亚马逊于今日宣布在全球发布37个新的可再生能源项目。这一重要进展将助力亚马逊实现到2025年全球基础设施100%使用可再生能源的目标,比原定的2030年的目标提前5年。新项目使亚马逊全球可再生能源项目的总发电量增长近30%,由12,200兆瓦增加至15,700兆瓦。
如今,亚马逊在全球的可再生能源项目总数达到310个,覆盖19个国家,进一步巩固了亚马逊作为全球最大的可再生能源企业购买者的地位,并助力其实现《气候宣言》(The Climate Pledge)中设定的目标。根据《气候宣言》,亚马逊致力于在2040年实现所有业务线零碳排放,相比《巴黎协定》的目标提前10年。
亚马逊首席执行官Andy Jassy表示:“我们在保护地球和减少亚马逊对环境影响方面的承诺,促使我们在2020年和2021年都成为了全球最大的可再生能源企业购买者。随着业务增长,秉承着100%使用可再生能源支持亚马逊运营的使命,我们将持续对可再生能源进行投资。如今,亚马逊在19个国家打造了310个风能以及太阳能项目,并将努力达成到2025年100%使用可再生能源支持企业运营的目标,比原定计划2030年提前5年。”
本次宣布的37个新项目分别位于美国、西班牙、法国、澳大利亚、加拿大、印度、日本以及阿拉伯联合酋长国。这些新项目的类型和规模各不相同,包括3个新风力发电场,26个新太阳能发电场,以及全球8个新屋顶太阳能装置。至此,亚马逊已拥有310个可再生能源项目,包括134个风能和太阳能发电场以及176个屋顶太阳能项目。
一旦投入运营,亚马逊的310个项目预计每年将生产42,000 吉瓦时(GWh)的可再生能源,其发电量足以每年为390万美国家庭供电。此外,这些项目所生产的零碳能源每年也将帮助减少1,730万公吨的碳排放,相当于减少美国每年370万辆汽车的排放量。
此外,亚马逊还在持续投资与储能系统相结合的可再生能源项目。借助储能系统,亚马逊能够储存其太阳能项目所生产的清洁能源,并且在太阳能不可用时(如夜晚)或高需求时段,保证清洁能源的持续供应。通过延长零碳电力的使用时长,将增强亚马逊的清洁能源项目对气候的积极影响。新项目包括位于亚利桑那州的300兆瓦太阳能项目(电池储能容量150 兆瓦)以及位于加利福尼亚州的150 兆瓦太阳能项目(电池储能容量75 兆瓦)。这两个项目将使亚马逊已发布的太阳能与储能系统相结合的可再生能源项目的发电量增加一倍,从220 兆瓦增加至445 兆瓦。
本次公布的最新可再生能源项目将为亚马逊包括其办公室、运营中心以及为全球数百万客户提供支持的亚马逊云科技数据中心的运营提供清洁能源,更多项目详情如下:
欲了解亚马逊世界各地的可再生能源项目,请访问亚马逊可再生能源项目分布地图。
清洁能源买家协会(CEBA)首席执行官Miranda Ballentine表示:“亚马逊连续第二年在清洁能源买家协会的‘十大交易记录’中位列榜首,持续展示其对推动使用清洁能源的承诺。亚马逊的新发布凸显了能源客户在美国和全球部署无碳能源项目时正采用日益精细的战略,以及这些客户在优化减排方面发挥的关键作用。”
亚马逊于2019年联合发起《气候宣言》,承诺在2040年实现所有业务线零碳排放,相比《巴黎协定》的目标提前十年。目前已有逾300家公司签署了《气候宣言》,包括百思买、IBM、微软、百事可乐、西门子、联合利华、威瑞森和Visa等。为实现这一目标,亚马逊将持续减排,采取切实的行动,推动实现到2025年100%使用可再生能源支持公司运营的目标,比最初计划的2030年提前5年。亚马逊还致力于实现“零碳排放运输”(Shipment Zero)的愿景,到2030年50%出货量实现零碳排放,并购买了10万辆电动货车,这也是亚马逊有史以来最大的电动货车订单。此外,亚马逊还通过在气候宣言基金(Climate Pledge Fund)投资20亿美元,进一步开发脱碳服务和解决方案。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。