Meta平台公司已向美国联邦监管部门申请进入批发电力市场销售电力的资格。
这家拥有Facebook的公司于周二向联邦能源监管委员会提交了申请文件,寻求获得"销售电力、容量和特定辅助服务"的授权。
对于Meta、微软公司和谷歌等大型科技公司来说,购买更多电力已成为一个日益紧迫的挑战。这些公司都在竞相开发更先进的人工智能系统和工具,而这些系统以资源密集型著称。
Meta通过其子公司Atem Energy提交了这一申请。Meta的代表表示,公司参与能源市场是合乎逻辑的举措。
根据申请文件显示,Atem Energy是专门成立的电力营销公司,负责在美国批发市场销售电力、容量和相关服务。
Q&A
Q1:Meta为什么要申请进入电力交易市场?
A:Meta申请进入电力交易市场主要是为了应对人工智能发展带来的巨大电力需求。该公司正在竞相开发更先进的人工智能系统和工具,而这些系统以资源密集型著称,对电力的需求急剧增长。
Q2:Meta通过什么方式进入电力市场?
A:Meta通过其子公司Atem Energy向联邦能源监管委员会提交申请,寻求获得"销售电力、容量和特定辅助服务"的授权,该子公司专门负责在美国批发市场销售电力、容量和相关服务。
Q3:还有哪些科技公司面临同样的电力需求挑战?
A:微软公司和谷歌等大型科技公司都面临着同样的电力需求挑战。这些公司都在竞相开发更先进的人工智能系统和工具,购买更多电力已成为它们日益紧迫的挑战。
好文章,需要你的鼓励
卢森堡大学研究团队开发的RLDP框架首次将强化学习应用于差分隐私优化,创造性地解决了AI训练中隐私保护与模型效果的矛盾。该方法如同智能教练,能动态调整隐私保护策略,在四种语言模型上实现平均5.6%的性能提升和71%的训练时间缩短,同时增强了抗隐私攻击能力,为敏感数据的AI应用开辟了新路径。
这项由北京大学人工智能研究院完成的研究,首次从数据压缩理论角度揭示了大型语言模型存在"弹性"现象——即使经过精心安全对齐,模型仍倾向于保持预训练时的行为分布。
腾讯混元团队联合北京大学提出MixGRPO技术,通过混合ODE-SDE采样策略和滑动窗口机制,将AI图像生成训练效率提升50%-71%,同时在多项人类偏好评估指标上超越现有方法。该技术采用"从难到易"的渐进优化策略,专注于图像生成早期阶段的重点优化,并引入高阶求解器进一步加速训练过程,为AI图像生成的产业化应用提供了更高效可行的解决方案。