来源:cnBeta.COM2019-09-20
上个月,该公司承诺将使其“made by google”系列产品更具可持续性 - 包括其pixel智能手机、 google home智能音箱和nest设备等。...皮查伊还宣布了与谷歌慈善机构google.org的两项与能源相关的拨款。该公司向美国的可再生能源买家联盟提供50万美元的赠款,向欧洲的re-source提供50万欧元的赠款。
来源:中国电科院2019-08-28
特别优秀者可适当放宽年龄要求;2、具有5年以上相关领域工作经历;3、积极主动,具备团队意识,具有高度的责任心,能够承受较强的工作压力;4、熟练运用atoll、enterprise等网规工具,autocad、google
来源:南方电网报2019-08-14
平台的世界也是如此,facebook下面是google,google下面是microsoft,microsoft下面则是ibm,依此类推。...以互联网生态系统为例,获利最多的绝不是建造光缆的“基础设施支持”守护者,而是通过光缆来传输数据的google公司。
来源:中国IDC圈2019-08-05
丹麦拥有高品质的数据基础建设和可再生能源生产力,google认为,丹麦fredericia现有的基础设施,符合google要打造高效能、现代数据中心的需求。...google承诺,丹麦数据中心在能源和电力的使用上都将是100%无碳的,因此,google也在寻找再生能源计划的新投资机会,像是太阳能、海上风力发电和陆上风力发电。
来源:鱼眼看电改2019-07-31
虽然ibm公司最早提出了“云计算”、“电子商务”,也积极的在“大数据”领域布局,但是却始终走不出卖“it解决方案”的老路,真正把这些概念落地,甚至形成新商业模式的,恰恰是google、amazon和bat
来源:CSPFOCUS2019-07-29
google公司发表声明称,通过太阳能光热电站巨型反光镜这种形式向软件工程先驱玛格丽特致敬,不只是感谢她在阿波罗计划中作出的突出贡献,而且还有更多方面值得后人学习。...美国google谷歌公司不仅以一个搜索主页 doodle 纪念这一重大历史时刻,由谷歌地图团队策划的另一重大的纪念活动也非常震撼----通过位于美国莫哈韦沙漠的ivanpah塔式光热电站10万余定日镜反射月光
来源:维普/知网2019-07-26
3.2大尺度因素排查本文论述的大尺度因素主要包括以下几点:1)范围较大、涉及较广的环境敏感因素(自然保护区、国家地质公园等);2)难以进行风电开发的喀斯特地貌、大型水库等(通过google earth可快速识别
来源:能源评论2019-06-17
其中表现最为亮眼的是 facebook,超越 google 成为排名第一的新能源采购商,全年在世界范围内购买了超过2.6吉瓦的可再生能源电力,其在美国的采购则主要通过绿色费率模式完成的。
来源:中国青年报2019-06-17
2018年google scholar(谷歌学术搜索)公布的纳米技术与纳米科学专家全球排名(截至2017年11月),王中林排名第一。
来源:宁波海尔欣光电科技2019-06-13
图3(a)以google卫星地图为背景,其中红色圆球地理标识就是冯记家禽养殖场的所在地,图中带颜色标记的为测试路线,车载大气氨开路分析仪的测试现场见小图。...同样以google地图为背景,其中红色圆球标识的为飞翔液氨充装站工厂。图中带颜色标记的为测试路线,获得大气氨浓度值的高低由从红到蓝的颜色标记区分,如图中右边的颜色标尺所示。
来源:能源评论2019-05-13
来源:《能源评论》2019-04-29
来源:IDC圈2019-04-25
除了这样一些高科技、高标准建设外,google、微软等大公司,纷纷尝试把数据中心建设到严寒地带以减少电力消耗。甚至还有公司计划,把整个数据中心建在海底,从而获得更为低廉的运营成本。
来源:亮报2019-04-24
amazon s3、google appengine、中国移动“大云”等均为公有云。公有云侧重于创新的商业模式,私有云更侧重于企业内部管理。
来源:北极星电力网2019-04-19
大家看到这个数据可能还是比较震撼的,我们做了一组数据对比,2007年可以看到全球十大市值公司还有4家能源公司,到2018年的时候全部出局了,取而代之的是微软、苹果、亚马逊、google,包括腾讯和阿里巴巴的一些中国公司
来源:北极星储能网2019-04-19
在美国大家可以看到,无论是苹果、google都是用的sofc作为数据中心的主电,这个尤其强调一下,说明什么?说明可靠性非常可靠非常高。
来源:能源研究俱乐部2019-03-19
案例1:谷歌deepmind优化改进能源管理2017年10月,google公布消息称,资料中心耗电指标pue值达到1.11的高效率。google利用机器学习来管理数据中心,让冷却设备耗电减少了40%。