你可能听说过由风能、太阳能、核能和地热能驱动的数据中心。但是,一些数据中心公司认为氢燃料电池是未来数据中心能源的重要组成部分,那么氢燃料电池呢?
事实上,虽然氢尚未成为数据中心的主流电源,但已经在某些设施中得到部署。接下来让我们来了解一下氢能数据中心带来的好处、工作原理以及迄今为止谁在使用这项技术。
什么是氢能数据中心?
氢能数据中心使用氢燃料电池作为其主要能源。
氢燃料电池通过从氢分子中分离电子来产生电能,可以利用该过程以最小的排放产生电力,使氢气成为减少数据中心和其他能源密集型设施碳足迹的一个有前景的解决方案。
氢能对数据中心有什么好处?
与其他形式的能源相比,氢燃料源为数据中心提供了多种好处:
简而言之,氢能为耗电数据中心提供了一种清洁的能源替代品,可以替代煤炭和天然气等传统能源,而且不受可再生能源只能间歇性使用或在某些地区使用的限制。
此外,氢能对环境和政治的影响比核能要小——核能最近被吹捧为解决数据中心电力需求不断增长的方案,但批评人士反对核能,称其成本高昂,且存在潜在的熔毁风险。
英国诺丁汉大学的氢能汽车加油站
数据中心氢气的局限性
如果氢燃料电池如此神奇,为什么还没有在数据中心及其他地方被广泛用作电源呢?
主要原因是,目前生产氢燃料是一个能源密集型过程,通常依赖于化石燃料。因此,尽管氢能源在狭义上可能是清洁的,但从整个生产过程来看,它实际上是“肮脏的”。
然而,过去二十年来,氢燃料电池效率的逐步提高,使氢成为更具吸引力的一种燃料来源。氢能源行业尚未达到氢成为绝对更好解决方案的程度,但已经越来越接近了。
氢燃料电池在现实世界中的部署增加,可能会促使人们进行额外的研究和开发,以充分发挥氢作为一种廉价、清洁和可靠能源的潜力。
谁在数据中心使用氢能?
氢能仍然是数据中心的一种小众燃料来源,使用是比较有限的。
最重要的例子是数据中心即服务提供商ECL最近宣布已经向市场推出了模块化的氢能数据中心。
该公司尚未透露迄今为止是否已经部署了这些设施,但据报道称,这种数据中心已经准备好让任何想要享受模块化数据中心和氢能集成优势的组织大规模始终。
此外,微软和能源行业的合作伙伴还展示了氢燃料电池在数据中心使用的可行性,但暂时是把氢用作备用能源的。
氢能数据中心的未来
氢能行业尚未克服技术上的挑战,加上迄今为止数据中心内氢能的部署非常有限,这表明,氢能要成为数据中心的主流电源还需要数年时间。
但可以想象,在风能和太阳能等可再生能源不可用的时期,氢能可以作为这些可再生能源的替代选择。
氢气在临时数据中心部署方面也可能具有吸引力,因为运营商需要清洁能源,但投资昂贵的风能、太阳能或地热系统在经济上并不划算。
底线:在可预见的未来,不要指望大多数数据中心都采用氢能,但如果数据中心内氢燃料电池的采用率缓慢增加,也不要为此感到惊讶。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。