AI 可能是迄今为止推动数据中心转型和发展的最大驱动力之一。这场现代淘金热已经产生影响,运营商正在更新基础设施以适应 AI 数据处理所需的存储需求增长。
虽然数据中心的转型和行业发展对运营商来说是好消息,但向更先进处理器的转移将加速对新基础设施的需求,同时需要更多的超大规模数据中心来适应这种转变,这为一场潜在的环境灾难埋下了伏笔。
即使在 AI 广泛应用之前,数据中心的电力需求也在迅速增长。爱尔兰中央统计办公室报告称,2022 年至 2023 年间数据中心用电量增加了 20%。
美国也面临类似问题。根据美国能源部和劳伦斯伯克利国家实验室最近发布的报告,随着国家进行 AI 转型,未来三年数据中心需求可能增长近三倍,消耗高达全国 12% 的电力。报告还估计,过去十年数据中心负载增长了三倍,预计到 2028 年将增长两到三倍。
然而,在数据中心采用和部署 AI 也有其积极的一面,包括能够根据实时需求动态调整服务器工作负载,从而更有效地管理资源分配。
AI 还可以根据访问频率、重要性和监管要求自动对数据进行分类和归类,从而优化数据存储。而 AI 自动化执行常规任务的能力几乎可以立即带来投资回报。
在数据中心环境中,这意味着可以实现网络管理、服务器配置和软件修补的自动化。这减少了日常运营所需的人工干预,使员工能够专注于更高价值的任务。这只是在数据中心环境中利用 AI 的部分优势。
AI 带来的诸多好处与潜在的负面影响(能源消耗增加和电子废弃物)之间的平衡,应该成为数据中心运营商的警醒,并推动当前流程的改变。通过调整流程,可以成功减轻因 AI 所需的高性能硬件更新而导致的电子废弃物大幅增加。
为支持不断发展的 AI 功能而进行持续升级的需求可能会缩短数据中心设备的使用寿命,加快设备升级周期。据估计,使用寿命仅为三到五年,美国每年有 2000 万到 7000 万个昂贵的硬盘驱动器 (HDD) 达到使用寿命末期——其中大多数被粉碎并送往垃圾填埋场,产生大量废物。然而,物理销毁并不是唯一的选择。
新的一年,新的流程
数据中心所有者和运营商可以通过多种方式更新和现代化流程,以应对硬件更新对可持续性和电子废弃物造成的压力。
例如,许多运营商认为,一旦停用,数据中心驱动器必须进行物理销毁以确保数据安全。然而,对于数据中心退役,还有更安全和可持续的替代方案。
应考虑两个更可持续的选择:
数据清除和重用:数据中心可以与认证的 IT 资产处置 (ITAD) 公司合作,安全地清除退役设备中的数据,或在内部管理数据清除(如果他们具备相关专业知识),而不是物理销毁旧硬件如硬盘驱动器 (HDD)。这个过程会删除所有敏感数据,使硬件可以翻新和转售,或用于其他用途。通过重复使用设备,数据中心可以延长硬件的使用寿命,减少送往垃圾填埋场的电子废弃物数量。运营商或 ITAD 可以安全地清除使用过的 HDD,完全擦除任何敏感数据。这使驱动器可以转售或捐赠给服务不足地区的非营利组织,在减少环境影响的同时给予它们第二次生命。
更好的硬件生命周期管理:数据中心可以通过使用模块化、可修复和可升级的系统来实施可持续的硬件生命周期管理实践。这种方法允许更换或升级单个组件(如电源、内存或处理器),而不是丢弃整个服务器或其他硬件,从而减少完整设备更换的频率,并在不影响运营效率的情况下最小化电子废弃物。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。