今天,世纪互联总裁孟樸在做客CBSi的时候称,世纪互联数据中心选址的时候,会选择靠近客户、靠近需求的位置,优先考虑网络成本,而非电费成本。
当前,很多数据中心都选择在内蒙、贵州等地建立大型数据中心,不过,在世纪互联的数据中心却没有选择这些地点。
谈及世纪互联的选址理念,孟樸称,数据中心或者是云计算中心选点问题涉的面比较广,数据中心或者云中心不光是电费,电费是经营成本的一部分,但还要全盘考虑,因为还要其他的方面要考量。
现在央企的运营商在内蒙、在贵州都有建立大型数据中心,都是非常大的占地规模,能够享受到当地的低建设成本、低用电成本,运营商的网络是自己的,不用花钱。
对世纪互联这样的第三方中立的服务提供商来讲的话,就要权衡电费成本和网络成本,每家有每家的特点,所以世纪互联的数据中心会更集中在靠近客户、靠近需求的地方。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。