“下班回家像开盲盒”：都市独居青年，收留陌生人住宿

大模型训练能耗惊到我了，大模算算这笔电费账我平时挺注意家里电费的型训，夏天开空调都小心翼翼，练消量算力生怕电表转太快。耗海耗问结果前两天看到一个数据，题成直接愣住：训练一次GPT-3这么大的为新XV免费版下载官方91模型，耗的课题电量够一个普通美国家庭用上十多年。不是大模比喻，是型训实打实的千瓦时换算。这事儿越想越有意思，练消量算力咱们的耗海耗问聊天机器人、AI画图工具，题成背后到底在烧多少电？为新我掏手机算了半天，越算越觉得这问题比想象中严重。课题一次训练，大模等于上千户人家一年的电先说一个老型号，OpenAI的GPT-3，1750亿参数，2020年训练的那版。公开论文里写得很清楚，训练过程消耗了大约1287兆瓦时的电。这是5G影视5G天天爽个什么概念？1兆瓦时等于1000度电。1287兆瓦时就是128.7万度电。如果按一个普通家庭年均用电约1万度来算，那就是128个家庭一整年的用电量。而且这还只是训练本身，没算上研发阶段的反复实验、调试，那些额外消耗的电量可能是训练的好几倍。当时不少人觉得这个数字夸张，但后来训练更大模型的公司越来越多了。Google的PaLM（5400亿参数）训练耗电大约3.4吉瓦时，也就是3400兆瓦时，是GPT-3的三倍。Meta的OPT-175B算是比较节制的，也要433兆瓦时。我做了个表，方便咱们直观感受：模型参数量训练耗电（兆瓦时）大约相当于普通家庭年用电量GPT-31750亿1287128户Gopher2800亿1066106户OPT-175B1750亿43343户PaLM5400亿3400340户注意，这些只是公开披露的，很多最新的大模型训练耗时更长、GPU上万块，具体耗电可能还得翻几倍。有研究机构估算，把 伸到 免费看训练一个前沿大模型，电费成本可能高达几百万美元。你说夸张不夸张？到底是谁在吃电？GPU是电老虎这些电主要耗在哪了？我一开始以为是服务器CPU，其实主要大头是图形处理器，就是GPU。训练大模型需要做海量矩阵运算，普通人用来打游戏的显卡一颗就能吃300瓦电，数据中心里那些专业GPU更是夸张。比如NVIDIA的A100，单卡功耗400瓦，H100更厉害，直接飙到700瓦。训练大模型时，通常要几千上万张这样的卡同时跑，而且一跑就是几个星期几个月。你算算：假设5000张H100一起训练，每张700瓦，光GPU本身总功耗就是3.5兆瓦，相当于每小时烧掉3500度电。这还不算CPU、内存、榴莲app官网下载地址安卓版存储以及网络设备的消耗。再加上散热系统，为了让这些电老虎凉快下来，空调和液冷系统又要吃掉大概相当于总功耗三分之一的电。所以整个数据中心的总电费，通常远高于GPU标称功耗。我去查了一下，有篇斯坦福的报告提到，训练一个万亿级参数的大模型，可能需要数千兆瓦时电力。这数字已经接近一座小型水电站一天的发电量了。更扎心的是：推理阶段比训练还耗电很多人以为模型训练完就省电了，其实恰恰相反。训练是一次性的，但模型上线后每天要服务成千上万亿次请求，每次生成回答都需要计算，这部分叫做推理。之前有论文分析过，像GPT-3这种模型，每回答一个几百字的回答，平均要消耗大约1.3瓦时的糖沁vlog在线免费高清下载电。听着不多？但架不住人多啊。假设一天有1000万用户使用，每人给模型提10个问题，那就是1亿次推理，单日推理耗电就是130兆瓦时，一年多就是4.7万兆瓦时。这比训练阶段消耗快多了。