看似整个世界都在依赖 AI 来提升未来效率,但从可持续发展的角度来看,这对地球究竟意味着什么?
高盛研究估计,到 2027 年,全球数据中心对电力的需求将比 2023 年增长 50%,这部分源于 AI 驱动应用和工作负载的激增、大语言模型(LLM)的使用以及支撑它们的大规模计算集群。
这很可能会给以绿色 IT 和碳减排为核心的企业可持续发展举措带来巨大压力。数据中心的根本任务是以更少的电力 —— 或至少不比用较小数据量处理时所用电力更多 —— 来存储、传输和处理更多数据。
这绝非易事,预计将是一段需要多年努力的漫长旅程。 Infinidat 认为,一个极好的起点便是那些安全托管所有信息的存储系统。您可以观看这段视频,听 Infinidat 首席市场官 Eric Herzog 与 The Register 的 Tim Philips 讨论公司如何计划为服务提供商和大型企业解决存储可持续性难题。
然而,这不仅仅是为了满足董事会对可持续性的期待和彰显绿色资质。数据中心运营商仍需确保收支平衡,这意味着绿色 IT 必须同时具备降低电力、制冷、回收以及数据托管设施保持正常运营所需的其他各项资源和流程成本的双重优势,同时最大限度地减少客户和利益相关者的停机时间。简而言之,只有配备合适的存储基础设施,才能在环保和经济效益之间寻找平衡。
好文章,需要你的鼓励
微软将在今年夏季晚些时候推出Windows恢复力计划,著名的Windows蓝屏死机将被新的黑屏替代。这一变化是微软对2024年7月CrowdStrike故障事件的回应,该事件导致约850万台Windows设备瘫痪。作为Windows恢复力计划的一部分,微软正在重新设计Windows代码,让安全软件在内核外运行,以提高系统稳定性和恢复能力,减少因第三方安全软件问题导致的系统崩溃。
香港理工大学研究团队开发了突破性医学AI系统GEMeX-ThinkVG,让人工智能在分析胸片时能像医生一样详细解释诊断过程。该系统不仅能准确回答医学问题,还能标注具体的影像区域并提供完整的推理链条,解决了传统医学AI"黑盒子"问题。通过创新的强化学习训练方法,仅用八分之一数据就达到了传统方法的性能水平,为可解释医学AI开辟了新方向。
随着GPU成为AI工作负载训练和运营的关键,越来越多的云服务提供商开始提供云GPU实例。这为希望避免部署GPU硬件费用和复杂性的组织带来好消息。云GPU实例可按超大规模与专业化提供商、通用与专用实例、共享与独占服务器进行分类。选择时需考虑工作负载类型、GPU类型、成本、延迟和控制级别等因素。
希腊雅典理工大学团队开发CultureMERT-95M多文化音乐AI模型,通过两阶段持续预训练和任务算术方法,让AI系统学会理解希腊、土耳其、印度等非西方音乐传统。该模型在非西方音乐分类任务上提升4.9%准确率,同时保持西方音乐理解能力,为构建更包容的全球音乐AI系统奠定基础。