AI的尽头是能源，这也是这一轮生成式AI引领的科技革命背后的隐忧 当下，人工智能（AI）的发展如火如荼，各种创新技术和应用层出不穷。然而，在这场看似无限可能的科技革命背后，有一个不可忽视的问题正悄然逼近：能源危机。AI的尽头，是能源。这个振聋发聩的主题，警示我们在享受AI带来的便捷与高效的同时，必须严肃思考其能源消耗问题及其对全球环境的深远影响。 AI的能源黑洞 从2023年的ChatGPT横空出世，到2024年Sora和Suno AI的惊艳亮相，AI技术的进步几乎每天都在刷新我们的认知。然而，这些看似智能无比的技术背后，却隐藏着惊人的能源消耗。OpenAI的ChatGPT在训练GPT-3模型时，消耗了1287 MWh的电能，相当于1000个普通中国家庭一年的耗电量。 训练AI模型只是能源消耗的开始，更大的挑战在于其日常运行。每一次AI搜索、每一个AI绘图背后，都是服务器在进行复杂的计算，而这些计算需要消耗大量电力。德弗里斯在《焦耳》杂志上发表的文章中提到，谷歌如果全面转向AI搜索，每天的能耗将达到27 GWh，相当于2700万度电。更惊人的是，这只是一个公司在日常运营中的能源需求。 全球能源版图的重塑 根据国际能源署（IEA）的数据，2022年全球数据中心、AI和加密货币的总耗电量达460 TWh，占全球总用电量的2%。到2026年，这一数字预计将翻倍，达到1000 TWh，几乎相当于增加了一个瑞典或德国的总用电量。 在这种趋势下，全球的能源版图将被彻底重塑。我们不仅需要更多的电力，还需要寻找更高效、更环保的发电方式。然而，目前的现实是，全球大部分地区的可再生能源依然紧缺，化石能源仍占据主导地位。如何在不断增长的AI能源需求和环境保护之间找到平衡，成为摆在我们面前的一道难题。 高科技公司的能源博弈 面对如此巨大的能源需求，高科技公司并未停下脚步，反而在加速前进。OpenA

​关于AI的炒作已经衍生到更多的环节。 AI（人工智能）技术的发展和应用已经迅速扩散到包括数据中心（IDC）建设在内的多个行业，而数据中心作为支持AI技术发展的关键基础设施之一，其建设和运营对能源供应的需求日益增长。特别是，备用发电设备作为确保数据中心连续运行的重要组成部分，随着数据中心投资的增加而受到越来越多的关注。 高盛（Goldman Sachs）的报告指出，目前美国数据中心（IDC）的投资仅占美国私人非住宅建筑投资的3%，预计到2030年，这一比例将增加到5-10%。同时，数据中心投资占美国办公室建筑投资的比例也从2012年的3%上升到2022年的24%。根据高盛科技团队对下游需求的预测，预计2024年数据中心投资将达到250亿美元，占办公室总投资的36%。这一增长趋势推动了备用发电机的需求。 对于大型备用发电机制造商而言，数据中心的需求已占其销售额的30%以上。公司如康明斯（Cummins, CMI）、卡特彼勒（Caterpillar, CAT）和Vulcan Materials（VMC）在其发电/电力业务部门对数据中心有最大的业务敞口。数据中心通常需要2至4天的备用电力，而在美国，数据中心平均配备了20台备用发电机组，这对备用发电设备制造商来说是一个巨大的市场机遇。 从长远来看，随着AI技术的发展和对数据处理能力需求的不断增长，数据中心的建设和扩展将持续推动相关行业的增长，包括备用发电机制造业。这不仅对相关制造商来说是重要的增长机遇，也对投资者提供了一个观察和投资的新视角，尤其是那些专注于IDC建设和运营支持领域的公司。随着数据中心对能效和连续运营能力的要求越来越高，那些能提供高效、可靠解决方案的公司将能在这一领域脱颖而出。 随着数据中心对电力需求的增加，由大规模电气化和安全电力设备驱动的增长趋势变得尤为重要。这一趋势不仅由数据中心本身的扩展推动，也受到了物联网