所以现在很多AI公司急的不是训练能耗，而是推理爆发。你每次让AI帮你写邮件、做翻译、画图，背后都在消耗实实在在的电。有数据显示，2023年全球数据中心用电量约占全球总用电量的2%～3%，而AI推理正在让这个比例加速膨胀。为什么能耗这么高？数学算不过来你可能想问，为什么AI计算这么吃电？难道不能优化一下算法吗？其实原理不复杂。深度学习训练的本质，是通过海量样本反复调整模型参数，让预测结果越来越准。这个过程涉及大量的矩阵乘法和浮点运算。比如训练一个千亿参数模型，参数彼此之间要产生交互，运算次数轻松达到亿亿亿级别。这些运算每一秒钟要重复无数次，每一个浮点运算都消耗能量，积少成多就很吓人。更关键的是，现在的硬件效率存在物理极限。尽管GPU越来越强，算力也在提升，但电光火石之间，运算单元的开关过程总会发热。根据热力学第二定律，信息处理不可能做到零能耗。有理论物理学家估算过，每比特信息操作的最低能耗大约是2.85乘以10的负21次方焦耳。我们现在搞大模型，离这个极限还差上十亿倍，所以省电空间是有的，但需要从芯片架构、算法设计乃至材料层面去突破。大家已经开始各种省电思路了除了抱怨，芯片公司和算法团队其实都在动脑筋。1. 液冷代替风冷 传统数据中心用风扇吹，效率低还占空间。现在很多AI数据中心开始用液冷，直接让冷却液流过芯片附近的管道。液体的导热能力比空气强几十倍，能把PUE（电能使用效率）从1.5压到1.1以下。PUE越接近1，说明所有电都给了计算设备，没有浪费在散热上。2. 混合精度和稀疏化 训练时把数据用16位甚至8位浮点数表示，虽然丢失一点精度，但计算速度更快、更省电。还有稀疏化技术，就是砍掉一部分不重要的权重大小，让模型像一个少了些肌肉的跑步选手，跑一样快的路但消耗更少的能量。3. 模型蒸馏和量化 把千亿大模型压缩成百亿甚至十亿的小模型，用大模型教小模型，让小模型学到大模型的“知识和风格”，实际部署时用小模型推理。这有点像老厨师把菜谱写薄，让新手也能做出七八分的好味道，而电就省下来了。4. 更高效的芯片架构 Google的TPU、Cerebras的晶圆级引擎，都是针对AI计算优化的专用芯片，功耗比同性能的GPU降低不少。还有各种研究在尝试模拟人脑的神经形态芯片，人脑功耗大概只有20瓦，却能做到复杂的认知功能，AI硬件目前离这个目标还有十万八千里。5. 绿色能源和动态调度 很多云厂商把训练任务搬到太阳能、风能充足的地区，或者选择在电网负荷低的时段跑任务。比如某些数据中心会预测未来几小时的风力发电量，然后灵活调整训练任务的启动时间。一套聪明的方法，能减少对化石电力的依赖。生活视角下的一笔账我忍不住用家里电费来做个类比。我家空调功率1.5千瓦，开一小时1.5度电。如果训练一个PaLM那个级别的模型（3400兆瓦时），就相当于我家空调24小时不停开，开上7750多年。你这辈子能见到的空调开加起来，大概也到不了这个量级。每次用AI工具的时候，我总想到背后那些嗡嗡作响的服务器。技术的发展从来不是免费的，只是以前我们用汽油，现在开始用算力。算力需要电，电不是凭空来的。也许以后核电、可控核聚变能解决一部分问题，但远水解不了近渴。眼下更现实的方向，是让AI学得更聪明，别死记硬背，也得让芯片别那么贪吃。这些数字看了有点让人喘不过气，不过硬币的另一面是，AI本身也在帮我们优化能源效率，比如智能电网、天气预报、材料模拟，这些领域的进展说不定能帮我们省下更多的电。这事挺有意思，一边耗电，一边省电，说到底还是得靠人怎么去平衡。

