water
PulseAugur coverage of water — every cluster mentioning water across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
OmniAct3D框架增强了具身智能体的全景3D检测能力
研究人员开发了OmniAct3D，一个旨在提高移动具身智能体3D检测能力的新框架。该系统将现有的视觉基础模型（VFMs）适配到等距柱状投影（ERP）图像上，这种图像可以捕捉完整的360度场景，克服了窄视角或离散视角视图的局限性。OmniAct3D包含专门的模块，以解决几何不匹配问题，并增强全景上下文中的物体相关线索的定位，在基准数据集上取得了显著的性能提升。
-
新的HSI-Road数据集通过表面标签增强道路场景分割
本文介绍了HSI-Road Relabeled，这是用于道路场景分割的HSI-Road数据集的增强版本。重新标记的数据集包含一个六类表面类型分类：背景、沥青、混凝土、泥土、水和草。研究人员还开发了一个RGB到NIR的配准流程，并在各种输入配置下评估了六种语义分割模型，包括原始RGB、配准后的RGB、NIR以及堆叠的RGB-NIR格式。
-
史蒂夫·琼斯漫画凸显AI数据中心的利弊 · 追踪2个来源
史蒂夫·琼斯为《卫报》创作的一幅漫画幽默地展示了AI数据中心的双重性，既突出了其优点，也指出了其缺点。这幅漫画发布在Mastodon上，直观地描绘了人工智能与其所需基础设施之间复杂的相互关系。它触及了这些设施消耗的如水和计算能力等重要资源。
-
保守派与科技界就数据中心反弹发生冲突 · 跟踪2个来源
保守派与硅谷盟友正面临着对能源密集型数据中心日益增长的反对声音，专家预测这种反对将加剧。这场冲突凸显了科技公司严重低估了公众对数据中心扩张的环境和资源影响的担忧。
-
AI 模型开发消耗的能源相当于家庭用电 2.5 小时
Vals AI 的一项新分析表明，使用某些 AI 模型开发 Web 应用程序所需的能源，相当于一个家庭两个半小时的能源消耗。这一发现凸显了复杂 AI 任务对环境的重大影响。
-
人工智能接近利用关键基础设施漏洞的能力
人工智能正接近一种能够利用运营技术（OT）环境中漏洞的能力。这对包括电力、供水和制造业部门的工业控制系统在内的关键基础设施构成了重大的网络安全风险。
-
AI数据中心的英国、美国、法国、德国环境影响已绘制 · 跟踪10个来源
多条社交媒体帖子重点介绍了详细说明数据中心环境影响的地图，特别是其水和能源消耗。这些帖子涵盖英国、法国、德国和美国等地区，强调了与人工智能基础设施日益增长的可持续性担忧。信息通过Mastodon和Bluesky等平台分享，并链接到Datacentermap.com、Newsweek和Yahoo! Finance的资源。
-
新的数据中心冷却方法大幅减少用水量
一种新的数据中心冷却方法可以显著减少其大量用水。该方法侧重于利用数据中心的废热发电，从而减少对传统耗水型冷却系统的需求。
-
AI数据中心因消耗当地供水而面临审查 · 跟踪2个来源
社区越来越担心蓬勃发展的AI行业正在严重消耗当地水资源。尽管居民报告了显著的水资源消耗，但科技行业对问题的严重程度提出了异议。Gizmodo已调查这些说法，并寻求专家意见，以评估AI数据中心对供水资源的实际影响。
-
半导体和数据中心的增长给水资源带来压力，并引发对PFAS的担忧
对半导体和数据中心日益增长的需求正在加剧环境担忧，特别是关于用水量和PFAS化学品污染的问题。这些行业在制造和冷却方面严重依赖水，这反过来又可能导致PFAS等持久性污染物释放到环境中。这种情况凸显了技术进步、资源管理和生态影响之间的关键交集。
