标签
内布拉斯加州的一项调查发现，Google 位于林肯（Lincoln）、奥马哈（Omaha）和帕皮利恩（Papillion）的数据中心在提交给州政府的文件中对用水、用电和退税数据进行了不当脱敏，而这些被遮盖的文本只需简单复制粘贴即可还原。
一项由Lighthouse Report联合多家欧洲媒体进行的调查显示，欧洲大多数数据中心拒绝公开其耗电量和耗水量信息；在荷兰，超过四分之三的大型数据中心未按欧盟能效指令要求公布环境影响数据。
《Verge》的文章批评了英伟达CEO Jensen Huang关于AI和气候变化的评论，他将AI潜在的环境影响比作长期收益所必需的痛苦，类似于超级反派的逻辑。
本文介绍了agentic-eCAL，一种用于评估跨边缘-云网络的多代理AI工作流能耗的指标，结果表明传输成本微乎其微，但推理成本显著。
据BloombergNEF报告，到2035年，美国数据中心可能消耗的天然气将超过德国和日本的总和，凸显了人工智能热潮对能源和气候的影响。
本文讨论了AI智能体，即基于大语言模型的自主系统，如何增加能源需求并推动更多数据中心的建设，引发科技行业的可持续性担忧。
本文报道了全球数据中心电力使用的统计数据，突出显示美国占全球总量的43%，且各国用于数据中心的电力消耗百分比存在差异。
本文探讨了提示属性（如认知负荷和措辞模式）如何影响设备上LLM推理的能耗，表明认知负荷影响每个令牌的能耗，而措辞模式通过令牌使用影响能耗，强调了为能效设计模型感知提示的必要性。
本文对大语言模型推理的能耗进行了系统性实证研究，分析了如多头注意力（Multi-Head Attention）、分组查询注意力（Grouped Query Attention）和滑动窗口注意力（Sliding Window Attention）等注意力架构如何影响不同上下文长度和工作负载下的能耗缩放。
共和党的参议院竞选部门已警告AI公司，俄亥俄州对数据中心的公众反对情绪日益高涨，这正在影响一场参议院选举。民调显示对能源成本和快速建设的高度担忧，促使人们呼吁就利益和影响进行更好的沟通。
内蒙古的乌兰察布已成为中国主要的AI数据中心枢纽，DeepSeek和ByteDance等公司对基础设施进行了大量投资，尽管水资源短缺带来了挑战。
本文介绍了MÖVE，一个针对德国公共部门LLMs的整体评估框架，考察了能源消耗、提供商透明度和德国政党立场知识等治理维度，揭示了需要根据具体上下文选择模型的权衡。
本文通过 IEA 的数据，审视并驳斥了关于 AI 环境影响的夸大说法，指出尽管 AI 消耗能源和水资源，但其影响往往被高估且取决于具体情境。
文章认为，大规模AI数据中心的建设是由补贴定价而非实际需求驱动的投机泡沫，AI的未来在于边缘侧更小的开源模型。文章强调了这对能源电网和气候目标的负面影响，并警告泡沫破裂可能导致经济衰退，但不会终结AI。
彭博新能源财经（BloombergNEF）的最新报告预测，受人工智能计算需求激增的推动，数据中心到2035年用电量将翻两番，消耗美国五分之一的电力，并对本已不堪重负的电网造成压力。
对AI行业的环境成本及聊天机器人能力的过度宣传的批判性反思，指出许多危害被忽视，并且不使用AI仍然是一个轻松的选择。
2025年，爱尔兰数据中心的用电量占全国电力的23%，较2024年增长了10%，尽管对新电网连接实施了暂停。新法规要求大型数据中心运营商提供备用发电，并将电力回馈至电网。