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
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
莫斯科高等经济学院研究员尼古拉·斯克里普科开发了IFEval-FC基准测试,专门评估大语言模型在函数调用中遵循格式指令的能力。研究发现,即使是GPT-5和Claude Opus 4.1等最先进模型,在处理看似简单的格式要求时准确率也不超过80%,揭示了AI在实际应用中的重要局限性。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室联合多家机构推出MinerU2.5文档解析模型,仅用12亿参数就在文本、公式、表格识别等任务上全面超越GPT-4o等大型模型。该模型采用创新的两阶段解析策略,先进行全局布局分析再做局部精细识别,计算效率提升一个数量级。通过重新定义任务标准和构建高质量数据引擎,MinerU2.5能准确处理旋转表格、复杂公式、多语言文档等挑战性内容,为文档数字化提供了高效解决方案。