根据《北京市加快新型基础设施建设行动方案(2020-2022年)》,北京市主张建设新型数据中心,推进数据中心从存储型到计算型的供给侧结构性改革。加强存量数据中心绿色化改造,鼓励数据中心企业高端替换、增减挂钩、重组整合,促进存量的小规模、低效率的分散数据中心向集约化、高效率转变。着力加强网络建设,推进网络高带宽、低时延、高可靠化提升。探索推进氢燃料电池、液体冷却等绿色先进技术在特定边缘数据中心试点应用,加快形成技术超前、规模适度的边缘计算节点布局。研究制定边缘计算数据中心建设规范和规划,推动云边端设施协同健康有序发展。
2021年7月22日,北京市发改委发布《关于进一步加强数据中心项目节能审查的若干规定》,新建或改扩建数据中心应当主要为计算型。建设单位应当提供项目运行后用于数据计算、存储等方面的功能规划说明及配置说明,应当保证用于数据存储功能的机柜功率比例不高于机柜总功率的20%。新建及改扩建数据中心应逐步提高可再生能源利用比例,鼓励2021年及以后建成的项目,年可再生能源利用量占年能源消费量的比例按照每年10%递增,到2030年实现100%(不含电网既有可再生能源占比)。根据数据中心项目的规模对PUE值实行进一步的差别化管理,对于规模较高的项目设置了较高的准入门槛:在北京市内新建、扩建数据中心:(1)年能源消费量小于1万吨标准煤(电力按等价值计算,下同)的项目,PUE值不应高于1.3;(2)年能源消费量大于等于1万吨标准煤且小于2万吨标准煤的项目,PUE值不应高于1.25;(3)年能源消费量大于等于2万吨标准煤且小于3万吨标准煤的项目,PUE值不应高于1.2;(4)年能源消费量大于等于3万吨标准煤的项目,PUE值不应高于1.15。
2022年5月16日,北京市发展和改革委员会、北京市经济和信息化局联合发布《北京市低效数据中心综合治理方案》,提出按照重点碳排方单位管理要求,逐步提高排放基准,收紧数据中心企业碳配额发放,加强履约管理。对能效水平未达到标准值的数据中心,依法依规执行差别电价。
2021年7月22日,上海市经信委发布的《上海市经济信息化委关于支持新建数据中心项目用能指标的通知》(沪经信基〔2021〕575号)中明确,取得新建数据中心用能指标支持的相关项目单位需在通知下发之日起四个月内完成项目节能审查申报和开工建设准备,半年内开工建设,两年内投产运行。如未按照以上时间节点完成,将视情收回对项目的用能批复。
2022年5月9日,上海市人民政府发布《上海市资源节约和循环经济发展“十四五”规划》,严格控制新增数据中心规模,加快淘汰“老旧小散”数据中心,推动存量项目节能改造,优化运行管理,积极推动绿色数据中心创建。
2022年6月14日,上海市通信管理局制定《新型数据中心“算力浦江”行动计划(2022-2024年)》,提出在算力发展低碳高效方面,到2024年,上海市新建大型及以上数据中心PUE将降低到1.3以下,起步区内降低到1.25以下,数据中心平均利用率力争提升到75%以上。
好文章,需要你的鼓励
这篇研究介绍了KVzip,一种创新的查询无关KV缓存压缩方法,通过上下文重建机制为大型语言模型提供高效存储解决方案。该技术能将KV缓存大小减少394倍,同时提高解码速度约2倍,在各种任务上性能几乎不受影响。不同于传统查询相关的压缩方法,KVzip创建可在多种查询场景下重用的通用压缩缓存,特别适合个性化AI助手和企业信息检索系统。研究在LLaMA3.1-8B、Qwen2.5-14B和Gemma3-12B等多种模型上进行了验证,处理长度高达17万词元的文本,并能与KV缓存量化等其他优化技术无缝集成。
腾讯与上海交通大学联合推出的DeepTheorem研究突破了大型语言模型在数学定理证明领域的限制。该项目创建了包含12.1万个IMO级别非形式化定理的大规模数据集,开发了专门的RL-Zero强化学习策略,并设计了全面的评估框架。研究表明,通过使用自然语言而非传统形式化系统,即使是7B参数的模型也能在复杂定理证明上取得显著成果,超越许多更大的专业模型。这一成果为AI数学推理开辟了新途径,使语言模型能够像人类数学家一样思考和证明。
MAGREF是字节跳动智能创作团队开发的多主体视频生成框架,能从多张参考图像和文本提示生成高质量视频。该技术引入了区域感知动态遮罩机制,使单一模型灵活处理人物、物体和背景,无需架构变化;并采用像素级通道拼接机制,在通道维度上运作以更好地保留外观特征。实验表明,MAGREF在身份一致性和视觉质量方面优于现有技术,能将单主体训练泛化到复杂多主体场景,为内容创作者提供了强大而便捷的视频生成工具。
这项研究揭示了大型语言模型(LLMs)偏好决策的内在机制。以色列理工学院和IBM研究院的团队开发了一种自动化方法,不需人工预设即可发现和解释影响AI判断的关键概念。研究横跨八个领域(从一般问答到安全评估),分析了12种偏好机制,发现人类评判者重视权威性和清晰度,而AI评判更关注事实准确性。他们提出的层次多领域回归模型不仅能准确预测偏好,还能清晰解释判断过程,为构建更透明、更符合人类价值观的AI系统提供了新途径。