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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。