Nvidia 于周四宣布与电力行业研发机构 EPRI 合作,利用 AI 解决电网面临的问题。颇具讽刺意味的是,这些问题很大程度上是由 AI 本身带来的用电需求增长所导致的。
开放电力 AI 联盟 (Open Power AI Consortium) 包含多家电力公司和科技企业,该联盟表示将使用领域特定的 AI 模型来设计新的解决方案,以应对电力行业在未来几年预计将面临的问题。这些模型将开源并向学术界和产业界的研究人员开放。
随着 AI 增加了对计算能力的需求,美国及其他地区的数据中心面临着电力需求激增的问题。根据国际能源署的数据,未来几年电力需求预计每年增长 4%,几乎是 2023 年数据的两倍。
除了 Nvidia 和 EPRI 外,该联盟还包括 PG&E、Con Edison、Constellation Energy、Duke Energy、田纳西河谷管理局以及 NEOM 的能源和水务公司 ENOWA。在科技领域,Microsoft 和 Oracle 也都是成员。
为了在这一趋势中保持领先,科技公司们一直在竞相确保发电容量,因为电力已经从简单的成本项目转变为竞争优势。
在过去一年左右的时间里,科技公司持续签订新合同。这些合同主要集中在可再生能源项目上,主要是由于太阳能的低成本、模块化特性以及快速部署能力。
例如,Microsoft 最近在其可观的可再生能源组合中新增了 475 兆瓦的太阳能发电量。去年,它成为 Acadia 运营的一个 90 亿美元可再生能源开发项目的主要投资者,而在此之前,它表示正与 Brookfield 资产管理公司合作,计划在美国和欧洲部署 10.5 吉瓦的可再生能源,这些项目预计将在 2030 年前投入使用。
虽然新的电力来源可能是解决电力短缺最明显的答案,但这并不是唯一的解决方案。
最近的一项研究发现,通过在电网用电高峰期间削减用电量,包括将非时间敏感的任务转移到低需求期间,美国可以释放额外 76 吉瓦的容量。这个数字并不小,约占美国峰值需求的 10%。
这类解决方案很可能是这个新联盟将要探索的方向之一。
好文章,需要你的鼓励
今天讲的出海案例是开创电气,一家金华手持式电动工具制造商,在越南基地完成首款产品验收并形成80万台年产能力。
本文介绍了中国科学院自动化所的研究,揭示了大型语言模型在多轮工具调用强化学习中崩溃的根本原因,并系统评估了五种监督信号对训练稳定性和泛化能力的影响。
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、MIT等机构联合发布GauntletBench,测试显示最强AI智能体完成率仅19%,而普通人类完成率超80%,揭示AI在时间感知、图形理解和三维推理上的真实短板。