数据中心产生的热岛效应会使周围环境温度升高数度,影响范围可达10公里(超过6英里),这可能对周边社区产生重要影响。
这一发现来自剑桥大学的研究团队,他们在当前AI热潮导致服务器农场激增的背景下,对大型服务器农场的散热情况进行了深入研究。
他们的论文尚未经过同行评议,研究声称在数据中心开始运营后,周围地表温度升高了0.3°C到9.1°C,平均升幅在1.5°C到2.4°C之间。
这种效应在10公里外仍可测得,尽管在约7公里处强度会减少30%。论文显示,在距离典型AI数据中心4.5公里范围内,平均每月地表温度升高1°C,这与城市热岛效应的观测结果相当。
论文指出,全球服务器农场容量正在快速增长,预计该行业将成为未来十年最耗电的行业之一,数据处理的电力消耗预计在三到五年内将超过制造业所需的电量。
由于AI热潮,超大规模运营商在基础设施方面的支出在过去三年中增长了两倍,每季度新增的容量也在不断增加,到去年年底已增长170%。
一个结果是,大型服务器农场的全球用电量预计到2030年将增长一倍以上,AI被认为是最大的推动因素。
论文进一步指出,因此可以合理预期数据中心和AI超大规模活动对环境的影响"可能不容忽视"。
事实上,这些AI工厂在绝大多数情况下都依赖化石燃料发电。因此,AI训练和各种应用使用的急剧增长将转化为排放的显著增加。
例如,在美国,去年在建的燃气发电厂项目几乎增长了两倍,AI数据中心对电力的需求正导致燃煤发电厂的复苏。
仅考虑数据热岛效应,论文声称全球可能有多达3.43亿人受到影响,因此它可能(像城市热岛效应一样)对福利、医疗保健和能源系统产生影响。
然而,作者指出,技术进步可以减轻热岛效应,如更节能的电子设备或使AI训练更高效的计算方法,从而降低功耗。
这篇题为"数据热岛效应:量化AI数据中心在变暖世界中的影响"的论文被《新科学家》杂志重点报道。
该杂志引用论文主要作者安德里亚·马里诺尼博士的话说,结果令人惊讶,未来可能成为一个大问题。
"我想传达的信息是在设计和开发数据中心时要小心,"他告诉他们。
企业基础设施高级研究总监弗拉德·加拉博夫评论说,这项工作是一个单一的早期分析,尚未经过独立复制或同行评议,其声明应谨慎对待。
他告诉《注册报》,该研究还考察了地表温度(屋顶、柏油路和地面在阳光下的温度)的变化,而不是人们实际体验的近地表空气温度。
"因此,他们看到的信号最好被理解为新建大型建筑、铺装区域和相关基础设施产生的城市热岛效应的另一个例子,而不是数据中心废热显著加热整个社区的明确证据。"
"简单的物理学表明,即使是非常大的数据中心,当分布在数公里范围内时,也只贡献了很小的额外热流量,因此观察到的大部分效应可能是由土地利用和地表覆盖变化驱动的,而不是AI计算本身。"
Q&A
Q1:剑桥大学的研究发现数据中心对周围温度有什么影响?
A:研究发现数据中心会产生热岛效应,使周围地表温度升高0.3°C到9.1°C,平均升幅在1.5°C到2.4°C之间。这种影响范围可达10公里,在4.5公里范围内平均每月温度升高1°C。
Q2:为什么AI数据中心的热岛效应会成为问题?
A:随着AI热潮,全球服务器农场容量快速增长,预计到2030年用电量将增长一倍以上。这些设施主要依赖化石燃料发电,可能影响全球3.43亿人,对福利、医疗保健和能源系统产生影响。
Q3:有什么方法可以减轻数据中心的热岛效应?
A:研究者指出,技术进步可以减轻热岛效应,包括开发更节能的电子设备和使AI训练更高效的计算方法来降低功耗。不过专家也提醒,大部分观察到的效应可能来自土地利用变化而非AI计算本身。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。