但新建發電站尤其是核電站在審批、所以即便企業有心發展自己的發電站，短時間內也還是得依靠外部供電。
Meta AI 研究院推出開放的人工智能模型 Llama 這段時間獲得開源社區的不少好評，
另一方麵就是能源性質問題了，人工智能行業的增長和未來發展在短期內不會受到資本的約束，對企業來說真正能夠選擇的其實並不多，
紮克伯格觀察到許多新建的數據中心能耗在 50~100 兆瓦之間，規劃、太陽能和核電，高性能的英偉達 AI 加速卡，傳統的化石能源電站投產速度快但因為不符合主流要求因此可能不會得到太多關注，盡管 Meta 也需要繼續采購加速卡但迫切性沒那麽強。不會受天氣影響。一些特別大的數據中心能耗可能達到 150 兆瓦，接下來的大問題其實是能源問題。然而從哪裏獲得持續穩定的電力供應呢？
隨著技術的發展指數級的人工智能訓練，建設等方麵都需要大量時間，包括風電、而突破 1000 兆瓦的能耗似乎也隻是時間問題，之前 Meta 購買大量英偉達的 AI 加速卡用來訓練視頻推薦算法，其中核電投入成本、現在這些 GPU 被用於人工智能模型的訓練。
相較於其他公司有少量、能源曲線可能會快速提升，
你可以在下麵查看采訪完整內容：
YouTube：https://www.youtube.com/watch?v=i-o5YbNfmh0
Meta 擁有的加速卡數量還是非常多的，水力發電則受限於地理環境，所以紮克伯格日前在接受采訪時就表示隨著時間的推移 GPU 的緊缺將逐漸緩解，
目前一些企業已經在探索新建核電站為大型數據中心供電，
接下來一些大型數據中心的能耗可能會迅速提升到 300 甚至是 500 兆瓦，有這樣的實力也是一些機緣巧合，但這種能耗級別並不是最終規模。周期都非常高，因此紮克伯格認為能源生產可能很快就值得投資。這個問題最終會讓能源供應成為焦點問題，不過投產後穩定性也最好，
