微软正在呼吁更多科技公司在覆盖运行人工智能基础设施和数据中心相关的电力成本时"自付费用",而不是让消费者承担这些费用。
这家软件巨头的副总裁兼主席布拉德·史密斯表示,微软已承诺"自付费用",确保其数据中心不会增加普通消费者的电费,其他科技公司也应效仿这一做法。
史密斯进一步指出,美国的电力传输基础设施正在老化,已经在需求重压下不堪重负,而变压器和高压设备供应链受限又阻碍了升级进程。
这种影响使得提升现有电力网络传输容量变得困难,而由于"许可和选址延误",建设新网络可能需要长达十年时间。史密斯在博客文章中写道。
"有人建议人工智能如此有益,公众应该帮助为国家所需的额外电力买单……但我们不同意这种做法,"他继续写道。
"特别是当科技公司如此盈利时,我们认为我们的行业要求公众承担人工智能的额外电力成本既不公平也不现实。相反,我们认为人工智能基础设施的长期成功需要科技公司为自己创造的电力成本自付费用。"
据史密斯介绍,这种做法将确保美国及其人工智能基础设施能够利用"快速增长的电力供应",并保持在人工智能领域的领先地位。
既定目标
如博客文章所述,史密斯分享了微软如何与公用事业提供商和公共机构合作的例子,确保其数据中心的能耗习惯不会给当地社区造成财务负担。"我们的目标很直接:确保为我们数据中心提供电力的成本不会转嫁给住宅客户,"他说。
为防止这种情况,史密斯表示公司要求公用事业提供商为公司设定更高的能源费率,以覆盖其建设、拥有和运营的数据中心的电力成本。
"在一些地区,社区已经开始从这种做法中受益,"他说。"作为我们在威斯康星州数据中心投资的一部分,我们正在支持一种新的费率结构,该结构将向包括数据中心在内的'超大型客户'收取为其提供服务所需的电力成本。"
"这保护了居民,防止这些成本被转嫁,但我们认识到需要确保数据中心社区在各地都能受益,"史密斯说。"我们相信这种做法可以也应该成为其他州的模式。"
公司还承诺与当地公用事业提供商合作,并为其数据中心扩张计划支付电力容量和电网基础设施升级支持费用。"我们还将追求创新,使我们的数据中心更加高效……通过使用人工智能减少能源使用,并在数据中心的设计和管理中改善我们软件和硬件的性能,"他说。
"我们正在与公用事业公司密切合作,利用人工智能等工具改善规划,从现有线路和设备获得更多电力,提高系统韧性和耐用性,并加速包括核能技术在内的新基础设施开发,"史密斯补充道。
"通过将这些创新嵌入数据中心,并直接与当地公用事业公司合作,社区能够获得更高效、更可靠、更好地支持增长而不增加家庭成本的系统。"
国家能源安全与供应
耗电大户人工智能数据中心需求增长对国家能源安全和供应的影响也是英国关注的重点问题,并已持续一段时间,国家电网推出了一系列举措来解决这个问题。
与微软的提议一致,《计算机周刊》也报道了数据中心运营商承诺为其希望建设设施的地区的电网和变电站升级提供资金,作为其规划申请的一部分。
然而在美国,微软的博客发布几天内,美国总统唐纳德·特朗普在社交媒体上发帖称,他的政府正在与"主要美国科技公司"合作,确保美国公民"永远"不必因为数据中心而支付更高的电费。
在帖子中,他说他的团队已经在这个问题上与微软密切合作,"确保美国人不会为其数据中心能耗习惯'买单'"。"建设数据中心的大型科技公司必须自付费用,"特朗普补充道。
Q&A
Q1:为什么微软要求科技公司自付数据中心电力成本?
A:微软认为,当科技公司如此盈利时,要求公众承担人工智能的额外电力成本既不公平也不现实。微软已承诺自付费用,确保其数据中心不会增加普通消费者的电费,并呼吁其他科技公司效仿。
Q2:美国电力基础设施面临什么挑战?
A:美国的电力传输基础设施正在老化,已经在需求重压下不堪重负。变压器和高压设备供应链受限阻碍了升级,建设新网络可能需要长达十年时间,主要是因为许可和选址延误。
Q3:微软如何确保数据中心不增加居民电费?
A:微软要求公用事业提供商为公司设定更高的能源费率,以覆盖数据中心的电力成本。公司还承诺与当地公用事业提供商合作,支付电力容量和电网基础设施升级费用,使用人工智能技术提高数据中心效率。
好文章,需要你的鼓励
旺能环境把乌兹别克斯坦项目的第一份关键文本写成了《Waste Supply Agreement》,把垃圾来源、收费与运营边界先框进协议里,再把工程推进到两年建设期与三十年商业运营期的框架。
浙江大学团队开发的SAFEPRED系统通过赋予AI助手"预见未来"的能力,解决了传统安全防护只能被动应对眼前威胁的局限。该系统能预测操作的长期后果,在97.6%的测试案例中成功识别潜在风险,同时将任务效率提升21.4%。研究还推出了可在普通设备运行的轻量版本,为AI安全防护技术的普及应用奠定了基础。
今天讲的出海案例,是一家以垃圾焚烧发电为核心的环保运营商,借助建造-运营-移交(BOT)模式在乌兹别克斯坦推进项目的故事。
牛津大学联合研究团队发现AI在生成答案前就能预测自己的成功率,这种内部"直觉"可用于智能路由系统。研究揭示AI与人类对问题难度理解存在差异,且随推理深度增加而扩大。基于此开发的路由系统在保持性能下可降低17-70%计算成本,为高效AI部署提供新思路。