Lawrence Berkeley National Laboratory
PulseAugur coverage of Lawrence Berkeley National Laboratory — every cluster mentioning Lawrence Berkeley National Laboratory across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
人工智能能源瓶颈导致企业延误和成本增加
由于人工智能能源瓶颈，各行各业的企业正面临严重的延误和不断上涨的成本，这给能源网带来了压力，并减缓了人工智能的发展。该问题源于新的能源项目的漫长电网互联过程，等待时间在过去十年中大幅增加。依赖云服务提供商的公司也受到影响，因为能源容量的稀缺和延误转化为更高的计算价格和推迟的产品发布。
-
奥克兰前伯克利实验室所在地将成为AI数据中心枢纽
Behring Companies正将位于奥克兰劳伦斯伯克利国家实验室旧址的一处前超级计算机设施改造成一座20兆瓦的AI数据中心。此举旨在在该市建立新的人工智能中心。
-
Apple 发布 ARBITRAGE 以提高 LLM 推理效率
Apple Machine Learning Research 推出了 ARBITRAGE，这是一个旨在提高大型语言模型 (LLM) 在推理任务中效率的新框架。传统的推测解码方法在推理时常常会因为不必要的拒绝而遇到困难，即使是在步级别也是如此。ARBITRAGE 通过采用一个动态路由系统来解决这个问题，该系统经过训练，能够预测目标模型何时会提供一个显著更好的推理步骤，从而近似一个理想的预言机，以实现最佳的效率-准确性权衡。与现有的步级…
-
美国能源部研究发现：人工智能数据中心重塑美国电网规划
美国能源部的一份报告草案表明，人工智能数据中心日益增长的电力需求已成为扩大美国电网的主要驱动力。这一转变在《2026年全国输电需求研究》中有所详述，迫使规划者优先考虑新的输电基础设施，而非传统的可靠性问题。预计到2030年，数据中心的电力消耗可能占美国总电力使用量的10%以上，这需要对各地区的输电组合进行大量投资。
-
Meta AI 模型助力劳伦斯伯克利实验室的 Genesis Mission 项目
Meta 的 AI 模型，包括 Segment Anything Model 和基于 PyTorch 构建的模型，正在劳伦斯伯克利国家实验室的 Genesis Mission 的初始项目中得到利用。这些项目专注于计算生物学、药物发现和材料科学等领域，利用 Meta 的 AI 能力来推进科学研究。该计划突显了先进 AI 工具在复杂科学事业中的应用。
-
到 2030 年，AI 的峰值用水量可能使美国水务系统付出 580 亿美元的代价
AI 的大量用水量带来了重大的基础设施风险，到 2030 年可能需要在美国水务系统中投入 100 亿至 580 亿美元。虽然单个查询的用水量经常被争论，但对公用事业公司来说，关键因素是峰值日用水量，在炎热天气下，峰值日用水量可能比年平均用水量高出六到十倍。这种峰值用水量需要基础设施，而这些基础设施可能一年中大部分时间都处于闲置状态，将财务负担转移给当地水务系统。
-
人工智能提供强大的可持续发展解决方案，尽管能耗巨大
人工智能对可持续发展提出了双重挑战和机遇，它消耗大量能源，但同时也为减少浪费和排放提供了强大的解决方案。人工智能已被用于优化建筑物的能源使用、提高电网弹性、提高交通效率以及减少食物腐败和浪费。一项思想实验表明，人工智能在建筑环境等领域的潜在节能效果最终可能超过其消耗的能源，特别是来自数据中心的能源。
-
DeepCtrls 为能源基础设施中的物理 AI 获得数亿元融资
DeepCtrls 是一家专注于能源基础设施物理 AI 的公司，已完成数亿元人民币的 B 轮融资。本轮融资由国投创业和招银国际领投，阳光电源战略投资，将用于加速其核心 AI 算法的研发和标准化产品“DeepBot”的推广。DeepCtrls 旨在通过融合物理原理与 AI 来解决工业 AI 中的“黑箱”问题，实现能源系统中可解释、可控的自主决策。
-
美国量子网络通过新的 NSF 计划和区域试验场进行扩张
尽管美国国家科学基金会 (NSF) 的资助有所变化，但美国的量子网络基础设施正在显著扩张。NSF 的 15 亿美元 X-Labs 计划等新举措，以及芝加哥、伯克利、佛罗里达和新墨西哥的区域试验场，正在促进学术界、工业界和政府之间的合作。这些不断扩张的网络为量子互联网提供了关键的接入点，为初创公司和研究人员提供了测试和扩展量子技术的实际环境，从而解决了人才培养和商业化方面的一个关键瓶颈。
