对于数据中心来说,风似乎是一种很好的能源——在很多方面确实如此。但风力发电也有一些缺点,包括但不限于风力往往是间歇性的。
因此,在转向采用风能为数据中心可再生能源战略提供动力之前,了解这种能源的优缺点是非常重要的。请你继续阅读,深入了解数据中心能源什么时候依赖风能是有意义的、什么时候是没有意义的。
风电对于数据中心的优势
和其他为数据中心提供动力的可再生能源相比,风力发电具有一些独特的优势。
首先,风能相比数据中心可再生能源的另一个主要来源——太阳能——要高效得多。你需要安装近50000个太阳能电池板才能产生与单个标准风力涡轮机释放出相同的能量。
另一方面,风能的好处是能够在一天中的任何时间发电——只要有风,而太阳能仅在阳光明媚的白天工作。
除此之外,由于风能产生电力,所以它提供了一种通用的能源,可以为IT设备和冷却系统供电。与地热能相比,风能更具优势,地热能通常仅被数据中心用于冷却目的。地热发电也是可能的,但需要建造地热发电厂,这比安装风力涡轮机成本高得多。
全球的风量越来越大,这一事实也是风力发电受到青睐的一个原因。在过去二十年中,随着风暴变得更加频繁,平均风速增加了约5%。如果这种趋势持续下去,风电将成为一种更具吸引力的投资。
数据中心风力发电的局限性
但数据中心的风力发电并不完美。也许风能最明显的缺点就是,风是间歇性的且不可预测的,这也是风能和其他可再生能源(例如太阳能,也不是始终可用)通常不足以完全独立为数据中心供电的原因之一。
由于多种原因,风力涡轮机通常还必须安装在偏远地区。首先,高度发达地区的房地产成本多高,无法作为风电场的实际场地。其次,农村地区的风力往往更强,那里的人造建筑不会成为风的主要障碍。
此外,风力涡轮机噪音大且不美观,当开发商提议在人口稠密地区建设风电场时,会遭到当地居民的抵制。
一些数据中心也位于偏远地区,因此在这些数据中心附近建设风电场并不是一个巨大的挑战。但企业在密集地区建立的数据中心——这种做法可以通过将工作负载放置在更靠近用户集中的地方来帮助减少延迟——可能会发现很难从风能中受益。
使用风力发电的数据中心
总体而言,一些全球最大型的数据中心运营商似乎认为风电的好处大于缺点,因为他们在风电方面进行了大量投资,将其作为数据中心设施的一种能源。
谷歌在2021年为其位于欧洲数据中心购买了50MW风电。Meta也有投资风电的记录。最近Equinix公布了在瑞典的一个风能项目。
总的来说,规模较小的数据中心运营商往往不会成为风电的主要投资者——也许是因为他们没有面临对可再生能源做出公开承诺的太大压力,也可能是因为他们缺乏大型科技企业的财力——即使太阳能或不可再生能源更具经济意义,这些大型科技企业也有能力签署使用风电场获取能源的协议。
尽管如此,很明显,数据中心行业内的风能呈现持续增长的趋势。
风电数据中心的未来
最重要的是,对于某些数据中心来说,风能作为能源要比其他数据中心更有意义。有些数据中心位于风电场建设简便、具有成本效益且风流持续稳定的地区,将从风能中受益更多。
一些大型数据中心运营商将风能和其他可再生能源作为ESG战略的一部分,他们也可能会发现更容易证明风能项目投资的合理性。
另一方面,对于那些位于城市地区的数据中心,或者要求最大能源投资回报率的运营商来说,不太可能期望风能成为数据中心的一项主要能源。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。