3月23日,丹佛斯联合丹麦王国驻华大使馆举办“数据中心绿色发展”主题研讨会,并正式发布《绿色低碳数据中心》研究报告(以下简称“报告”)。报告提出,通过能效提升、余热回收与灵活调度等手段,数据中心可显著提升电网韧性并降低系统成本,实现从单一“能耗大户”向“新型能源资产”转型。
丹麦驻华大使孔墨客(Michael Starbæk Christensen)、相关行业主管部门代表、丹佛斯集团总裁兼首席执行官方行健、丹佛斯中国区总裁徐阳,以及来自中丹两国产业界和行业协会的代表共同出席活动,就数据中心的绿色转型展开深入探讨。

丹麦驻华大使孔墨客在致辞中表示:“中国数据中心产业规模与创新速度全球领先,而丹麦在绿色创新领域拥有深厚的技术积淀。我们期待将丹中两国的优势深度结合,共同探索数据中心绿色高效发展的有效路径,为全球绿色转型贡献可复制的范本。”
随着数字化浪潮与全球人工智能算力需求的爆发式增长,数据中心正迎来前所未有的扩张周期。据预测,未来几年其电力需求将翻倍,占全球总用电量的比例将达到3%。作为数字经济的基石,数据中心正面临电网承载力不足、资源利用率亟待提升等多重挑战。
丹佛斯集团总裁兼首席执行官方行健说:“我们必须重新定义数据中心的角色。若能将其有效融入本地能源生态,协同可再生能源与电网灵活性需求,数据中心将从能耗大户转型为能源系统的宝贵资产。这不仅能增强能源系统韧性,更能帮助终端用户抵御电价飙升的风险。”

报告基于国际能源署等权威机构的数据并结合全球最佳实践,为包括中国在内的全球数据中心绿色发展提供了系统性解决方案。报告指出,数据中心可通过四大路径实现角色升级:
能效提升是降低数据中心资源消耗最为经济快捷的方式。通过应用传感器、变频器以及人工智能辅助控制系统,可将数据中心冷却系统能耗降低10%至20%,且投资回报周期短;而采用高效液冷技术,更可在此基础上进一步节电15%以上,并显著减少水资源消耗。
通过科学选址与系统规划,数据中心产生的余热可被高效回收,用于周边住宅、商业及工业区域的供暖。国际能源署预测,到2030年,全球数据中心余热有望满足欧洲约10%的室内供暖需求。这一模式在中国同样具备广阔的应用前景,并已通过实际项目验证其可行性与经济性。
数据中心可通过将非紧急计算任务移出用电高峰时段,有效缓解电网高峰负荷压力。这种灵活的运营模式不仅能降低约5%的用电成本,还可减少高达40%的二氧化碳排放,实现经济效益与环境效益的双赢。
国际能源署研究显示,通过人工智能优化交通、建筑和重工业等领域的能效管理,有望在2035年实现相当于全球能源相关排放量5%的减排。这凸显了人工智能在提升整个能源系统韧性与可靠性方面的巨大潜力。
报告提出的方案已在中国市场得到成功验证。以天津武清清数科技园为例,该项目已成功实现数据中心余热回收,用于周边建筑的冬季供暖、夏季供冷及生活热水供应,每年可减少用电110万千瓦时,减少二氧化碳排放约1,659吨,增量投资回收期不到3年。
数据中心是全球能源系统优化中最具潜力的关键基础设施。在相关措施的支持下,数据中心完全有能力转化为支撑能源转型的重要资产,不仅能降低自身环境足迹,更能助力构建强韧、高效、响应敏捷的新型能源系统。而中国,正是这一变革中最具潜力的市场之一。
方行健表示:“中国‘东数西算’工程这一富有远见的战略布局,有力推动了数字经济与绿色能源的深度融合,展现了数字基础设施与能源系统协同演进的中国路径,有望为其他国家和地区提供可借鉴的新范式。”
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。