关于人工智能正在改变我们的生活、工作和学习方式,人们已经写了很多文章。它也可能改变我们周围的自然景观。
这是因为人工智能将刺激新数据中心的建设,这些大型仓库式设施充满了构成互联网骨干的服务器。
对人工智能和数据中心容量的需求已经很明显,由于人工智能的使用,现有数据中心的价格正在上涨。根据Data Bridge Market Research研究,到2029年,人工智能基础设施市场预计将达到4220亿美元(https://www.databridgemarketresearch.com/reports/global-ai-infrastructure-market),复合年增长率为44%。
2024年IEEE主席Tom Coughlin表示:“人工智能将刺激更多的数据中心使用、现有数据中心的扩展和新数据中心的创建。”
什么是数据中心?
一个典型的数据中心约为100000平方英尺,比81000平方英尺的足球场略大,比略小于两个足球场,总共约114000平方英尺。最大的有200多万平方英尺。在这里面充满了一排又一排的服务器。公司租用计算时间和数据存储来运行其IT运营、电子商务网站等。每次您在喜爱的流媒体服务上选择电影时,该电影都会从数据中心进行流媒体播放。
人工智能的高能耗特性推动数据中心采用新技术,如液体冷却,以提高效率和减少环境影响。然后是能源。数据中心每平方英尺的能耗是同类办公楼的10到50倍(https://www.energy.gov/eere/buildings/data-centers-and-servers)。
这使人们高度关注设施使用的电力来源及其碳足迹。太阳能和风能经常使用,这意味着除了大型仓库外,可再生能源设施往往建在附近。
事实上,数据中心建设的步伐和相关的能源需求推动了附近新太阳能发电场的建设,在一些地区形成了太阳能热点(https://www.reuters.com/business/energy/rush-data-centers-creates-us-solar-hotspots-2024-02-22/)。
由于其庞大的物理足迹、能源需求和水消耗,数据中心因担心其不可持续而遭到一些反对。这些设施的运营商面临着提高其可持续性的巨大压力。
数据中心位于何处?
数据中心的选址需考虑多种因素。
世界上最大的数据中心集群位于美国弗吉尼亚州北部,起源于20世纪90年代,当时早期互联网的几家巨头都位于那里并建立了光纤网络。由于光纤电缆的大量可用性,数据中心的到来较晚。
如今,通信基础设施只是数据中心运营商在寻找新地点时考虑的众多因素之一。
Coughlin说:“良好的高性能通信基础设施很重要,相对较低的电力成本和这些电源的可靠性也很重要。因此,天气和气候可能是重要因素。运营商看到重大事件时会问‘这会在相当长的一段时间内导致电力中断吗?’冷却水也很重要,IT员工的可用性也很重要。”
人工智能消耗了多少能量?
人工智能处理比传统计算更激烈,因为它依赖更多的数据来进行输出。因此,它具有更高的能量要求。用于人工智能的领先GPU可能消耗高达700W的功率,大致相当于一个微波炉。
Coughlin指出,消耗两倍能量的GPU可能在不久的将来可用。由于计算能力会产生热量,这反过来将推动更多地使用液体冷却,将热量从数据中心带走。
为AI供电
被称为超级规模的最大数据中心的开发商敏锐地意识到其设施的电力需求。他们对风能和太阳能的依赖解决了两个挑战:在当地停电时提供机动性。
“这些组织依赖电力供应,”Coughlin说,“他们中的许多已经建立了自己的太阳能系统,甚至风力发电系统。还有一些正在计划将模块化核能作为其零碳排放计划的一部分。”
最近的一个趋势是,数据中心已开始靠近其他工业设施。该工艺利用工业过程中使用的废水进行冷却。因此,一些数据中心内部配备了废水处理设施。
好文章,需要你的鼓励
北京大学研究团队开发出基于RRAM芯片的高精度模拟矩阵计算系统,通过将低精度模拟运算与迭代优化结合,突破了模拟计算的精度瓶颈。该系统在大规模MIMO通信测试中仅需2-3次迭代就达到数字处理器性能,吞吐量和能效分别提升10倍和3-5倍,为后摩尔时代计算架构提供了新方向。
普拉大学研究团队开发的BPMN助手系统利用大语言模型技术,通过创新的JSON中间表示方法,实现了自然语言到标准BPMN流程图的自动转换。该系统不仅在生成速度上比传统XML方法快一倍,在流程编辑成功率上也有显著提升,为降低业务流程建模的技术门槛提供了有效解决方案。
谷歌宣布已将约3万个生产软件包移植到Arm架构,计划全面转换以便在自研Axion芯片和x86处理器上运行工作负载。YouTube、Gmail和BigQuery等服务已在x86和Axion Arm CPU上运行。谷歌开发了名为CogniPort的AI工具协助迁移,成功率约30%。公司声称Axion服务器相比x86实例具有65%的性价比优势和60%的能效提升。
北京大学联合团队发布开源统一视频模型UniVid,首次实现AI同时理解和生成视频。该模型采用创新的温度模态对齐技术和金字塔反思机制,在权威测试中超越现有最佳系统,视频生成质量提升2.2%,问答准确率分别提升1.0%和3.3%。这项突破为视频AI应用开辟新前景。