近日，美国总统特朗普与三位强大的科技领导者及一位来自中东的投资者共同宣布了一项计划，拟投资超过700亿美元用于建设数据中心，以期使美国成为全球人工智能（AI）的领导者。参与该计划的人物包括甲骨文公司创始人拉里·埃里森（Larry Ellison）、OpenAI首席执行官山姆·阿尔特曼（Sam Altman）以及日本IT企业家孙正义（Masayoshi Son）。他们指出，AI有可能彻底改变医疗行业。
这一项目规模巨大，类似于二战期间的曼哈顿计划。目前已有20个数据中心的建设计划，每个数据中心面积达50万平方英尺。相比之下，小型数据中心通常不超过5,000平方英尺；中型数据中心则在5,000至50,000平方英尺之间；大型数据中心一般介于50,000到100,000平方英尺。超过100,000平方英尺的数据中心被称为“超大规模”数据中心。而此次规划中的每个数据中心将是普通“超大规模”数据中心的五倍大，可以说是世界上最大的数据中心。
电力需求
这些巨型AI综合体需要独立于电网之外的自有发电设施。数据处理需要大量的电能，主要用途有两个方面：首先是处理器本身消耗大量能量；其次，数据中心必须进行空调制冷，以防止芯片过热。
对于像ChatGPT这样的AI系统，每个机架的处理单元大约消耗120千瓦。一个“机架”是指容纳堆叠在一起的处理单元的架子，有些人称之为“比萨盒”。每个机架占用略多于400平方英尺的空间。因此，如果一个数据中心面积为100,000平方英尺，则可以容纳240个机架。
20个半百万平方英尺的数据中心总计达到1000万平方英尺，按每400平方英尺一个“比萨盒”计算，共需24,039个机架。这相当于2,885兆瓦的电力，再加上40%用于冷却，总共约4,039兆瓦。为了对比，尼亚加拉瀑布的总发电量仅为2,600兆瓦。
使用小型模块化（核）反应堆
据估计，在未来几年内，AI的增长可能会占到美国电力消费总量的四分之一以上。为了避免给公共电网带来压力，该项目计划建立专门的发电站来服务这些数据中心，从而减少因公共停电造成的中断风险。为此，正在考虑采用清洁能源如小型模块化核反应堆（SMRs）。例如，NuScale公司的电力模块每个可产生50兆瓦的电力。按照这个标准，整个AI计算复合体可能需要大约80个SMRs供电。
美国历史上也曾启动过类似的高耗电项目。例如，在田纳西州橡树岭建造的秘密设施用于铀浓缩以制造原子弹时，曾使用了全美电力供应的七分之一，即约22亿兆瓦。从1940年代至今，美国的电力生产已经从1530亿千瓦时增长到了今天的约40亿兆瓦。
AI与医学
早期关于AI与医学的文章大多集中在它如何替代医生进行诊断决策上。RACmonitor在2019年1月发表了第一篇关于AI的文章。起初，医学界普遍对此持怀疑态度，认为AI无法学会成为一名医生。然而，现在显然可以看到，AI的发展远超预期，并且还在不断进步。
对于AI在医学中的思考早已超越了简单的取代医生的想法。接下来让我们看看一些正在研发的新功能：
增强的医疗诊断与影像
AI在从影像中建议医疗诊断方面变得越来越高效。虽然人类也应该能看到同样的结果，但AI系统可以审查比人类更多的图像。短期内，我们可以期待AI分析的结果会提供给医生确认其诊断，但快速定位潜在问题将节省大量时间。
预测性和个性化医疗
个性化医疗指的是针对特定患者的治疗方案或其具体疾病进行定制化调整。研究人员正在努力让个性化治疗更加有效，并允许AI审查所有可用的患者数据，而这可以在瞬间完成，而医生（或医疗团队）则需要耗费更多的时间。此外，根据疾病的性质，AI还应该能够确定最佳剂量、时机以及治疗组合。
远程监控与远程医疗
如今的技术，如苹果手表上的健康应用程序套件，已经允许参与科学研究并对患者进行持续监测。结合AI，这种能力可以扩展到同时监控成千上万甚至数十万的患者，包括养老院中的居民，远远超出人类医疗服务提供者的容量。
预计会有更多的监测措施，还包括对患者的持续指导，提醒他们锻炼、吃合适的食物或服用各种药物。每年有3400万次住院、3100万次卫生中心就诊和1.39亿次急诊室访问，总计2.04亿人次。虽然听起来像是巨大的计算任务，但对于运行在超大规模数据中心的AI来说，轻松应对这些数字和其他工作不在话下。
临床决策支持系统（CDSS）
拉里·埃里森在其演讲中提到，AI将成为任何医疗团队不可或缺的一员，利用其强大的计算能力，在几秒钟内分析所有可用的患者数据并向医疗团队提供建议。医生可以与AI对话，讨论不同的治疗情景并获得每种方案成功的概率评估。当然，根据医生提出的问题类型或提出的治疗情景，AI还可以评估医生的专业技能水平，并记录下来。
计算机模拟药物研究
我预测，AI在医学中最重要的一项应用将是研发新药。传统方法测试和批准一种药物需要数年时间，而且评估新的分子实体也需要很长时间。AI通过生成合成数据和所谓的“计算机模拟”研究来加速这一过程。在这个过程中，新的药物分子由软件建模，然后用AI测试不同分子之间的相互作用。以前在实验室中逐个测试这些相互作用的方式已经被淘汰。借助计算机模拟测试，可以在几秒钟内测试成千上万种化合物。此外，AI还能够设计出合理有效的新型分子实体，以减轻或治愈疾病。
同态实验室
这些利用AI创造新药的概念并非理论上的空想。同态实验室吸引了多位诺贝尔奖得主，包括开发CRISPR-Cas9基因编辑技术的詹妮弗·杜德纳（Jennifer Doudna）、不对称有机催化领域的戴维·麦克米伦（David MacMillan）、细胞周期控制研究的保罗·纳斯（Paul Nurse）以及核糖体结构与功能研究的文基·拉马克里希南（Venki Ramakrishnan）。
同态实验室的首席执行官德米斯·哈萨比斯（Demis Hassabis），同时也是谷歌DeepMind项目的负责人，强调了蛋白质结构预测的重要性，并利用计算机模拟研究理解不同类型生物分子之间的相互作用。他预测，AI设计的药物将在2025年底前进入临床试验阶段。
(全文结束)