算力、存力、连接力等全面提升 英特尔至强6+加速Agentic AI落地

当AI步入Agentic AI时代，数据中心对算力的诉求正加速回归CPU。在英特尔至强6+新品发布会暨数据中心创新日上，英特尔给出了兼顾算力效率与应用落地的思路——依托CPU、GPU、IPU等协同运作，凭借全新至强6/6+处理器在“算力、存力、连接力、保障力”上的提升，将Agentic AI转化为触手可及的现实生产力。

【PChome 2026年6月5日消息】从全球到中国，AI算力需求经历了颠覆性的改变：2025年，中国AI推理数据量首次超过训练数据量，2026-2027年，企业场景中的活跃智能体数量同比增长将超200%，这些数据的背后，是CPU重回C位的变化，也是行业对构建以CPU为中枢的、面向大规模推理和Agentic AI的现代智算中心的呼唤。

200%的增长：CPU强势回归，机会无处不在

英特尔市场营销集团副总裁、中国区总经理郭威

英特尔市场营销集团副总裁、中国区总经理郭威指出：“以算力、数据、算法和网络为核心的AI基础设施格局正在重塑。算力需求持续爆发，AI更广泛地向云、边、端部署，混合式AI成为主流。这一进程中，CPU的中枢作用日益凸显。面向Agentic时代，通过CPU、GPU、存储与网络的高效协同，构建系统级能力，才能真正释放AI规模化应用的价值。我们相信，以CPU为中枢的新一代智算基础设施，正在成为AI规模化落地的关键底座，也将开启一个更加高效、更加普惠的智能新时代。”

全新至强6/6+处理器：以“四力”打造Agentic AI时代的智算中心

如今，CPU既要承载高密度CPU集群中的数据预处理、编排调度与任务分解等工作，又需要在GPU智算服务器集群中承担主控CPU的角色。原本大模型中CPU:GPU 1:8的配比，在Agentic时代将逐步提升至1:1。

需求的转变，不仅对CPU的数量提出了要求，更对其效能发起了考验。对此，至强处理器凭借算力、存力、连接力、保障力四大维度的升级，满足了数据中心的严苛部署要求。

英特尔数据中心集团副总裁、中国区总经理陈葆立

英特尔数据中心集团副总裁、中国区总经理陈葆立表示：“英特尔以至强处理器为核心，融合算力、存力、连接力与保障力，全面释放AI基础设施的系统化潜能，让每一分算力、每一瓦功耗都发挥更高价值。我们期待与客户携手，共同构建面向未来的AI基础设施，让高效与可持续的智能计算更早一步实现部署，来到我们身边。”

·算力：依托至强平台通用算力，支撑智能体任务调度与动态工具执行。同时，内置的英特尔AMX（高级矩阵扩展）技术可分担AI数据预处理，为向量数据库的加速提供动力。

·存力：全新的至强6+处理器支持12通道DDR5内存、96通道PCIe Gen 5。搭配英特尔QAT，可解放CPU处理能力，加速压缩、重删、传输等存储工作负载。

·连接力：提供从200GbE到800GbE的持续迭代。最新推出的英特尔以太网E835控制器支持从10GbE到200GbE吞吐量的灵活扩展，通过提高每核带宽，在高密度虚拟化环境中充分释放高核心数 CPU 平台的性能。

·保障力：通过6大类52项RAS功能（可靠性、可用性、可服务性），利用英特尔TDX构建端到端的机密计算环境，为AI服务器和集群的高可靠、高可用和高可维护提供硬核守护。

发布会上，英特尔还展示了跳出单一部件的限制，转向系统协同的角度，为智能体工作负载打造的高性能与高能效平台。这其中包括了英特尔至强6+处理器、英特尔以太网E835控制器及网络适配器，以及Crescent Island在内的最新产品。

全新英特尔至强6+处理器是首款基于Intel 18A制程打造的数据中心CPU，在智能体工作负载中，依然能在真实功耗限制下提供持续性能，解决其对编排、并发与数据流动的需求。它拥有最高288颗能效核，可提供高达8000 MT/s DDR5的内存带宽和576MB末级缓存，在机架级AI基础设施中，能够以极高密度承载多智能体运行。以单个液冷机架为例，它仅占用32U计算空间，即可提供36864个核心。

此外，英特尔以太网E835控制器和网络适配器为现代数据中心、企业、边缘和AI环境提供了高性能、高能效的连接。Crescent Island则基于Xe 3P架构，在内存容量、带宽与能效上表现出色。

