随着数字基础设施需求激增,数据中心正成为推动非住宅建筑增长的驱动力。仅在4月份,根据Dodge Construction Network的数据,数据中心几乎贡献了当月规划活动的全部增长。与更为谨慎的市场形成对比,数字基础设施领域的开发商正在加速推进,面临更紧迫的时间表、更高的复杂性和更高的期望。
Gray公司数据中心副总裁Ben Burgett负责全国各地的项目,并监督公司增长最快的市场之一。他分享了加速时间表所需的条件、快速建设可能带来的挑战,以及塑造该行业未来的因素。
Gray建筑公司数据中心副总裁Ben Burgett表示:"五年前,你可能在一个园区一次建造一栋建筑。现在是同时建造四栋。这种程度的压缩改变了一切。"
哪些建筑方法或策略有助于缩短传统数据中心的建设时间表?
Ben Burgett:我们看到客户比以往任何时候都更加注重速度。五年前,你可能在一个园区一次建造一栋建筑。现在是同时建造四栋。这种程度的压缩改变了一切——安全、人员配置、物流、协调,甚至现场人员的用餐安排。
早期协调是使其成功的唯一方法。如果贸易合作伙伴没有时间规划、订购材料和安排团队,你就已经落后了。早期协作也为预制化开辟了道路,这是保持进度的有效方式。如果我们能够在受控环境中建造主要组件,如电气撬装设备、机械机架,甚至结构模块,并将它们完全组装后投放,我们就能节省时间并减少现场劳动时间。这样更快更安全。当你在同一占地面积上管理多栋建筑时,可预测性有助于保持一切同步推进。
这种加速带来的最大挑战是什么?
BB:简单地在项目中增加更多人员并不会使其更高效。同时运行多栋建筑会对空间、进度表和安全造成额外压力。占地面积没有增长,但工作量增加了。你会遇到更多拥堵、更多行业并肩工作,以及更多出错的机会。
即使做了充分的准备,疲劳仍然会出现。这些工作从合同到交付都进展很快,没有缓慢阶段。有些人在这种节奏下茁壮成长,有些人则在一两年后精疲力竭。关键是进行诚实的对话。我们对客户坦诚相告什么是现实的。如果这会危及人员安全或工作开始出现问题,我们一定会说出来。
你如何平衡快速推进与维护现场质量和安全这些相互竞争的要求?
BB:我们在组建团队时将安全放在首位。在Gray,安全和生活质量是我们的核心价值观。
每个工作都不同,没有一刀切的方法。如果范围包括四栋建筑,如果对该项目有意义,我们会部署四个独立的团队。每个执行计划都是根据工作的独特需求量身定制的,基于时间表、复杂性以及正确完成工作的关键因素。协调需要精确,这就是我们领导团队介入管理安全、进度表、采购以及其间的一切,确保整个现场作为一个整体运行的地方。
这就是文化重要的地方。人们需要知道他们得到支持。你必须检查、了解他们的情况,并愿意说"这是不可持续的"。速度是工作的一部分,但我们不能在实现目标的过程中让人们精疲力竭。这是短期胜利和长期问题。
对AI和高密度计算工作负载的需求如何改变数据中心的设计和建造方式?
BB:建筑物的外观可能看起来相同,但内部正在快速变化。AI芯片产生的热量比旧服务器更多,传统的风冷无法处理这些变化。这种转变正推动更多运营商转向液体冷却。
我们多年来在流程制造中设计了类似的技术,如冷却水系统,但将这种液体冷却直接应用于服务器在数据中心世界中仍处于新兴阶段。一些客户正在改造旧建筑,而其他客户则从一开始就围绕液体冷却设计新建筑。
与此同时,电力需求正在激增。40兆瓦的设施曾经是标准,现在是100到120兆瓦——大致足以为8万到10万个家庭供电——整个园区达到千兆瓦。但即使所有当前的扩建计划都在进行中,预计到2030年美国仍将面临超过15吉瓦数据中心容量的短缺。主要驱动因素是对AI就绪基础设施的需求,这带来了更高的功率密度、更快的时间表,以及建设各个阶段的新复杂性水平。
是什么使某些地点比其他地点更适合今天的新数据中心建设?
BB:这真的归结为两个因素:电力和人员。这就是为什么我们看到密西西比州杰克逊或内华达州里诺等地的增长。这些不是传统中心,但它们有可用的电力和当地激励措施。同时,北弗吉尼亚等地正变得饱和。
劳动力同样关键。你可以拥有一个很好的场地和所有正确的许可证,但如果没有足够的持证电工或合格的技工,你就陷入困境。如果你等待太久才确保他们,别人就会抢先一步。电力、劳动力和规划都必须配合,否则项目就无法推进。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。