Energie is de grote flessenhals voor AI. In zowel fysieke als softwarematige AI is het niet alleen dat de ingrediënten moeten veranderen, maar ook het hele recept: 1) We hebben oneindige en marginaal kosteloze energie nodig. Dit betekent dat een ensemble van energiebronnen samenwerkt die VANDAAG energie kunnen produceren (dwz kernenergie is niet echt een optie vóór 2032, het bouwen van een Nat-gas- of kolencentrale met een meerjarige achterstand voor onderdelen is ook geen optie op korte termijn tot 2030+), wat betekent dat we Solar + Storage nodig hebben omdat het 12-17 maanden na groen licht online kan gaan. Je kunt er niet omheen. 2) maar om energieopslag economisch te schalen in het licht van Foreign Entity of Concern (FEOC)/Prohibited Foreign Entity (PFE), moet u een binnenlandse LFP CAM-provider vinden voor de ESS-toeleveringsketen. Er zijn er maar heel weinig. 3) u zult de totale stroomvoetafdruk van de datacenters moeten verkleinen, wat betekent dat HVAC opnieuw moet worden uitgevonden - er moet een geheel nieuw soort warmtepomp worden uitgevonden. Dit nieuwe apparaat, hoewel het een superieur profiel heeft, zal ook de voor altijd chemicaliën moeten elimineren die nu verboden zijn en zonsondergang moeten zijn. 4) De chips zelf moeten opnieuw worden ontworpen voor performante, energie-efficiënte inferentie. Geheugenontwerp, c2c, bekabeling en allerlei andere ontwerpbeslissingen die goed werken voor training, zullen waarschijnlijk niet schalen voor inferentie als inferentie 100x+ groter is dan training. 4) in fysieke AI zijn na opslag (zie hierboven) overvloedige RE's essentieel voor elke vorm van beweging/activering. Maar RE's uit de grond halen, in een oxide en vervolgens in een legering die kan worden omgezet in permanente magneten....is een enorme oefening in energie. En de lijst gaat maar door... . . . Mijn punt is dat als je gefocust bent op AI, je de aandacht moet gaan richten op energie, aangezien het de komende jaren de poortwachter zal zijn van vooruitgang/verandering in de AI-markt.