PulseAugur
实时 17:49:37
English(EN) A Water Efficiency Dataset for African Data Centers

新数据集揭示AI在非洲数据中心的用水足迹

已开发出一个新的数据集,用于评估非洲41个国家数据中心的用水效率,同时考虑了直接冷却和间接发电的用水量。研究估计,在Llama-3-70B上运行一份10页的报告可能消耗0.66升水,而GPT-4完成相同任务可能消耗高达59升水。这些基于2024年数据的数据突显了非洲各国发电用水强度存在显著差异,许多国家消耗的水量低于全球平均水平。 AI

影响 凸显了AI模型巨大的耗水量,促使需要更高效的基础设施和模型开发,尤其是在非洲等地区。

排序理由 该集群包含一篇详细介绍新数据集和研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Noah Shumba, Opelo Tshekiso, Pengfei Li, Giulia Fanti, Shaolei Ren ·

    A Water Efficiency Dataset for African Data Centers

    arXiv:2412.03716v3 Announce Type: replace Abstract: Artificial intelligence (AI) computing and data centers consume large amounts of freshwater, both directly for cooling and indirectly for electricity generation. While most attention has been paid to developed countries such as …