个程序员在屏幕前调调参数的代码比赛。\n它变成了一场调动海量电力、工业地产、核反应堆和千亿美元资本的重工业阵地战。\n\n全球能同时掏出千亿美元现金、搞定吉瓦级电网接入、还能把几十万张芯片捏成一个集群的，数来数去也就微软、谷歌、亚马逊、Meta 这些体量的巨头。\n初创公司就算融到了五亿、十亿美元，在这样的体量面前，可能连一个吉瓦级变电站的地基都还没打完。\n\n那开源模型还能靠以前的蒸馏技巧追平吗？\n苏莱曼给出的判断很不乐观。\n当头部实验室靠着几吉瓦的电力和千亿级算力，在深度推理和自我演进上把模型推到新高度时，这种计算规模带来的代差，很难再靠小巧的算法技巧去弥补。\n就像蒸汽机刚出现的时候，工匠再怎么改良手摇织布机，也挡不住大工厂机器轰鸣的降维打击。\n\n大家以前聊人工智能，总觉得那是硅谷车库里的软件神话。\n几个天才坐在电脑前写几千行优雅的代码，就能改变世界。\n现在看到千亿美金和吉瓦级电力的账单才发现：\n当算法需要吞下一座核电站才能继续往前跑的时候，它已经彻底变成了重工业。","topic":"单次训练一千亿美元、电力对标核电站：微软苏莱曼揭秘顶级大模型为何变成重工业","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-10-12 16:13:15","legal_anchor_count":0,"transcript_citation_count":0}