在 AI 领域的竞争中,科技巨头正在投入数千亿美元建设新的数据中心。但他们的计划为行业带来了一个突出的挑战:如何在维持持续、可靠和可持续能源系统的同时,满足对全天候计算能力永不满足的需求?
数据中心运营商长期以来一直依赖柴油发电机作为备用电源,这是一个经过验证的解决方案,在断电期间保证了服务器的持续运行。但柴油发电机是用 20 世纪的方案解决 21 世纪的问题。
随着数据中心消耗更多电力,电网面临着越来越大的压力,数据中心运营商正在寻找不仅仅提供应急电源的替代方案。微电网提供了一个潜在的解决方案。
微电网提供集成可再生能源的现场发电,降低设施的碳足迹。它们还可以优化能源使用,同时增强电力稳定性,在用电高峰期成本最高时减少对电网的依赖。
耗电量巨大的数据中心
新数据中心的大规模投资正显著影响能源行业,尤其是在美国。大型 AI 驱动的超大规模数据中心需要 100 MW 或更多的电力,年耗电量大致相当于 35 万到 40 万辆电动汽车的需求。
在美国,过去十年数据中心能源使用量增长了两倍,2023 年占总用电量的 4.4%。未来电力需求的预测差异很大。例如,能源部预计到 2028 年,数据中心可能消耗美国 6.7% 到 12% 的电力。
这种快速增长给美国电网带来了重大挑战,而本世纪前二十年的电力需求几乎持平。美国老化的电力基础设施主要建于 1960 年代和 1970 年代,正在努力跟上现代能源需求和气候变暖的步伐。
随着极端天气事件变得更加频繁,企业和社区面临着越来越大的停电风险。在 2000 年至 2023 年间,天气造成了美国 80% 的重大停电事故。
提升电网的弹性和可靠性将是昂贵且复杂的。这意味着数据中心开发商必须与公用事业公司、发电商和电网规划者积极合作,以建立能源安全并实现其可持续发展目标。
备用电源系统(通常包括柴油发电机和不间断电源)对确保服务连续性至关重要,但它们并非设计用于持续运行。这凸显了微电网的价值,作为一个可以独立运行或与更广泛电网协同工作的本地化能源系统。
对于数据中心而言,控制其能源供应不仅关乎成本,更是战略必需。微电网,特别是包含储能的微电网,可以通过三种方式帮助数据中心实现其商业和气候目标:
增强弹性:微电网允许数据中心在停电或中断期间独立于主电网运行。它们可以协调各种现场分布式能源资源和电池储能。通过调节电压和频率,微电网还能提高整体电网稳定性并降低停电风险。
成本效益能源管理:能源成本是数据中心的重要运营支出。在非高峰时段储存能源并在高峰需求期间使用可以节省资金并提高效率。先进的配电管理系统优化高峰需求期间的能源使用。
可持续性和脱碳:许多数据中心运营商已承诺实现雄心勃勃的气候目标,包括实现碳中和或完全使用可再生能源运营。微电网可以用更清洁的能源(如天然气)替代传统柴油备用系统。它们还使数据中心能够整合太阳能或风能等可再生能源,以抵消其碳足迹。
AI 和云计算的电力需求增长如此之快,以至于单个数据中心园区的用电量可能很快就会超过某些城市。这意味着需要更多地优化能源使用、缓解现场和电网层面的压力、整合可再生能源并避免停机。前进的道路很明确。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。