AI的尽头是算力，算力的尽头是电力，究竟谁才是未来瓶颈的终结者？

如果说人工智能的尽头是算力，而算力的尽头是电力，那么人工智能时代，电力从何而来？如何在不破坏环境生态、不加剧气候变化的前提下满足越来越高的用电需求？

今天（9月8日）举行的2024浦江创新论坛"前沿科技发展论坛"上，中国工程院院士干勇等专家学者就未来社会的电力瓶颈问题分享了技术发展的前沿信息。

几乎所有工程技术的限制都来自材料，AI将为其破题

我国矿产资源储量占全球7%，使用全球32%的资源，形成超过全球50%的原材料，这种工业规模支撑起了"世界工厂"的独特地位。另一方面，中国在新能源产业内全面领先。其中，新能源汽车年产量和销售量均超过3000万辆，占全球比重超过60%；锂电池产量及相关正负极、电解液、隔膜等材料的产量占全球70%以上；硅片、光伏组件等产量占全球90%以上。

中国工程院院士干勇

干勇介绍，在新能源产业的优势基础上，中国快速发展新质生产力。新一代信息技术、航空航天、海洋工程、健康医疗等战略性新兴产业加速发展；未来制造、未来信息、未来能源等未来产业加快落地，为新能源提供了丰富的应用场景，创造出巨大的市场需求。

新能源产业全面领先，而新能源矿产资源禀赋薄弱。随着人工智能领域迎来革命性的技术大爆炸，能源的需求量也在指数级增长，能源紧缺成为掣肘发展的核心问题。在此背景下，专家学者们提供了两条破局思路。

第一条思路是利用前沿技术提高资源的使用效率。干勇认为，应大力发展新能源材料，建设中国特色的清洁能源系统。未来，我国可在光电转化材料、可控核聚变所用关键材料、风电机组所用关键材料等领域重点发力。此外，碳化硅能推动传统电网向半导体电网发展，还可使新能源汽车电控系统体积重量减少80%，器件能耗减少90%，电能转换效率提升20%；氮化镓则能支撑起新一代移动通信等基础设施的更新换代。

如何推进新材料研发？干勇指出，"AI+材料科学"已成为材料研发的新范式。在技术操作层面，可以通过理论计算获取材料科学数据，也可通过高通量计算生产海量数据，可将数据喂给人工智能模型，也可借助模型推理未知材料的性能。总之，"数据+AI"是材料基因工程的核心。

美国国家工程院院士、香港大学工程学院院长戴维·什罗洛维茨表示，之所以材料问题至关重要，是因为所有工程设备和结构都是由材料制成的，几乎所有工程技术的限制都由材料的性能或故障决定。但长期以来，材料科学家们受到低效率的困扰，而人工智能为材料科学提供了新的研究模式、新的研究工具、新的研究过程，以及新的产业生态。特别是大语言模型，它们构建数据库，将以前没有使用过或被认为没用的数据纳入进来，又从数据库中挖掘知识，提高数据"回忆"的效率，帮助材料科学家们读取信息。

美国国家工程院院士、香港大学工程学院院长戴维·什罗洛维茨

光子芯片有望换道超车，智能微系统将"超越摩尔"

第二条思路是利用前沿技术降低AI时代的能源消耗。干勇指出，在光计算领域推进研发，有可能实现"换道超车"。光计算可利用光子实现超高速、低能耗甚至零能耗计算，进而突破传统微电子芯片在性能和成本上的瓶颈。硅光是光子芯片的主要应用场景之一。硅光芯片将数十到数百个光器件集成到同一芯片上，在数据收发端替代原有的电传输模块，可在降低能耗的同时大幅增加数据通量。

中国科协副主席、中国工程院院士、华中科技大学校长尤政指出，信息技术发展已进入"后摩尔时代"，继续通过尺寸缩微来"延续摩尔"会受到物理极限的严重制约。突破传统电子信息系统平面化限制的尺寸缩微，实现功能升级与性能增强，被普遍认为是"超越摩尔"的主要手段。