多个整齐排列、全线运行的服务器机架构成的数据中心画面。现代电信、云计算、人工智能、数据库、超级计算技术概念。画面以暗色调为背景,并辅以霓虹蓝和粉色灯光。
实现资本支出和运营支出节约的可持续路径 似乎全世界都在依赖 AI 来提升未来的效率,但从可持续性的角度来看,这对地球会产生怎样的影响呢?
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%,部分原因是 AI 驱动应用和工作负载的增加、大语言模型(LLMs)的使用以及支撑这些应用所需的大规模计算集群。
这极有可能给以绿色 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在使用更少电力的前提下存储、传输和处理更多数据,或者至少要保证在处理当前大数据量时消耗的电力不比过去处理较少数据时更多。
这绝非易事,而且可能需要经历多年的漫长探索。Infinidat 认为可以从安全托管所有这些信息的存储系统入手。您可以观看这段视频,了解 Infinidat 首席市场官 Eric Herzog 与 The Register 的 Tim Philips 讨论公司如何计划解决服务提供商和大型企业在存储可持续性方面所面临的难题。
但实现这一目标不仅仅是满足董事会对可持续性的期望和展示绿色资质。数据中心运营商仍需在收支平衡上做文章。这意味着必须确保绿色 IT 具有双重优势:既能帮助降低数据托管设施在供电、制冷、回收及其他相关资源和流程上的成本,同时还能尽可能减少给客户和利益相关方带来的停机时间。简而言之,您需要构建既环保又经济的合适存储基础设施。
Infinidat 相信他们已经找到了答案。您可以下载 IDC 白皮书了解更多信息,其中详细说明了公司如何计算其存储系统在五年内实现高达 162% 的投资回报率 (ROI) 以及整体运营支出最多减少 48% 的数据。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。