人工智能驱动的数据中心建设热潮持续升温,谷歌母公司Alphabet宣布收购能源基础设施公司Intersect,而埃隆·马斯克的xAI公司也计划在田纳西州现有庞大设施基础上进一步扩张。
随着新年到来,有一件事似乎注定会持续下去,那就是为开发和运营更大规模AI模型而争夺更多数据中心容量的竞赛。
Alphabet表示已签署最终协议,将以47.5亿美元现金收购Intersect,并承担其债务。谷歌此前已通过早期融资轮持有该公司少数股权。
此次收购将为谷歌提供Intersect"数千兆瓦"能源资源的使用权,以及其正在开发的数据中心项目。Intersect声称正在探索一系列新兴技术来实现能源供应多样化。
不过,Intersect将继续作为独立品牌运营,与Alphabet和谷歌保持分离,并继续由现任首席执行官谢尔顿·金伯领导。
值得注意的是,谷歌并不会通过这笔交易获得Intersect的全部资产。位于德克萨斯州和加利福尼亚州的资产将由现有投资者收购,作为独立公司运营。据金伯介绍,这家公司将继续建设新资产,包括世界上最大的电池储能系统。
双方坚持认为,这笔交易将能够推进数据中心基础设施建设,同时不会将成本转嫁给电网用户。
谷歌和Alphabet首席执行官桑达尔·皮查伊表示:"Intersect将帮助我们扩大容量,在建设新发电设施与新数据中心负载同步发展方面更加敏捷地运营,并重新构想能源解决方案,推动美国在创新和领导力方面的发展。"
金伯在博客文章中表示,这次合并是两家公司现有合作关系的逻辑延伸。
他说:"事实是,现代能源基础设施现在处于美国在AI领域竞争力的核心位置。我们深信,能源创新、社区投资和资源的负责任使用是未来发展的支柱。"
金伯补充说:"当今的AI被困在美国最慢、最古老的行业之一背后:电力行业。国家拥有满架的GPU,但无法通电,因为没有足够的电力供应。"他认为现有电网"不是为AI时代而建"。
与此同时,马斯克的xAI据说正在建设第三个设施来容纳更多基础设施。在社交媒体平台X(原Twitter)的一篇帖子中,他声称xAI已经收购了一栋建筑,这将使其训练计算资源扩展到近2吉瓦的容量。
根据其他报道,这第三个设施包括位于密西西比州南黑文的一个大型仓库,就在其田纳西州孟菲斯现有站点的边界对面。我们已向xAI寻求确认。
所有这些疯狂扩张都掩盖了行业内日益蔓延的担忧,即AI这趟财富列车可能很快就会脱轨。许多大型企业都参与了循环交易,IT公司向他们投资数十亿美元,然后他们用这些现金从同样的公司购买所需的基础设施。
许多投资者也开始质疑AI产品是否能够产生足够的收入来偿还所有这些投资。一家研究公司还声称,由于当前供应商承诺与现实之间的差距,大型组织将推迟大部分计划的AI支出至2027年。
Q&A
Q1:谷歌为什么要收购Intersect公司?
A:谷歌收购Intersect是为了获得数据中心建设所需的能源资源。Intersect拥有"数千兆瓦"的能源资源和正在开发的数据中心项目,这将帮助谷歌扩大AI模型开发和运营所需的数据中心容量。
Q2:xAI公司在做什么扩张?
A:埃隆·马斯克的xAI公司正在建设第三个设施来扩展其基础设施。据报道,xAI已收购了一栋建筑,将使其训练计算资源扩展到近2吉瓦的容量,新设施位于密西西比州南黑文。
Q3:AI行业的扩张存在什么风险?
A:AI行业面临投资回报的质疑。许多大型企业参与循环交易,IT公司投资数十亿后又从同样公司购买基础设施。投资者开始质疑AI产品能否产生足够收入偿还投资,且有研究显示大型组织可能推迟AI支出至2027年。
好文章,需要你的鼓励
VSCO今日更新VSCO Capture应用,新增视频拍摄功能。用户现可在拍摄照片和视频时应用并调整VSCO的50多种滤镜预设,包括经典胶片到现代创作风格。新版本还推出胶片颗粒滤镜,可动态控制纹理强度、大小和色彩。用户能将颗粒滤镜叠加到Film X滤镜上,结合柯达、富士和爱克发胶片风格,保存个性化胶片配方。
瑞士ETH苏黎世联邦理工学院等机构联合开发的WUSH技术,首次从数学理论层面推导出AI大模型量化压缩的最优解。该技术能根据数据特征自适应调整压缩策略,相比传统方法减少60-70%的压缩损失,实现接近零损失的模型压缩,为大模型在普通设备上的高效部署开辟了新路径。
Instagram负责人Adam Mosseri表示,AI生成内容已经占据社交媒体主导地位,预计将超越非AI内容。他认为识别AI内容的技术效果不佳,建议转而为真实媒体建立指纹识别系统,由相机制造商在拍摄时进行加密签名。Mosseri还指出,创作者应优先发布"不完美"的原始图像来证明真实性,因为精美方形图片的时代已经结束。
弗吉尼亚大学团队创建了Refer360数据集,这是首个大规模记录真实环境中人机多模态交互的数据库,涵盖室内外场景,包含1400万交互样本。同时开发的MuRes智能模块能让机器人像人类一样理解语言、手势和眼神的组合信息,显著提升了现有AI模型的理解准确度,为未来智能机器人的广泛应用奠定了重要基础。