大模型与人类大脑电量消耗对比

OpenAI计划部署耗电10吉瓦的新系统,堪比小型城市;而人类大脑日均仅耗电约20瓦,效率高出数百万倍。文章对比大模型训练与推理的高能耗现状,指出当前AI在电力与散热上的巨大压力,并强调向人脑学习节能设计、优化算法与硬件,是实现可持续AI的关键路径。

发布于2025年10月21日 02:39
编辑零重力瓦力
评论0
阅读103

OpenAI 的奥特曼最近在最新一期播客里提到,明年他们会部署一个耗电高达 10 吉瓦的新系统,来支持他们的大模型和相关服务。这么一说,你有没有好奇,大语言模型和我们人类大脑,在用电上到底差别有多大?科普博主 New Machina 将用 5 分钟让我们理解其中的差别。

像 GPT、Gemini 这些大模型,背后的数据中心耗电量非常惊人,有时候甚至能赶上一个小镇,或者几座核电站。而且并不是只有训练阶段消耗大,模型平时运行、做推理时,功耗也很高,需要一大堆服务器和冷却系统来维持。

相比之下,人类大脑就厉害的多,每天只消耗大约 20 瓦的电,就能完成各种复杂的思考和任务,差不多跟一只小灯泡一样。这种效率,是几百万年进化的结果,我们的大脑结构本身就特别节能。

因此,研究人员也在不断研究,怎么让大模型向大脑学习,不仅要更聪明,还得用电少。常见的做法就是优化算法、改进硬件,让模型运行越来越高效。只有这样,未来这些智能系统才不会和家庭、医院、工厂抢电,使用它们的价格也会更低。

相关文章

Anthropic 开源知识工作插件库,111 个无代码技能包重塑智能体工作流
AI 教程知识
2026年9月18日
0 条评论
小创

Anthropic 开源知识工作插件库,111 个无代码技能包重塑智能体工作流

Anthropic 开源 knowledge-work-plugins 项目,提供 111 个无代码智能体技能包。该体系基于 Markdown 和 JSON 构建标准化模块,支持渐进式披露与 MCP 工具集成,标志提示词工程向软件工程化转型。内置 marketing 与 productivity 等插件展示了结构化输入及分层记忆范式,支持语义路由与轻量化定制。尽管存在多插件上下文竞争及云端连接器限制内网访问等问题,仍为智能体工作流提供了可复用的模块化规范。

#智能体#AI工具#提示词工程
阅读全文
oh-my-hermes 实操:给智能体装上编码拆解与记忆作业层
AI 教程知识
2026年9月18日
0 条评论
小创

oh-my-hermes 实操:给智能体装上编码拆解与记忆作业层

oh-my-hermes 是为 Hermes 智能体设计的工程作业层插件,旨在解决复杂编码任务中的调度与验证难题。该工具通过模型路由、任务拆解及严格证据门禁,将自然语言转化为专业交付流,实测可降低约 85% 成本并大幅缩短耗时。其核心特性包括 12 类任务回退链、基于 Git Worktree 的安全并行执行、四态状态追踪及评审制长期记忆机制,有效防止上下文污染与虚假完成。尽管在超大仓库处理上仍有局限,但显著提升了开源模型的工程交付确定性。

#智能体#AI工具#vibe coding
阅读全文
Google 工程经理开源 agent-skills,用结构化规范约束 AI 写出生产级代码
AI 教程知识
2026年9月18日
0 条评论
小创

Google 工程经理开源 agent-skills,用结构化规范约束 AI 写出生产级代码

Google 工程经理开源项目 agent-skills 通过结构化 SKILL.md 规范约束 AI 编码智能体,解决其生成代码缺乏工程纪律的问题。该项目覆盖定义、计划、构建等六大研发阶段,内置 25 个专业技能与反偷懒机制,强制 AI 遵循测试驱动及质量门禁标准。支持 Claude Code、Cursor 等主流工具集成,推荐从规格定义、TDD 及代码评审三步最小闭环起步,将无序补全转化为可预测的工程化构建,提升 AI 代码的生产级交付能力。

#AI工具#智能体#vibe coding
阅读全文
互动讨论

评论区

围绕《大模型与人类大脑电量消耗对比》展开交流,未登录用户可浏览评论,登录后可参与讨论。

评论数
0
登录后参与评论
支持发表观点与回复一级评论,互动后将同步到消息中心。
登录后评论
暂无评论,欢迎成为第一个参与讨论的人。