(Bloomberg) -- 据知情人士透露,拜登政府计划简化地热能源开发的审批流程,这是一项旨在促进 AI 数据中心基础设施发展的综合行政命令的一部分。
据消息人士称,官员们计划在下周内发布相关规定,但具体时间可能会有变动。知情人士表示,这些措施包括建立公司在联邦土地上建设数据中心的竞争性流程,以及加快地热能源和核能开发的审批程序。这些知情人士要求匿名以讨论私下对话内容。
与拜登政府末期发布的其他法规一样,特朗普一旦上任,可能会一笔勾销这些新规定。
例如,特朗普政府预计将撤销拜登此前关于 AI 安全的行政命令。
但与拜登一样,特朗普也将数据中心的发展视为国家安全优先事项,并承诺将释放包括可再生能源在内的各种能源形式,以支持人工智能的巨大需求。
白宫发言人周二晚间拒绝对此发表评论。
在周二的新闻发布会上,特朗普承诺将加快对其中东重要盟友、达马克集团主席侯赛因·萨吉瓦尼可能投资 200 亿美元的数据中心项目的环境审查。特朗普表示:"很多人没有意识到 AI 将成为一件大事,但我们至少需要现在双倍的电力供应。"
简化审批要求一直是 OpenAI 的山姆·奥特曼和 Nvidia 首席执行官黄仁勋等商界领袖的首要目标。他们几个月来一直在敦促白宫制定围绕国内 AI 基础设施的全面战略。据知情人士称,根据拜登的行政命令草案,内政部将设立地热能源优先区,以实现地热能源总许可容量的目标。
阅读更多最新的数据中心能源和电力供应新闻
消息人士称,国防部和能源部还将确定目前由联邦机构拥有的、可用于建设大规模数据中心的场地。
在政府土地上的设施将需要遵守物理和网络安全要求,并受外国融资限制。企业必须将其数据中心计算能力的一小部分用于国家 AI 研究,同时还要负责基础设施建设和开发成本。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。