美国公布新一轮矿产研发资助计划
近日，美国能源部化石能源办公室发布两项资助机会公告，宣布将提供3.55亿美元资金，用于扩大对美国能源生产、制造业、运输业及国防至关重要的关键材料的国内产能。
第一项资金最高提供2.75亿美元聚焦矿产与金属产能扩张——在美国国内工业设施试点回收关键矿产和材料副产品。该“矿产与金属产能扩张”资助旨在通过在工业现场直接试点有前景的分离与回收技术，挖掘美国工业从副产品中回收高价值关键材料的潜力。该资助包含两大重点领域：一是涉及大规模中试设施的设计、建造与运营，以生产关键材料，如煤炭基原料；二是工业副产品与废物，面向所有生产市场可用材料的美国工业部门，这些行业的工业副产品和/或废弃物可以作为急需的关键材料来源。这些试点项目将验证从美国现有基础设施和工业活动中回收关键矿产的可行性，在减少废物的同时构建高价值材料的新国内供应链。
第二项资金最高提供8000万美元聚焦未来矿山-试验场计划。该计划将支持能源部更广泛的“未来矿山”倡议，以加速技术商业化并提升国内采矿作业的竞争力。场地对矿物与采矿利益相关方在实际条件下测试创新技术至关重要。该项资助不仅将用于开发采矿试验场，还将支持研发项目，推动技术从实验室和/或实验规模向实地测试与示范迈进，这是降低新技术商业应用风险的关键一步。
（刘学）
美国AI数据中心环境影响实现定量评估
美国康奈尔大学团队利用先进数据分析技术创建了旨在揭示人工智能（AI）高速发展对美国环境影响的定量分析框架。研究结果显示，到2030年，AI数据中心的快速扩张将造成美国能源与水资源紧张。相关研究成果近期发表于《自然-可持续发展》。
近年来，随着AI应用的爆炸式增长，计算基础设施的能源需求也相应增长。而这些大型数据中心要消耗千兆瓦级的电力，需要大量的水进行冷却，其造成的环境损失过于分散，难以量化。为此，康奈尔大学的研究人员基于包括AI技术在内的先进分析技术构建了一个统一分析框架，以量化评估国家AI计算基础设施环境足迹。
研究人员指出，生成式AI模型的需求迅速增长，需要安装大量的服务器，从而在能源-水-气候复合影响方面产生可持续性影响。他们的研究是为了回答一个简单的问题：考虑到AI计算热潮的规模，其环境轨迹是怎样的。更重要的是，有哪些选择可以引导其走向可持续发展。
研究团队于3年前就开始构建包含金融、营销和制造等数据的多维数据体系，并结合特定地点的电力系统和资源消耗记录以及它们与气候变化的关系，揭示该行业的扩张情况。分析结果表明，按照AI目前的扩张规模，因部署AI服务器可能会导致美国在2024年至2030年间每年消耗7.31亿至11.25亿立方米的水资源，相当于600万至1000万美国人每年的家庭用水量；每年产生2400万至4400万吨二氧化碳当量的额外碳排放量，相当于增加500万至1000万辆汽车的排放量。其他因素，如行业效率举措、电网脱碳率和美国境内服务器位置的空间分布，使评估其所产生的水足迹和碳足迹存在极高的不确定性。因此，研究认为，如果不积极采用碳抵消和水恢复机制，AI服务器行业不太可能在2030年实现其净零排放的愿望。
研究认为，就目前而言，实现AI基础设施建设可持续发展的最佳方案是选址、电网脱碳和高效运营相协同，这将减少大约73%的碳排放和86%的水消耗。（张树良）
<!-- 非定向300*250按钮 17/09 wenjing begin --> <!-- 非定向300*250按钮 end -->
</div>
