日本航运巨头商船三井(Mitsui OSK Lines)与可再生能源公司Kinetics合作,开发他们所称的全球首个集成浮动数据中心平台。
根据双方签署的谅解备忘录,两家公司将在改装船舶上托管的先进数据中心的设计、建设和部署方面展开合作。
该设施将获得来自多种来源的不间断专用电力供应,并可选择集成陆基电网、岸上太阳能发电场、海上风能或其他发电解决方案。
"这一合作伙伴关系结合了Kinetics在移动能源基础设施方面的专业知识和商船三井在海事和海上物流方面的丰富能力,以应对全球对数字基础设施激增的需求,"两家公司在联合声明中表示。
浮动数据中心平台将由多种能源供电,包括海上风能和太阳能。
根据两家公司的说法,浮动平台将提供"可扩展、移动且快速部署的替代方案",作为传统陆基数据中心的替代选择,有助于克服"电力限制、土地稀缺和许可延误的挑战"。
Kinetics的母公司Karpowership在集成浮动电力解决方案方面拥有超过20年的运营经验,在19个国家拥有超过10,000兆瓦的装机容量。
"通过将移动发电与浮动数据基础设施相结合,我们正在解决关键的市场瓶颈,同时实现更快、更清洁、更灵活的数字容量扩展,"Kinetics首席执行官Mehmet Katmer表示。
首个浮动数据中心项目预计将于2027年部署。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。