生态伙伴携手，加速Agentic AI落地

在大会现场，多家行业领军企业集中展示了基于至强处理器的云基础设施、服务器、存储、QAT、可靠性等方面的合作成果。英特尔还携手合作伙伴，展示了基于至强6+的高密度高能效全液冷机柜，CPU核心密度高达46080核，单机柜即可运行数以万计的智能体应用，进一步推动了智能体在千行百业的落地。

·腾讯云基于全栈自研的星星海服务器，即将推出搭载英特尔至强6+处理器的新一代云服务器实例：此前，腾讯云已率先与英特尔联合发布基于英特尔至强6（Sierra Forest-AP）能效核处理器的计算实例，广泛应用于微信、腾讯广告检索、腾讯会议等业务场景。新一代实例将释放至强6+处理器在288核心、576MB三级缓存等方面的优势，为客户提供更高并发、更低时延、更优能效的云端算力服务，支撑AI时代多样化的工作负载需求。

·金山云介绍基于英特尔至强6+的第十代云服务器SE10：深度适配英特尔至强6+处理器，借助至强6+在单核性能、缓存效率与能效比上的全面进化，SE10展现出更强劲的算力底座能力——智能体应用响应更迅捷，Nginx高并发吞吐更稳定，MySQL数据库查询与事务处理更高效，实现整体实现性能与能效的双重提升。

·新华三展示UniStor X20000 AI数据存储平台：借助至强6处理器的高性能存力，对I/O数据流进行智能优化与精简，实现协议融合、训练效率的提升、XCache推理加速和Token产出效率的增强。

·阿里云带来基于英特尔QAT的实践：借助QAT，加解密、压缩/解压缩等场景性能提升了4倍以上，阿里云不仅在物理空间与系统带宽上实现了瘦身，更实现了能效升级。

·火山引擎展示AICC机密计算平台：依托英特尔至强处理器和英特尔TDX技术，实现多租户环境中AI数据与计算资源的全生命周期隔离，为企业的云端大模型应用构建可信的执行环境，让企业放心合规地使用AI云服务。

·云尖信息展示了AI基础设施产品组合：包括GPU智算服务器、通用计算服务器、高密度存储及网络设备，满足AI数据中心的多维算力需求，彰显了至强作为主控CPU为AI系统带来的澎湃性能。

AI从大模型到智能体落地的转变，不仅是一场算力的比拼，也需要生态合作伙伴的共同创新。而英特尔正深化与合作伙伴的生态联结，并肩加速智算基础设施的升级，共同推开智能体时代的大门。

一羊群在高速隧道乱跑乱窜 泉州交警当起“羊倌”驱赶

原标题：一羊群在高速隧道乱跑乱窜 泉州交警当起“羊倌”驱赶

­ 高速公路是封闭的道路系统，一旦路上有动物或障碍物出现，极易引发交通事故。12日，泉州高速交警支队四大队民警及时排除了羊群上高速闯隧道带来的交通隐患。

­ 羊群在高速隧道内“撒欢”

­ 12日下午4时20分许，泉州高速交警支队四大队民警接到支队指挥中心的派警，不少过路司机反映，在金山隧道（石狮往晋江南方向）有一群羊窜入，在高速上乱跑，过往车辆纷纷闪躲，情况十分危险。

­ 民警迅速赶至现场，发现8只绵羊在隧道内东奔西跑，“咩咩”乱叫，过往的车辆不得不停下来，并不停鸣喇叭，结果绵羊受到惊吓，在车道内乱窜得更厉害，现场险象环生。

­ 民警立即组织处置。一组民警从警车内拿出锥形筒，并在隧道口进行交通管制，不让车辆进入隧道，将车辆和羊群进行隔离，防止乱窜的羊群引发交通事故；另一组民警和高速路政、抢修部门人员一起，在隧道内对着羊群不停地吆喝，将它们驱赶到可控范围内，确保羊群不走进行车道和超车道。受到惊吓的绵羊根本不听吆喝，一名民警找来两根长树枝，当起“羊倌”，用树枝在后面赶；另一民警在中间不停用手势驱赶。

­ 经过一番努力，民警终于将受惊吓的羊群赶出高速。绵羊跨出护栏，从边坡走下高速。在民警和施救人员的共同努力下，1个多小时后路面交通秩序恢复。（东南早报记者林志安 通讯员陈旖旎 文/图）