随着人工智能和电动汽车的快速发展,全球电力需求激增,电网正面临巨大压力。
初创公司Yottar应运而生,专注于绘制电网容量地图,帮助企业找到合适的位置建设新的数据中心、电动汽车充电站和其他高耗能设备。
"电气化超级周期与人工智能数据中心热潮相互碰撞,这使得电网运营商在处理积压需求时倍感压力,"Yottar联合创始人兼首席执行官Peter Clutton-Brock在接受TechCrunch采访时说道。
他举例说:"以伦敦周边地区为例,大型数据中心的电网容量几乎已经被全部占用。现在的问题不是是否还有剩余容量,而是电网升级何时能够到位。"
随着老旧电网日益紧张,像Yottar这样的初创公司纷纷涌现,帮助用电企业应对这些挑战。一些公司如Gridcare专注于寻找现有的未使用容量,说服公用事业公司释放比声称更多的可用空间。
Yottar采用了不同的方法。该公司不是争论现有容量的问题,而是创建详细地图,精确显示电网容量的具体位置以及每个地点的可用电力容量。
"市场上还有其他几家公司在这个领域竞争,不同的公司处理略有不同的应用场景,"Clutton-Brock说道。"我们瞄准的应用场景是中等规模的需求开发商,即用电而非发电的用户。"一般来说,这些项目的用电需求在1到5兆瓦之间。
Yottar的客户包括特斯拉和英国国家医疗服务体系(NHS)。特斯拉使用这家初创公司的SaaS产品来选择新超级充电站的站点并升级现有充电站。NHS使用Yottar平台识别能够安装电动汽车充电器的诊所和医院,还在规划太阳能电池板和电池安装或确定新放射科建设位置时使用该平台。
"他们无法承担逐个现场评估的成本,"Clutton-Brock说道。
该初创公司最近完成了由Haatch领投的100万美元种子前轮融资,Cape Capital和天使投资人参与了投资。Yottar还向TechCrunch独家透露,正在推出一项新功能,允许企业快速确定哪些位置可能支持升级或新设备安装。
Yottar的大部分数据直接来自配电网络,监管机构要求这些网络公开此类信息。该公司还授权使用非公开的私有数据,并使用客户成功电网连接的匿名数据更新自己的记录。
目前,客户按座位数付费,并根据评估站点数量支付使用费。Clutton-Brock表示,咨询公司是该公司目前的主要竞争对手。"这是人们目前的替代选择,但对于小规模需求开发商来说,这种方式并不可行。"
目前,Yottar在英国运营,但Clutton-Brock着眼于在美国和其他地区扩张。"这个问题绝对是国际性问题,需要国际化解决方案,"他说道。
Q&A
Q1:Yottar是什么公司?主要做什么业务?
A:Yottar是一家专注于绘制电网容量地图的初创公司,帮助企业找到合适的位置建设新的数据中心、电动汽车充电站和其他高耗能设备。该公司创建详细地图,精确显示电网容量的具体位置以及每个地点的可用电力容量。
Q2:特斯拉和英国国家医疗服务体系如何使用Yottar的服务?
A:特斯拉使用Yottar的SaaS产品来选择新超级充电站的站点并升级现有充电站。英国国家医疗服务体系使用Yottar平台识别能够安装电动汽车充电器的诊所和医院,还在规划太阳能电池板和电池安装或确定新放射科建设位置时使用该平台。
Q3:Yottar的数据来源是什么?如何获取电网容量信息?
A:Yottar的大部分数据直接来自配电网络,监管机构要求这些网络公开此类信息。该公司还授权使用非公开的私有数据,并使用客户成功电网连接的匿名数据更新自己的记录。
好文章,需要你的鼓励
人工智能代表着第四次工业革命的到来,它不仅是机械化工具,更是全球范围内增强、合作和颠覆的催化剂。AI已深度融入日常生活,在医疗、国防、金融和公共治理等领域发挥变革作用。与以往技术不同,AI能够增强人类决策能力,提升效率和创新。然而,算法偏见、网络安全威胁和隐私问题等风险不容忽视。未来AI发展需要政府、企业和学术界协调合作,建立伦理、法律框架,确保AI成为推动人类进步的积极力量。
腾讯微信AI团队开发的ComoRAG系统通过模仿人脑认知机制,让AI具备了动态记忆和循环推理能力,在长文本理解任务上相比传统方法准确率提升高达11%。该系统采用三层知识组织结构和五步认知循环过程,能够像侦探破案一样主动探索线索、整合信息、构建完整推理链条,特别在处理复杂叙事推理问题时表现优异,标志着AI从信息检索工具向智能推理伙伴的重要转变。
随着现代AI技术对数据中心基础设施提出新要求,"AI数据中心"一词使用日益频繁。然而,这一术语的定义仍不清晰,AI数据中心与传统数据中心的区别并不明显。AI数据中心通常具备更大容量、GPU加速硬件、优化网络设备、高效冷却系统等特征,但这些特性并非AI独有。与其投资专门的AI设施,企业或许应考虑改造现有数据中心来支持AI工作负载。
新加坡南洋理工大学团队开发的4DNeX系统实现了从单张照片生成完整4D动态场景的突破。该技术采用6D视频表示法融合RGB颜色和XYZ空间信息,构建了包含920万帧数据的4DNeX-10M大规模数据集,通过改进视频扩散模型实现15分钟内的高效生成,在动态程度和一致性指标上显著优于现有方法,为虚拟现实、影视制作等领域提供了新的技术路径。