为AI模型争夺电力资源的竞争已经延伸至太空领域。Meta近日与初创公司Overview Energy签署了一项协议,计划通过近千颗卫星将红外光束传输至太阳能发电场,从而在夜间为数据中心持续提供电力。
数据中心的庞大用电需求
2024年,Meta旗下数据中心的用电量超过18000吉瓦时,大约相当于170万户美国家庭一整年的用电总量。随着AI算力需求持续增长,这一数字还将不断攀升。为此,Meta已承诺建设总计30吉瓦的可再生能源,重点方向是工业级规模的太阳能电站。
然而,太阳能发电存在一个显而易见的短板:夜间无法发电。目前,依赖太阳能的数据中心通常需要配备电池储能系统,或在夜间切换至其他发电来源。
Overview的太空供电方案
总部位于弗吉尼亚州阿什本的Overview Energy成立仅四年,于去年12月正式公开亮相。该公司提出了一套独特的解决方案:在太空中收集充足的太阳能,将其转化为近红外光,再将光束定向传输至地面规模达数百兆瓦级别的大型太阳能电场,由后者将光能转化为电能。
Overview首席执行官马克·贝尔特表示,采用宽幅红外光束为现有地面太阳能基础设施供能,可以有效规避高功率激光或微波传能方案所面临的技术挑战,以及安全和监管层面的种种难题。他强调,直视卫星发出的光束对人体不会产生任何不良影响。
如果这项技术能够实现规模化部署,将大幅提升太阳能电场的投资回报率,同时降低对化石燃料的依赖。
目前进展与合作细节
Overview表示,公司已成功完成从飞机向地面的光能传输演示,并计划于2028年1月发射一颗低地球轨道卫星,开展首次太空光能传输实验。
在此次宣布的合作中,Meta签署了与Overview的首份容量预订协议,计划从其航天器获取最高1吉瓦的电力,但双方是否涉及资金往来目前尚不明确。为配合这份合同,Overview专门创建了一个新的计量单位——"兆瓦光子",即产生1兆瓦电力所需的光能量。
贝尔特预计,履行该协议所需的卫星将于2030年开始陆续发射,最终目标是在地球同步轨道部署1000颗航天器。地球同步轨道是一种高轨道,每颗卫星始终悬停在地球同一位置的正上方。他预计,每颗航天器的在轨服务年限超过10年。
覆盖全球三分之一区域
卫星星座部署完成后,Overview的航天器舰队将能覆盖地球约三分之一的区域,初期部署范围将从美国西海岸延伸至西欧。随着地球自转,当地面太阳能电场进入黄昏或夜间时段,Overview的卫星将从太空持续向其补充光照,维持发电。
贝尔特认为,将太空发电与传输能力结合起来,并灵活向最需要电力的太阳能电场按需输送,蕴藏着巨大的商业机会。
"身处某一个能源市场,与同时覆盖所有能源市场,这两者之间的差距是巨大的。"贝尔特在接受TechCrunch采访时表示。
Q&A
Q1:Overview Energy的太空太阳能传输技术是如何工作的?
A:Overview Energy开发的航天器在太空中收集太阳能,将其转化为近红外光,再通过宽幅光束传输至地面大型太阳能电场,由电场将光能转化为电能。这种方式避开了高功率激光或微波传能方案存在的安全和监管问题,且首席执行官贝尔特表示,直视卫星光束对人体无害。
Q2:Meta与Overview Energy签署的协议具体包含哪些内容?
A:Meta与Overview Energy签署了首份容量预订协议,计划接收最高1吉瓦的太空太阳能电力。Overview还专门为该合同创建了新计量单位"兆瓦光子"。Overview计划2030年前后开始发射相关卫星,最终在地球同步轨道部署约1000颗航天器,每颗预计服务超过10年。
Q3:Overview Energy目前的技术验证进展到哪一步了?
A:Overview Energy已完成从飞机向地面的光能传输演示,验证了基本技术可行性。公司计划于2028年1月发射首颗低地球轨道卫星,开展太空至地面的首次正式光能传输实验,之后逐步推进商业卫星星座的建设部署。
好文章,需要你的鼓励
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
谷歌在Android Show发布会上宣布,将Gemini更深度整合至Android系统,推出名为"Gemini Intelligence"的升级功能。该功能可跨应用处理日常任务,包括自动填写表单、安排日程、生成购物清单及自定义小组件等,无需用户频繁切换应用。此外,Gboard新增"Rambler"功能,可自动过滤语音输入中的口误和填充词。Gemini Intelligence将率先登陆三星Galaxy和谷歌Pixel手机,并支持Android Auto、Wear OS及智能眼镜。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。