当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > AI耗能太多怎么办?微软正考虑引入小型核反应堆

AI耗能太多怎么办?微软正考虑引入小型核反应堆

来源:搜狐 2023-10-14 16:34:42 0浏览 收藏

目前golang学习网上已经有很多关于科技周边的文章了,自己在初次阅读这些文章中,也见识到了很多学习思路;那么本文《AI耗能太多怎么办?微软正考虑引入小型核反应堆》,也希望能帮助到大家,如果阅读完后真的对你学习科技周边有帮助,欢迎动动手指,评论留言并分享~

人工智能需要大量的算力,而大量的算力意味着大量的能耗。微软公司正在制定一个路线图,希望用小型核反应堆的电能来运营其数据中心。

根据微软上周发布的职位描述,该公司正在寻找一位核技术专家

该职位名为“核技术首席项目经理”,担任此职务的人将负责实施全球小型模块化反应堆和微反应堆能源战略,为反应堆的整合工作做出技术评估。

AI耗能太多怎么办?微软正考虑引入小型核反应堆

此举表明,微软正打算利用核能为微软云和人工智能所在的数据中心供电。

小型核反应堆将引起关注

近年来,随着人们对气候变化的担忧不断增加,核能作为一种几乎不排放二氧化碳的发电方式,引起了越来越多的关注

根据美国能源情报署的数据显示,美国目前的核反应堆大多建于1970年至1990年之间。这些核反应堆所产生的电力约占美国总发电量的18%

而下一代核反应堆技术的希望很大程度上寄托在小型核反应堆上。

小型核反应堆比传统反应堆更小,建造起来也更便宜、建设速度更快。这是因为小型核反应堆采用了模块化结构设计,不需要定制每个部件。顾名思义,小型核反应堆的设计更加灵活,可以根据实际需求进行组装和调整。这种设计使得小型核反应堆在能源领域具有更大的潜力和应用前景

微软寻求核能之路

微软正在寻求通过核裂变来产生能量,核裂变是指原子分裂并释放能量。

微软联合创始人比尔·盖茨还担任核创新公司TerraPower的董事长,该公司正在研发和推广小型模块化反应堆设计

然而,TerraPower的一位发言人表示,“目前还没有与微软达成出售反应堆的协议。”

除了核裂变技术之外,微软方面已经公开承诺将从核聚变领域创新者那里寻求核能。

核聚变指的是,当两个较小的原子核撞在一起形成一个较重的原子,并在此过程中释放出巨大的能量。这也是太阳产生能量的方式。

目前,聚变能还没有在地球上大规模重现,但由于潜在的无限清洁能源的前景,许多风险投资支持的初创公司正在努力使其成为现实。

今年5月,微软宣布与核聚变初创公司Helion签署了一项电力购买协议,将于2028年从Helion购买电力。值得一提的是,OpenAI首席执行官萨姆·奥特曼是Helion的早期重要投资者。

来源:财联社

今天关于《AI耗能太多怎么办?微软正考虑引入小型核反应堆》的内容介绍就到此结束,如果有什么疑问或者建议,可以在golang学习网公众号下多多回复交流;文中若有不正之处,也希望回复留言以告知!

版本声明
本文转载于:搜狐 如有侵犯,请联系study_golang@163.com删除
如何利用Python for NLP识别和处理PDF文件中的日期和时间?如何利用Python for NLP识别和处理PDF文件中的日期和时间?
上一篇
如何利用Python for NLP识别和处理PDF文件中的日期和时间?
了解如何在golang中处理Select Channels Go并发式编程的异常
下一篇
了解如何在golang中处理Select Channels Go并发式编程的异常
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    455次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    521次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    536次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    483次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    304次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码