electricity
PulseAugur coverage of electricity — every cluster mentioning electricity across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
Electricity benchmark used to validate streaming ML model management techniques
The 'Electricity' dataset has been cited in multiple recent papers (CJSD-FM, new decision layer) as a benchmark for evaluating new methods in managing expert models within streaming systems. This suggests the dataset is a relevant and established tool for testing the efficacy of these advanced ML operational techniques.
AI's energy consumption will drive significant investment in grid modernization and alternative power sources
With data centers projected to consume 12% of US electricity by 2030 due to AI, there will be increased pressure and investment in upgrading the electrical grid and exploring alternative energy solutions like hydrogen fuel cells. This trend will likely accelerate as AI adoption grows.
Negative framing of AI integration draws parallels to harmful uses of electricity
An opinion piece likens the current integration of AI to involuntary electric shocks and harm, framing AI's impact as negative and disruptive. This highlights a potential narrative framing that could influence public perception of AI's societal impact.
-
新的CJSD-FM方法改进了流式系统中的专家模型管理
研究人员开发了一种名为CJSD-FM的新方法，以解决流式系统中管理多个专家模型的挑战。该方法允许系统在统计上决定是重用现有模型、生成新模型还是转交人工处理。该方法已被证明在实时环境中有效，并在Electricity、Covertype和INSECTS等基准测试中表现强劲，在概念切换后实现了零错误生成和重用。
-
人工智能的整合被比作非自愿的电击和伤害
一篇评论文章认为，人工智能目前融入日常生活绝大多数是负面的，将其比作非自愿且有害的电力应用。作者认为，人们没有得到有益的进步，反而遭受了类似于电击和有害干扰的负面体验，导致整体状况恶化。
-
新的决策层优化了流式系统中的专家模型重用
研究人员为管理专家模型池的流式系统开发了一种新颖的决策层。该层在统计上优化了决策，决定是重用现有专家、生成新专家还是根据传入数据推迟处理。该系统通过重启的 e-detector 证明了有限时间有效性和随时有效性，在 Electricity、Covertype 和 INSECTS 等基准测试中表现强劲。
-
Anthropic 的年化收入跃升至 650 亿美元，两个月内增加 180 亿美元
Anthropic 的年化收入显著飙升，达到 650 亿美元。这代表着仅在两个月内就增加了 180 亿美元，表明这家 AI 模型制造商的增长速度很快。财务业绩凸显了对先进 AI 技术日益增长的需求和商业成功。
-
到2030年，数据中心将消耗美国12%的电力；探索氢燃料电池
预计到2030年，数据中心将消耗美国12%的电力，这主要是由于AI等能源密集型技术驱动的显著增长。研究人员正在探索包括氢燃料电池在内的解决方案，以缓解日益增长的能源需求。
-
简单模型在时间序列预测中优于大型语言模型
一项最新分析强调了时间序列预测中的重大挑战，研究表明，在具有强烈季节性的数据集上，简单的统计模型和零样本基础模型通常优于复杂的神经网络，甚至优于像 Claude Opus 和 Haiku 这样的语言模型。该研究测试了包括 AutoARIMA、DLinear、PatchTST、Chronos 和 TimesFM 在内的各种模型，并与 m4_hourly、m4_daily 和比特币价格数据等基准进行了比较。研究结果表明，尽管复杂的模型在处…
-
量子-经典混合模型在NISQ硬件上处理时间序列预测
研究人员开发了新的量子-经典混合框架，用于多变量时间序列预测，旨在运行在近期含噪声的中等规模量子（NISQ）硬件上。这些框架，包括量子水库预测器（QRC-F）和变分量子预测器（VQF-F），将时间序列数据转换为量子态，并利用纠缠来捕捉变量间的依赖关系。实验表明，与经典方法相比，这些模型在训练稳定性、参数效率和对量子噪声的鲁棒性方面可能有所提高，并可能应用于各种预测任务。
-
