吞电困境 谷歌与核能公司签署协议 AI 有望缓解 (吞电困境谷歌怎么解决)

谷歌周一表示，将从核能初创公司Kairos power消费的一系列小型核能反响堆(SMR)中置办电力。该巨头表示，从多个SMR置办电力向市场收回了“关键的需求信号”，同时也为减速商业化启动了终年投资。受此信息提振，先进核技术公司Oklo(OKLO.US)和NuScale Power(SMR.US)周一收盘大幅下跌，区分收涨9.7%、6.1%。

谷歌表示，它签署了全球首个从多个小型模块化反响堆置办电力的企业协议，以满足人工自动的电力需求。该公司将置办由Kairos power建造的7座反响堆出现的电力，目的是在本十年末末尾介入500兆瓦的核电装机容量。财务条款尚未披露。

谷歌动力和气候初级主管迈克尔·特雷尔(Michael Terrell)在与记者的电话会议上表示，“我们置信，核能在支持我们的清洁增长和协助成功人工自动提高方面发扬着关键作用，”“电网要求这些清洁、牢靠的动力来支持这些技术的展开. ...我们觉得核能可以在协助满足我们的需求方面发扬关键作用，而且可以以一种更全天候的形式，清洁地满足我们的需求。”

该公司没有走漏买卖的财务条款。

大型科技公司正为运转人工自动系统所需的庞大数据中心布置供电，这促使公用事业公司建造更多的自然气发电厂，同时也引发了人们对全天候提供清洁动力的核电站的兴味。目前，越来越多科技公司将核能作为满足数据中心日益增长动力需求的一种形式。

全球只需三个小型反响堆在运转，其中并不包括美国。人们寄心愿于小型反响堆成为扩展核能发电规模的一种更具性价比的形式。过往大型商业规模的核反响堆项目经常超出预算、落后于进度，许多人心愿小型反响堆不会重蹈覆辙。但在某种水平上，这是一个未知的范围。

Kairos power成立于2016年，由美国动力部支持。7月，该公司末尾在田纳西州橡树岭建造Hermes低功率示范反响堆。Kairos Power不像传统核反响堆那样用水作为反响堆冷却剂，而是经常经常使用熔融氟化物盐。

谷歌表示，首座反响堆将于2030年投入经常经常使用，更多反响堆将于2035年投入经常经常使用。总共有500兆瓦的电力将被介入到电网中。这比商业反响堆要小得多，例现在年投入经常经常使用的Vogtle核电站4号机组的装机容量为1.1吉瓦，但小型核能反响堆面前有很大的动力。支持者指出，它本钱更低、完工时期更快，地点也更灵敏。

Constellation Energy(CEG.US)正在重启三里岛，为微软的数据中心供电，而亚马逊从Talen Energy置办了一个由Susquehanna核电站供电的数据中心。比尔·盖茨、萨姆·奥特曼和杰夫·贝佐斯都支持过核能公司。

往年早些时辰，谷歌表示，与2019年相比，其排放量增长了近50%，部分要素是数据中心能耗的介入。

特雷尔说：“这是一个十分有出路的赌注，假定我们能让这些项目扩展规模，并在全球范围内进一步扩展，将为全球各地的社区和电网带来微小的优势。”

据了解，Kairos power需取得美国核控制委员会(U.S. Nuclear Regulatory Commission)以及外地机构的片面树立和设计容许，这一环节或许要求数年时期;该公司曾经从美国核控制委员会取得了在田纳西州建造一座示范反响堆的施工容许。

人工智能AI机器人行业关于传统行业们有何影响？

人工智能代表了一种与数据交互的新方式。 随着传感器、数据存储剖析的本钱大幅降低。 目前，简直每个行业都可以发生少量的数据，比如从电脑处置器的温度到轴承的振动等日常操作的数据。

1.物流与配送

如今，人工智能系统正在运营供应链。 人工智能在物流范围的运行普遍，涵盖了供需、库存、协调运输网络、车辆保养调度等。 德国航运巨头DHL在其2016年的物流趋向雷达报告中表示，经过经常使用人工智能，分销业务或许会在“制造，物流，仓储和最后一公里交付”等方面等到难以想象的优化 。

2.医疗保健

人工智能可以自下而上地重构整个医疗保健行业。 研讨人员预测，到2021年，该行业的人工智能系统的潜在市场规模将会到达67亿美元，这将促使谷歌、IBM等科技巨头以及一些创业公司启动大规模地投入。 人工智能也会对疾病的治疗发生庞大的影响。

3.广告

人工智能也对批发和广告范围发生了庞大的影响。 经过经常使用机器学习算法和智能化销售助手，机器人正在接收广告业，而你的团体数据就是推进引擎运转的“燃料”。

人工智能曾经被用于提高网页和社交媒体上特性化、定向广告的成功率，而且还被用于挑选少量的买家偏好数据，以协助亚马逊和eBay等在线购物巨头发现购物趋向，消化库存。

当然，在人类的发明力完全被取代之前，这项技术还有很长的路要走。

4.金融

与许多行业不同，金融业多年来不时都发生并保管了丰厚的数据。 而且，由于银行和财务记载的严厉分歧性，采用人工智能技术就十分理想。 有了这些数据，人工智能研讨人员曾经在寻觅方法，应用机器学习来简化经常出现的财务疑问，比如风险控制、存款同意、投资组合发明等等。

5.保险

欺诈性的保险索赔对保险公司来说，是一个高达400亿美元的疑问。 但是采用少量的人力来挑选保险索赔和识别欺诈，只会参与保险公司的本钱。 经过经常使用人工智能和机器学习来消弭更多的欺诈性索赔，可以处置这两个疑问。 而且，这还能降低客户在索赔环节中的费率。

6.流媒体和在线视频

像Netflix和Amazon Prime这样的文娱巨头真的十分盼望能够更好地了解你。 更好的流媒体服务和在线视频产品的出现，推进了有线电视等传统文娱形式出现了庞大的转变。 此外，流媒体服务和在线文娱服务提供商也在经常使用机器学习技术来追踪、捕捉用户的偏好。 随着时期的推移，这些由神经网络驱动的算法会构成一个关于你的用户画像，从而依据你的喜好启动介绍，让你在他们提供的服务中消费更多的时期。