-
研究发现：会议室二氧化碳浓度会损害决策能力
会议室中升高的二氧化碳浓度会严重损害决策能力，即使入住者没有有意识地感觉到。研究表明，超过1000 ppm的二氧化碳浓度（在密闭房间里一个小时内很容易达到）会降低与战略和信息处理相关的认知功能。这种现象会影响传统的办公室会议室和家庭办公室，可能解释了下午生产力下降的原因。作者建议，通过开窗或使用二氧化碳监测器来改善空气质量，是一种简单、廉价的提高团队绩效的方法，而不是将绩效不佳归因于人员问题。
-
科技巨头回应AI数据中心用水担忧 · 追踪1个来源
谷歌、亚马逊和微软等科技巨头正回应其AI数据中心大量用水的担忧。这些公司正强调诸如补水项目、循环用水和先进冷却技术等举措，以管理其环境影响。英伟达也声称其最新技术在很大程度上可以解决AI芯片制造相关的用水问题。
-
NVIDIA 通过新基础设施和软件加强科学 AI · 跟踪 2 个来源
NVIDIA 正在通过提供先进的 AI 基础设施和新的软件工具来加强科学研究。国家人工智能研究资源（NAIRR）试点项目在 NVIDIA 的 DGX 节点和技术支持下，已支持了跨越多个科学领域的 700 多个项目。NVIDIA DAQIRI、ALCHEMI NIM 微服务和 cuPhoton 等新软件正在加速化学、材料发现和天文学等领域的的数据处理和分析，将数小时的 CPU 工作转化为实时 GPU 加速的管道。
-
联邦能源监管委员会强制要求人工智能数据中心快速接入电网
联邦能源监管委员会（FERC）发布了新命令，旨在加速大型电力用户（特别是人工智能数据中心）接入国家电网的流程。这些命令要求六家主要电网运营商在60天内证明或修改其现有关税，重点关注更快的评估流程、更清晰的成本分配以及灵活负荷的规定。此举旨在满足人工智能发展和先进制造业驱动的日益增长的电力需求，确保电网基础设施能够跟上技术创新的步伐，并通过让新的大型负荷承担自身必要升级的费用来可能降低现有纳税人的成本。
-
数据中心面临用水担忧，公众反对声音渐起
数据中心运营商因其大量的冷却用水而面临日益增长的公众反对和监管审查。各公司正在探索解决方案以缓解水资源短缺的担忧，这已成为发展的制约因素。这个问题在水资源有限的地区尤为严重，因为数据中心的冷却需求在市政用水高峰期达到顶峰。
-
Erin Brockovich 关注数据中心透明度
环保活动家 Erin Brockovich 目前正专注于数据中心的快速扩张，敦促相关开发公司提高透明度。她正在她的网站上汇总来自美国近 4,000 人的报告，以绘制数据中心项目图并强调社区关切。居民们越来越担心这些开发项目周围的隐蔽策略和信息缺乏，而噪音、用水量和不断上涨的水电费等问题，都次于对透明度的需求。
-
加州大学伯克利分校实验室的MatterChat使AI能够分析原子数据
加州大学伯克利分校实验室的研究人员开发了MatterChat，这是一种旨在解读原子数据的AI工具。这一进展使AI能够分析三维物理信息，与之前的基于文本的AI模型相比有了显著改进。该工具旨在通过使AI能够理解原子结构来加速材料发现过程。
-
AI日益增长的能源需求给公用事业带来压力，推动垂直AI的应用
人工智能日益增长的需求，特别是来自数据中心的增长，正给能源网和公用事业带来巨大压力。这种电力消耗的激增，预计到2028年将在美国翻一番以上，需要大量的基建投资。为应对这些挑战，能源行业正在探索针对特定行业需求的垂直AI解决方案，旨在优化电网弹性、运营效率和客户服务。
-
AI数据中心可将废热再利用于温室
作者批评了当前AI数据中心的冷却方法，即废热被直接排放到大气中，消耗大量水资源。他们提出了一种系统，可以直接从服务器机架捕获废热，并将其输送到温室进行商业食品生产，从而创造有价值的二次收入流并消除水资源浪费。该系统利用后门热交换器、热缓冲罐和热泵来高效地传输和利用AI硬件产生的稳定热量输出。
-
Meta 押注天基太阳能以满足未来人工智能数据中心的能源需求
Meta 正在探索创新的能源解决方案为其数据中心供电，包括与 Overview Energy 合作，利用从太空传输的太阳能。该计划以及与 Noon Energy 在长时储能方面的合作，旨在解决人工智能驱动的日益增长的能源需求。然而，这些先进技术距离部署仍有数年时间，初步演示计划于 2028 年进行，商业化则在 2030 年，这凸显了电网限制和可再生能源扩张速度带来的紧迫挑战。