根据服务器农场弹性智库Uptime Institute的研究显示,数据中心运营商在收集关键可持续性数据方面正在倒退,这一现象发生在多年进展之后。
该机构第15次年度全球数据中心调查显示,在过去12个月中,运营商在几乎所有指标上收集的可持续性数据量都出现停滞甚至下降。这一结论基于800名数据中心所有者和运营商,以及1000多名供应商和顾问参与今年调查的反馈。
报告详细显示,虽然数据中心的能源消耗仍然是最容易收集数据的指标之一,但监控这一指标的运营商数量相比2024年有所下降。例如,84%的受访者表示他们收集了设施的能源消耗数据,74%的受访者表示他们对站点的电能使用效率(PUE)评分进行同样的收集。
然而,尽管Uptime Institute承认这两个指标是运营商最常跟踪的指标,但收集这些数据的运营商百分比已从2024年的89%(能源消耗)和76%(PUE)下降。
"经过多年的逐步增长,Uptime的年度调查结果显示,自2024年以来,几乎所有指标的可持续性数据收集都停滞甚至下降。虽然PUE和能源消耗仍被广泛跟踪,但整体模式呈静态,"Uptime Institute在报告中表示。
"唯一显示可测量(但轻微)增长的指标是用水量,主要是欧洲增长了5个百分点,这可能是受到欧盟能效指令(EED)的推动,该指令要求报告用水量。"
与此同时,收集其他数据中心可持续性指标数据的运营商数量下降,被归因于世界其他地区采用了"更加放任自流的治理制度"。
"例如,美国证券交易委员会在2024年初放弃了要求气候风险报告(包括温室气体排放)的努力...欧盟委员会推迟了企业可持续性报告指令下的温室气体报告,并打算将许多组织排除在其范围之外,"报告继续说道。
Uptime表示,还有一些"实际考虑因素"可能阻碍运营商收集可持续性数据的努力。"大型扩张项目,如正在开发或最近投入使用的生成式AI数据中心,具有高资源消耗,"报告称。"这使得可持续性目标更难实现,并降低了运营商收集和报告数据的积极性。"
报告补充说,该行业依赖使用电力购买协议和能源属性证书来平衡或抵消其能源消耗和碳排放,这些成本也在不断上升。
报告继续承认,Uptime之前的报告发现的数据表明,许多数据中心运营商可能正在回退他们的可持续性承诺或推迟实现净零目标的截止日期。
"鉴于许多数据中心公司严重依赖抵消来实现这些目标,这些更高的成本可能导致一些运营商悄悄放弃净零目标或完全停止跟踪和报告排放,"报告补充道。
Q&A
Q1:数据中心运营商在可持续性数据收集方面出现了什么问题?
A:根据Uptime Institute的调查,数据中心运营商在收集关键可持续性数据方面正在倒退。在过去12个月中,运营商在几乎所有指标上收集的可持续性数据量都出现停滞甚至下降,包括能源消耗和PUE评分的收集率都有所下降。
Q2:为什么数据中心运营商减少了可持续性数据收集?
A:主要原因包括:世界其他地区采用了更加放任自流的治理制度,美国证券交易委员会放弃了气候风险报告要求;生成式AI数据中心等大型扩张项目资源消耗高,使可持续性目标更难实现;依赖电力购买协议和能源属性证书的成本不断上升。
Q3:哪个可持续性指标的数据收集有所增长?
A:用水量是唯一显示增长的指标,主要是欧洲地区增长了5个百分点。这可能是受到欧盟能效指令(EED)的推动,该指令要求报告用水量。而其他指标如能源消耗和PUE的收集率都出现了下降。
好文章,需要你的鼓励
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
牛津大学提出PHYSIFORMER,一种扩散变换器模型,通过三维网格顶点轨迹直接在世界坐标空间预测刚性与弹性物体的物理运动,一次性生成全序列轨迹,超越自回归基线。
本文提出一种评估人工智能风险的新方法,借鉴生态学与演化论视角,从理论生态模型中推导出三项风险指标,涵盖种群模型与生态系统模型。研究旨在为AI治理策略提供量化工具,并对分析局限性及政策改进方向进行了深入探讨,为构建更科学的AI风险评估体系提供参考框架。
研究发现主流奖励模型对同等质量答案给出差异悬殊的分数,并提出"奖励聚类"算法通过蒙特卡洛随机失活将连续分数离散化,在不重训模型的前提下有效减少AI训练中的奖励作弊现象。