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
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。