Badania nad fuzją i centra danych AI walczą o te same elektrony
Minister energii Nowej Fundlandii i Labradoru mówi, że drzwi prowincji są "otwarte na biznes" dla centrów danych AI. Oferta pojawiła się w tym samym tygodniu, w którym badacze opublikowali sprzeczne twierdzenia o zapotrzebowaniu na energię po elektryfikacji.

29 września CBC News podało, że do rządu Nowej Fundlandii i Labradoru zgłosiły się firmy chcące budować centra danych AI. Minister energii i kopalń Lloyd Parrott powiedział podczas wrześniowej debaty nad porozumieniem Churchill Falls, że "nasze drzwi są otwarte na biznes". Prowincja nie podała nazw firm, powołując się na poufność rozmów handlowych.
Timing ma znaczenie dla każdego, kto śledzi pieniądze na badania nad fuzją. Dwie prace badawcze opublikowane 29 września ciągną w przeciwne strony, jeśli chodzi o to, ile prądu naprawdę potrzebuje zdekarbonizowany świat.
Hannah Ritchie w swoim wpisie na Substacku z 29 września przechodzi przez liczby przypisywane profesorowi oksfordzkiemu Nickowi Eyrowi. W tym modelu globalne końcowe zapotrzebowanie na energię spada z 416 eksadżuli obecnie do 247 EJ w systemie po transformacji. Zapotrzebowanie na energię elektryczną rośnie ze 110 EJ do 189 EJ. Różnicę wyjaśnia sprawność konwersji w miejscu zużycia. Samochód benzynowy zamienia w ruch mniej więcej 20% swojej energii. Samochód elektryczny osiąga około 80%. Ritchie jasno mówi o ograniczeniach. Model zakłada brak zysków sprawności poza elektryfikacją i przejściem na wodór. Zakłada, że wszystkie sektory niezlektryfikowane działają na wodorze, i nie uwzględnia wzrostu zużycia energii wraz z rozwojem krajów. Nazywa go "dość prostym modelem" i mówi, że prawdopodobnie zaniża redukcję zapotrzebowania.
Przeciwwagą jest dokument roboczy NBER z września 2026 roku autorstwa Matthew Schwartza, Isaiaha Andrewsa i Jesse'ego M. Shapiro. Autorzy przepuścili otwarty przepływ pracy oparty na LLM przez 4 452 opublikowane pakiety replikacyjne z pięciu czasopism ekonomicznych. Wskazał rozbieżności w 3 460 artykułach lub ich załącznikach. W 496 artykułach skrócił czas obliczeń ponad dziesięciokrotnie. W 923 przypadkach dał rozszerzenie, którego nie było w oryginalnej pracy.
To wynik dotyczący automatyzacji badań, nie energii. Ale trafia w ten sam tydzień co ogłoszenie finansowania zbudowane w całości na założeniu, że wąskim gardłem jest wydajność obliczeń. Efficient Computer podało 29 września, że pozyskało 97 mln dolarów w rundzie Series B prowadzonej przez TQ Ventures. Łącznie firma zebrała 173 mln dolarów przy wycenie 650 mln dolarów. Prezes Brandon Lucia pisze, że chip Electron E1, który właśnie wchodzi do masowej produkcji, ma dawać 10-100 razy lepszą efektywność energetyczną niż tradycyjne architektury CPU.
Argument Lucii opiera się na prawie Amdahla. Jeśli tylko 90% obliczeń pasuje do wyspecjalizowanego akceleratora, maksymalny możliwy zysk to 10 razy. Pozostałe 10% zostaje nieefektywne. Każdy, kto przez ostatnie trzy lata obserwował startupy sprzętu AI, słyszał już tę prezentację. Wycena to twierdzenie samej firmy, nie liczba po audycie.
Oracle tego samego dnia ogłosił Oracle Fusion Claw, nadzorowane środowisko wykonawcze dla agentów, wraz z 25 nowymi aplikacjami opartymi na Claw. W komunikacie prasowym prezes Mike Sicilia mówi, że produkt przenosi klientów "od asysty AI do wykonania". Oracle podaje, że środowisko działa na Oracle Cloud Infrastructure i korzysta z modeli frontier, w tym Gemini i OpenAI.
Nic z tego nie jest fuzją. Właśnie o to chodzi. Materiał związany z fuzją to zestaw ostatnich nagłówków, nie pełne teksty. Opisane źródła dotyczą strony popytowej równania energetycznego, a nie nowego wyniku z reaktora. Uczciwy odczyt jest taki, że najlepiej udokumentowane nowe wydarzenia z 29 września dotyczyły tego, kto dostanie elektrony i jak efektywnie je wykorzysta. Nie dotyczyły przełomu w utrzymaniu plazmy.
Esej Stephena Wolframa z 28 września stawia pokrewny argument o AI i dziedzinach badawczych w ogóle. Pisze, że współczesna AI jest "przede wszystkim sposobem wykorzystania istniejącego zasobu wiedzy ludzkiej". Obliczenia są według niego "otwartym sposobem generowania rzeczy fundamentalnie i nieredukowalnie nowych". Matematyk Dan Romik w wpisie z 29 września ujmuje to ostrzej. Modele AI generują twierdzenia "o odległości jeden" od swojego korpusu treningowego, pisze. Nie potrafią jednak refleksji nad tym wynikiem, jego uproszczenia ani uogólnienia. Dlatego autonomiczna pętla "zatrzyma się wkrótce po skończeniu twierdzeń o odległości jeden".
Relacja CBC odnotowuje to samo napięcie na miejscu w Nowej Fundlandii i Labradorze. Prezes TechNL Andrea King powiedziała CBC, że Labrador spełnia kryteria, których chcą zwolennicy centrów danych: niskoemisyjna energia wodna, zimna pogoda i ziemia. To jednak nie rozstrzyga sprawy. "Trzeba patrzeć na koszty ekonomiczne i koszty alternatywne tego, co jeszcze można zrobić z tą energią" powiedziała. Dziennikarz technologiczny Paris Marx, autor Hyperscale, powiedział CBC coś podobnego. Pytał, czy oddawanie tej energii centrom danych ma sens, skoro mogą istnieć lepsze zastosowania. Prowincja nie podała nazwy żadnego inwestora ani projektu.
Źródła
7- 01AI data centres in N.L.? The door is 'open for business,' says energy ministerEN
- 02Electrification efficiency: The world will need less energy after the transitionEN
- 03An LLM Workflow That Reproduces, Improves, and Extends Published Economics ResearchEN
- 04Solving computing's energy problem with Efficient Computer's $97M Series BEN
- 05Oracle Extends Fusion Agentic Applications with Introduction of Fusion ClawEN
- 06What's the Future for Pure Math Research in the Age of AI?EN
- 07The feedback loop of mathematics researchEN
Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.
Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.
Komentarze
0- Brak komentarzy — bądź pierwszy.