新的MSC-OT架构增强了多元时间序列预测能力
研究人员推出了一种名为MSC-OT的新型架构，用于分析多元时间序列数据。该方法结合了多尺度卷积和最优传输注意力机制，并采用反向嵌入策略来更好地捕捉跨变量关系。MSC-OT架构通过多尺度卷积增强注意力分数，并采用Sinkhorn最优传输实现信息流的平衡。在ETT、Electricity和Traffic等数据集上的实验证明了其在短期和长期预测任务中的有效性。
-
弗吉尼亚州某县拥有37个数据中心，要求学校节约用电
弗吉尼亚州亨里科县拥有37个数据中心，由于能源成本上升，已要求其学校节约用电。居民们正经历电费显著上涨，其中一人报告称，尽管采取了太阳能电池板和热泵等节能措施，但其电费翻了一番。数据中心日益增长的需求已成为社区的主要担忧，影响了水电费和资源可用性。
-
爱尔兰数据中心消耗全国23%的电力，接近家庭用电量
2025年，爱尔兰的数据中心消耗了该国23%的电力，几乎相当于其所有家庭的消耗量。这比往年有了显著增长，仅在2025年，数据中心的用电量就增长了10%，而该国其他地区的用电量增长了2%。需求的激增，主要由AI热潮驱动，已导致监管措施的出台，包括暂停新的电网连接以及一项新政策，要求新的大型数据中心提供自己的发电能力并采购可再生能源。
-
随着AI的增长，爱尔兰数据中心消耗23%的国家电力
爱尔兰的数据中心消耗了该国相当大一部分的电力，目前占总用电量的23%。这一消耗量增加了10%，而新的电网连接批准，尤其是在都柏林周边地区，仍然受到限制。不断增长的需求主要归因于AI基础设施的扩张。
-
智能家居技术演进：便利性、安全性与舒适性驱动普及
智能家居技术已取得显著发展，从基本的电力驱动电器演变为由语音助手和AI控制的集成系统。这种演变已将家庭转变为个性化、高效且安全的环境。房主越来越多地采用这些技术以获得便利性、增强的安全性、节能效果和改善的舒适度，智能照明、自动气候控制和远程监控等功能已成为日常必需品。
-
本地 AI 硬件的收支平衡点估计为 27 个月，对比订阅服务
对运行本地 AI 硬件的财务可行性进行的详细分析表明，与订阅服务相比，其收支平衡点约为 27 个月。该计算考虑了 20,000 美元的初始硬件投资和估计的每月 200 美元电费。分析强调，在此交叉点之前，自托管在财务上是不利的，并且硬件购买后“免费”的观念掩盖了持续的电费和折旧。作者指出，考虑到转售价值折旧和维护时间等因素会进一步延长收支平衡期，尽管隐私和离线访问仍然是本地设置的有效理由。
-
手机充电器在空闲时仍消耗电力，增加电费账单
手机充电器即使在未主动为设备充电时，也会继续消耗少量电力，这被称为待机功耗。虽然单个充电器的功耗微不足道，通常在 0.1 至 0.5 瓦之间，但家中多个充电器的累积效应会导致年能源成本略有增加，估计每台充电器在 0.50 美元至 4 美元之间。为缓解此问题，消费者可以选择节能的多设备充电器、使用智能插座远程禁用充电器，或在不使用时拔掉插头。
-
Galaxy Securities：2026年下半年A股三大投资主题
Galaxy Securities发布了A股年中投资展望，确定了下半年的三大关键投资主题。第一个主题聚焦AI基础设施，预计随着全球AI资本支出的扩张和国内基础设施投资的增加，计算能力、通信和电力行业将实现增长。第二个主题强调周期性和制造业板块，预计将受益于通胀上升、供应动态改善以及制造业出口需求增加而复苏。最后，报告建议股息股票可能提供短期修复机会，特别是那些业绩改善且股息稳定可持续的股票。
-
新的物理信息模型增强了天气和时间序列预测
两篇新研究论文介绍了用于天气和物理系统时间序列预测的新方法。第一篇论文“Benchmarking Physics-Informed Time-Series Models for Operational Global Station Weather Forecasting”提出了一个名为WEATHER-5K的大规模天气数据集和一个名为PhysicsFormer的物理信息Transformer模型。第二篇论文“Phys-JEPA: Phy…
-
新的光学系统HAMON实现了14%的预测精度提升
研究人员开发了HAMON，一种用于长视界时间序列预测的新型无源光学系统。该系统将历史数据编码到光学孔径上，并使用可训练的相位掩模通过自由空间衍射直接在输出场中塑造预测，从而在推理过程中无需数字序列混合层。HAMON在ETTm2和ETTh2等基准测试中表现出卓越的性能，在MSE方面优于强大的数字基线高达14%，同时在天气数据上取得了有竞争力的结果，在交通和电力数据集上表现不一。
-
AI热潮加剧数据中心压力，亟需升级电力基础设施
人工智能的快速扩张正在创造前所未有的电力需求，给数据中心的供电能力带来巨大压力。预测显示，美国数据中心每年的用电量可能超过350太瓦时，这一显著增长已可媲美美国大多数州的总体用电量。这种由超大规模设施和科技巨头的人工智能雄心驱动的电力消耗激增，迫切需要提高能源效率和改善电网基础设施，以支撑人工智能的蓬勃发展。
-
美国选民因环境和成本担忧反对数据中心
越来越多的美国选民对数据中心的环境和经济影响表示担忧，特别是它们在推高电价和空气污染方面的作用。最近的一项盖洛普调查显示，超过70%的美国人反对在他们当地建造新的数据中心，俄亥俄州也报告了类似的观点，71%的选民支持暂时禁止。这种公众情绪正开始影响政客，据报道，他们正在重新考虑对数据中心作为经济增长点的支持。
-
AI 数据中心将消耗比英国峰值需求更多的电力
人工智能预计将显著增加英国的电力消耗，可能超过该国目前的峰值需求。政府预测显示，到 2030 年，需要至少 6 吉瓦的 AI 数据中心，这相当于四个核反应堆的发电量。此外，英国约有 140 个拟建的数据中心项目正在申请约 50 吉瓦的电网连接，这一数字相当于英国总峰值电力需求。