最近围绕 DeepSeek 的讨论凸显了数据中心领域持续创新的必要性。尽管关于是否需要减少数据中心的争论仍在继续,但它们对 AI 发展仍然至关重要。同时,人们对用水量、能源消耗和环境影响的日益关注,突显了将增长与可持续发展及社区期望相协调的紧迫性,这也凸显了该领域需要新的思维方式。
与其他公共或商业基础设施不同,数据中心的效用和目的往往难以被公众理解。从历史上看,它们安静、匿名的"黑盒子"形象具有优势,能够为客户提供简化、无投诉的流程。然而,不断增长的环保意识和各行业对问责制的要求日益增加,突显了数据中心需要进化的必要性。该行业必须在开发过程中更有意义地与社区互动,并积极展示其作为好邻居的价值。
目前,在传统规划流程中,社区参与通常在方案启动 18 个月后才开始,而此时关于选址和资源使用的关键决策已经做出。在这个阶段,组织可能面临不可预测的公众反应,当地居民的反对可能迅速影响项目时间表——特别是在已经面临水资源短缺、能源竞争或对数字经济环境影响有更广泛担忧的地区。
重新思考社区关系
显然,这种被动的方法已不再适用。为了在日益增长的压力下蓬勃发展,数据中心行业必须重新思考其与所进入社区的关系。与其将公众参与视为事后考虑,不如让规划过程从人开始?
现在,重新想象开发时间表。如果从一开始就优先考虑面向公众的参与会怎样?想象一个数据中心运营商在一个中等城市附近购买一块土地用于建设新的数据中心园区。不是几个月后才提出一个完整的计划,而是通过询问社区来开始对话:"我们如何在成为你们的邻居的同时改善环境?"
虽然商业可行性至关重要,但早期参与和协作可以在不大幅增加成本的情况下带来积极成果。通过优先考虑本地供应商和工人,项目可以加强其提案,并为社区带来改善景观、提升生态和增加社会价值等好处。超过一半的数据中心都是在城镇郊区或农村地区以园区形式开发,这为使这些开发项目更具吸引力提供了重要机会。
这种方法为当地居民提供了影响和塑造项目非技术要素的机会,促进了数据中心与社区之间更紧密的联系。让开发团队和本地团体尽早聚在一起,有助于更好地理解该地区的特点和需求,帮助确定可以共同实现的目标。
数据中心可以通过四种实用方式造福社区:
生成本地可再生能源:整合太阳能、风能或绿色氢能的数据中心可以与社区共享多余电力。
改善公共空间:数据中心周边的景观设计可以提供新的休闲设施并提升生物多样性。
提升互联网连接:本地社区应该从数据中心为自身运营开发的快速稳定的互联网连接中受益。
创建技术中心:数据中心园区可以规划为其他技术和科研组织及企业的更大型中心的一部分,促进本地经济发展。
对于空间有限的城市环境中的数据中心,"先倾听"的理念仍然有价值。在这些情况下,重点可能转向教育计划,如培训项目或与当地学校和大学的合作。早期公众参与确保城市项目与居民的需求和优先事项保持一致,同时解决他们的担忧。
这种包容性方法使所有利益相关者受益:对地方当局而言,它支持更广泛的可持续发展和净零目标;对社区而言,它带来切实的好处,明确数据中心对该地区的影响和价值。
无论是在城市还是农村环境中,人工智能和其他数字技术推动的对数据中心日益增长的需求,为该行业提供了重新定义自己的独特机会和责任。通过拥抱透明度和早期协作,数据中心可以超越其"黑盒子"形象,成为社区不可分割的一部分。
这种转变不仅仅是为了获得规划许可——它是关于重新定义该行业的社会运营许可。通过在可持续发展方面的领导力和有意义的社区参与,数据中心可以展示其作为积极力量的角色——支持经济增长、促进创新,并作为好邻居为当地韧性做出贡献。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。