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
AI技术发展推动数据中心基础设施重构,新一代AI加速器使机架密度超过100千瓦,部分高达600千瓦,传统冷却系统面临极限。液体冷却市场年复合增长率达20%,成为增长最快的数据中心冷却细分领域。这不仅是冷却升级,更是架构演进。支持高密度AI工作负载需要从设施设计、散热、管道到配电和机架集成的全面重新思考,热管理已成为跨学科挑战。
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
高通发布新款骁龙X2 Elite Extreme笔记本处理器,经测试其性能已与苹果M4芯片基本持平。然而这种平衡可能无法持久,因为苹果预计将在明年上半年推出M5芯片,届时将重新拉开性能差距。尽管高通成功实现了英特尔未能做到的追赶,但当搭载骁龙新芯片的PC笔记本上市时,苹果可能已经再次领先。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。