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
Anthropic发布SCONE-bench智能合约漏洞利用基准测试,评估AI代理发现和利用区块链智能合约缺陷的能力。研究显示Claude Opus 4.5等模型可从漏洞中获得460万美元收益。测试2849个合约仅需3476美元成本,发现两个零日漏洞并创造3694美元利润。研究表明AI代理利用安全漏洞的能力快速提升,每1.3个月翻倍增长,强调需要主动采用AI防御技术应对AI攻击威胁。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Spotify年度总结功能回归,在去年AI播客功能遭遇批评后,今年重新专注于用户数据深度分析。新版本引入近十项新功能,包括首个实时多人互动体验"Wrapped Party",最多可邀请9位好友比较听歌数据。此外还新增热门歌曲播放次数显示、互动歌曲测验、听歌年龄分析和听歌俱乐部等功能,让年度总结更具互动性和个性化体验。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。