只分析不推荐系列，社长还是长期价值为主。 未来，谁又将成为下一个被点燃的传奇？盲猜在AI领域 选取炒作标的的标准 市值较小：市值较小的公司容易受到市场情绪和资金流动的影响，股价波动较大。 业绩差：财务状况不佳，盈利能力不足，通常表现为营收增长缓慢或持续亏损。 做空比率高：高做空比率表明市场上有大量投资者押注该股票下跌，一旦股价上涨，空头被迫平仓，可能引发轧空行情。 市场关注度高：在社交媒体和投资者社区中具有一定讨论热度，容易成为炒作对象。 随着科技的不断进步和AI技术的广泛应用，人工智能领域正在成为投资者的热土。未来的传奇，极有可能在这个领域诞生。那么，哪些AI领域的公司可能成为散户和市场炒作的下一个目标呢？以下是一些有潜力成为狙击对象的AI公司和相关企业。 市值小、业绩差、做空比率高的AI标准股通常具有以下特征：公司规模较小，营收和利润表现不佳，并且市场上对其未来发展的预期较为悲观，导致其成为做空的热门对象。这些公司通常会有较高的做空比率，意味着许多投资者押注其股价将会下跌。以下是一些符合这些标准的AI公司： 1. C3.ai (AI) 市值：相对较小。 业绩：财务表现一般，尽管在AI领域有一定影响力，但仍处于亏损状态。 做空比率：高。由于业绩未能达到市场预期，C3.ai成为做空的热门对象。 简介：C3.ai提供企业AI解决方案，其平台帮助企业在多个行业实现AI驱动的数字化转型。尽管市场前景广阔，但目前的财务表现未能完全体现这一潜力。 2. BigBear.ai (BBAI) 市值：较小。 业绩：财务状况不佳，盈利能力较弱。 做空比率：高。市场对其盈利前景表示怀疑，做空者较多。 简介：BigBear.ai专注于提供数据分析和AI解决方案，其服务涵盖国防、制造、金融等多个行业。尽管技术上有一定积累，但盈利能力和市场接受度存在不确定性。 3. Veritone

除了英伟达的AI芯片，电力瓶颈正在成为制约AI发展的重要因素。 从市场表现上来看，AI能源的表现甚至超过了以英伟达为首的AI芯片产业链，以CEG/VST/MOD为代表的数据中心发电或者散热股票都走出了波澜壮阔的行情。 由于人工智能（AI）技术的发展，美国数据中心在电力需求上的急剧增长： 1. 数据中心的电力消耗增长 电力消耗预测：从2023年的95 TWh增加到2030年的372 TWh，年复合增长率（CAGR）为22%。这一显著增长主要由AI数据中心推动，因为AI数据中心机架的电力需求是传统数据中心的约7倍。 资本支出激增：例如，Microsoft和Google的季度资本支出分别增长了79%和90%，预计将进一步增加。这表明技术巨头正在大量投资于AI基础设施，从而推动了对高效电力管理解决方案的需求。 2. 对公用事业的影响 电力需求预测修正：Georgia Power和Dominion Energy等能源公司调整了对未来电力需求的预测，Georgia Power的负载增长预测比之前预测的高出约17倍，Dominion Energy预计数据中心将在未来十年内显著推动电力需求增长。 北美电力可靠性组织（NERC）的报告：预测未来9年新电力需求增长翻倍，这是过去十年未见的增长水平。 大规模部署高性能计算资源时可能遇到的能源管理挑战。部署超过100,000个H100 GPU在同一个州，电网负荷问题凸显了几个关键点： 能源需求巨大：H100 GPU是NVIDIA推出的高性能计算卡，旨在用于深度学习、机器学习和高性能计算任务。单个H100 GPU的能源需求就相当高，超过100,000个这样的GPU集中在一个地方运行，对电力供应的需求将是巨大的。 电网压力：大规模的GPU集群运行不仅需要稳定的电力供应，还可能需要额外的冷却设施来维持设备的运行温度。这些都会对当地的电网造成额

挖掘细分领域的龙头是本社的宗旨，本篇将介绍一个充分受益于AI的细分行业。 在人工智能的浪潮中，Confluent以其前沿的数据流平台赢得了市场的瞩目。随着生成式人工智能（GenAI）技术的兴起，数据的实时流动性和处理能力已成为创新的核心。Confluent不仅以Apache Kafka为基础，建立了一个强大的数据流生态，而且通过其在Apache Flink上的最新进展，进一步巩固了其在AI时代的领导地位。 数据流与AI：一场革命的前奏 在GenAI时代，实时数据的重要性无法被高估。AI模型，特别是生成式模型，对数据的新鲜度和质量有极高的要求，以确保输出的准确性和相关性。Confluent的数据流平台提供了一种无缝的方式，使企业能够从各种源实时捕获、处理并分析数据，这对于训练和优化AI模型至关重要。 Confluent的创新之举：简化AI集成 最近，Confluent发布了AI Model Inference功能，这是其在Apache Flink®平台上的一项重要创新。此功能允许企业直接在数据流处理中使用SQL语句调用AI模型，如OpenAI、Amazon SageMaker、GCP Vertex和Microsoft Azure。这种集成简化了以往复杂的AI应用开发流程，使开发人员可以更加专注于模型的创新和优化，而不是数据处理的繁琐任务。 Confluent的独特优势：端到端解决方案 Confluent不仅提供了与AI无缝集成的能力，而且通过Confluent Platform for Apache Flink®, 为混合云和本地环境中的数据流处理提供支持。这意味着无论企业的数据驻留在何处，Confluent都能提供支持，保障数据处理的连续性和安全性。此外，其新推出的Freight集群响应了市场对成本效益更高的大数据处理需求，尤其是在日志和遥测数据等高吞吐量场景中。 面向未来