-
植物的二氧化碳吸收对室内空气质量不切实际
虽然植物理论上可以通过光合作用吸收人类产生的二氧化碳，但实际应用于室内空气质量的效率非常低。该过程需要大量的能量输入，而光线反射、植物呼吸和有限的光吸收能力等现实因素意味着需要大量的植物和充足的人工照明。这将产生大量的热量和光线输出，使其成为典型家庭环境的不可行解决方案。
-
爱尔兰数据中心和制药行业因高耗水而面临审查
近期在爱尔兰的一项调查显示，数据中心消耗大量水资源，但其使用情况的透明度有限。然而，制药行业的用水量更大，这引发了对公平性的担忧，尤其是在干旱和限水期间。
-
AI数据中心因水和能源使用面临审查
AI数据中心被指控夸大其益处，特别是关于其巨大的水和电力消耗。一个兆瓦的数据中心每年可消耗超过 2550 万升水用于冷却，相当于十个奥林匹克游泳池。此外，这些设施去年消耗了澳大利亚 2% 的电力，预计到 2030 年将上升到 6%。
-
英国面临数据中心增长用水短缺，行业机构发出警告 · 跟踪 4 个来源
英国一家行业机构警告称，该国缺乏足够的水资源来支持其雄心勃勃的人工智能数据中心增长计划。Water UK 表示，政府对可用水资源的预测“存在致命缺陷”，因为它们没有考虑到对人工智能服务器散热至关重要的数据中心所带来的巨大用水需求。该组织强调，数据中心已在缺水地区建设，若无政策调整，这些地区的扩张可能变得不可能。
-
哲学性的AI问题探讨如何像水一样应对障碍
该条目是一个关于应对障碍的哲学性问题，以水的隐喻来表述。它提出了是硬闯挑战更有效，还是适应并等待机会出现更有效。讨论涉及心流、运动学习和工艺等概念。
-
新的FB-GNN-MBE框架可预测化学系统能量
研究人员开发了一个名为FB-GNN-MBE的新框架，该框架集成了基于片段的图神经网络（FB-GNN）和多体展开（MBE）理论。该方法旨在准确预测传统量子力学建模无法处理的大型复杂化学系统的势能面。FB-GNN-MBE框架将系统划分为片段，计算它们的能量，并利用训练好的结构-性质关系来描述相互作用，在水和苯酚体系的两体和三体能量方面达到了化学精度。一项关键创新是数据自适应迁移学习协议，其中一个“教师”模型将知识传授给一个“学生”模型，从…
-
“水；湿润的本质。” # AI / # 外部性 / # 约束
此集群包含一项内容，该内容似乎是关于 AI 的哲学性或抽象性陈述，使用“水”和“湿润”作为隐喻。它不包含足够实质性的信息来形成新闻摘要。
-
新估算揭示AI提示消耗惊人水量
一项最新估算表明，处理一个典型的AI提示大约需要500毫升的水。这一数字凸显了AI技术显著的水足迹，尤其是在数据中心及其运营需求方面。计算机协会（Association for Computing Machinery）等机构正在讨论这一环境影响。
-
纳米通道中的受限水有望实现更安全的储能
研究人员发现，被限制在1纳米通道内的水表现出独特的性质，可能带来更安全的储能解决方案。这种限制显著改变了水的行为，可能能够实现比现有技术更安全地存储能量的新方法。这些发现为开发先进的储能系统提供了一种新颖的方法。
-
欧洲因能源和水资源担忧被敦促遏制数据中心增长
欧洲官员正敦促放缓新建数据中心的建设，因为人们担心能源和水资源消耗不断升级。该大陆的 IT 基础设施目前使用 10 吉瓦的电力，预计到 2030 年将激增至 35 吉瓦，可能占总用电量的 9%。这种增长正在给资源带来压力，因为仅冷却系统就消耗了大量的能源和水，一些超大规模设施每天需要相当于 155,000 户家庭的用水量。