
苹果拟投资20亿美元将GT工厂改造为数据中心
苹果公司计划投资20亿美元,将亚利桑那州的一座工厂改造为数据中心,这座工厂原属于蓝宝石玻璃生产商GT Advanced Technologies(以下简称“GT”),但GT已在去年10月申请破产保护,原因是其未能生产出符合质量标准的iPhone蓝宝石玻璃显示屏。
该工厂位于亚利桑那州靠近菲尼克斯的梅萨(Mesa),占地面积逾130万平方英尺(约合12万平方米),一度曾是一家太阳能面板制造厂。在过去多年时间里,苹果公司一直都依靠亚洲供应商来生产iPhone、iPad和Mac,而这座工厂则曾是其返回美国本土制造这些设备的战略的关键组成部分。苹果公司曾在此前承诺,哪怕是在GT破产以后苹果公司也仍将为这一地区创造就业岗位,但在改造为数据中心以后,这座工厂所能雇佣的员工人数很可能将少于以往。
苹果公司发言人克里斯汀·于盖(Kristin Huguet)周一发表电子邮件声明称:“我们对继续在美国进行投资感到骄傲,将在亚利桑那州建设一座新的数据中心,这座数据中心将成为我们全球网络的控制中心。这个投资数十亿美元的项目是我们进行过的最大投资之一。”
亚利桑那州州长道格·迪塞(Doug Ducey)表示,这座数据中心将聘用150名全职员工,并将创造出300到500个建筑和贸易工作岗位。苹果公司则表示,该工厂将全部采用可再生能源供电,包括来自于当地一家新的太阳能发电厂的电力等。
迪塞称:“我从苹果公司那里得来的印象是,他们想要做正确的事情,对此我们感到激动。”
在GT破产以前,苹果公司为这座工厂向其提供了每年100美元的租约,并承诺提供5.78亿美元的预付贷款。据GT在去年11月7日提交的文件显示,该公司与苹果公司之间达成的协议“基本上是一边倒的”。GT与苹果公司之间达成的和解协议在去年12月获批,根据该协议GT可在2015年12月以前继续使用梅萨工厂。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30