住宅太阳能与储能公司Sunrun近日启动了一项试点计划,旨在将配备太阳能电池板和储能系统的家庭住宅,转变为大规模分布式AI计算网络的一部分,并向参与计划的屋主支付报酬。
该计划的核心思路是在参与屋主的住宅内安装AI计算节点——即分布式系统中的服务器单元。Sunrun将把这些节点汇聚成的计算能力出售给企业客户,同时为参与计划的屋主提供一定收益。这标志着Sunrun正在从家庭可再生能源和虚拟电厂业务,向AI基础设施领域延伸。
Sunrun拥有超过110万现有客户,希望借助这一庞大网络来处理AI推断工作负载,而非斥资新建大型数据中心。所谓推断,是指经过训练的AI模型在响应用户请求时的运行阶段。与需要大量图形处理器(GPU)的AI模型训练不同,推断工作负载可以分散在众多小型节点上运行,且更靠近终端用户有助于降低延迟。
Sunrun表示,公司已完成概念验证,证明了客户需求的真实性以及创收的可行性。目前,Sunrun正在不同运营条件和电价结构下,向参与家庭部署计算节点,以评估性能表现和屋主使用体验。
这一试点计划的推出,恰逢AI企业纷纷争抢电力和计算资源的关键时期。由于许可审批、工程建设和电网接入等环节的延误,新建数据中心往往需要数年时间。Sunrun认为,其现有的太阳能和储能住宅网络,能够以远超传统数据中心的速度提供计算能力。
在潜在优势方面,Sunrun指出,由于计算节点位于客户电表后端并与家用储能电池配合使用,即便发生部分停电,节点仍可维持运行,同时也能缓解电网拥堵压力。此外,Sunrun现有的服务网络可支持大规模部署,无需重新建设全新基础设施。
参与试点的屋主将获得托管设备的补偿,Sunrun希望这能成为屋主除屋顶太阳能节电、储能收益和虚拟电厂项目之外的又一收入来源。
此次AI试点计划与Sunrun此前宣布的另一合作项目相互独立——此前,Sunrun已与Renew Home和特斯拉达成合作,计划为电力公司和大型云计算服务商整合超过16吉瓦的灵活家庭能源容量。这些举措共同表明,业界正越来越多地将住宅能源系统视为应对AI快速增长用电需求的解决方案之一。
Sunrun计划在未来几个月内持续推进试点,再决定是否扩大规模。目前,公司已与企业计算客户、电力公司及住宅建商就更大范围的推广方案展开初步洽谈。
Q&A
Q1:Sunrun的分布式AI计算试点计划是怎么运作的?
A:Sunrun在配备太阳能电池板和储能系统的家庭住宅中安装AI计算节点,这些节点汇聚后形成分布式计算网络,用于处理AI推断工作负载。Sunrun将这些计算能力出售给企业客户,同时向参与的屋主支付托管报酬。屋主无需自己管理设备,整个系统依托Sunrun现有的服务网络运营。
Q2:为什么AI推断工作负载适合放在家庭住宅中运行?
A:AI推断是已训练模型响应用户请求的运行阶段,对算力集中程度的要求远低于模型训练阶段,因此可以分散部署在多个小型节点上。将计算节点部署在靠近用户的住宅中,还能有效降低网络延迟。此外,与家用储能电池结合后,这些节点在部分停电情况下仍可持续运行,具备一定的稳定性优势。
Q3:Sunrun的住宅计算网络与传统数据中心相比有哪些优势?
A:主要有三点优势:一是部署速度更快,传统数据中心因审批和建设周期往往需要数年,而Sunrun可利用超过110万现有客户的住宅快速扩展;二是电网压力更小,计算节点位于电表后端并配合储能电池运行,有助于缓解电网拥堵;三是基础设施复用率高,Sunrun现有的服务网络可直接支持大规模部署,无需从头建设新的运维体系。
好文章,需要你的鼓励
华中科技大学等机构构建SciIR框架,通过8万张科学图像数据集和原子化评测基准,系统解决AI生成科学示意图时"外表合理、内核错误"的核心难题。
美国国家科学基金会(NSF)向五支新入选团队拨款2000万美元,重点推进容错计算、量子网络与新一代传感技术研究,作为国家量子虚拟实验室计划的组成部分。九支设计团队分布于全美20个州,合作伙伴涵盖NASA、NIST及英伟达、IonQ等企业。相关技术有望降低数据中心能耗、突破网络瓶颈,为AI基础设施提供支撑,但距商业化部署仍需数年。
韩国科学技术院提出RAHA方法,将图文数据提升到双曲空间,通过范围-残差子空间分解实现选择性语义压缩,用极少合成数据高效训练图文检索模型。