[英国,伦敦,2016年4月14日]4月12日-13日,全球最大的数据中心展会Data Center World(简称DCW) 在伦敦会展中心隆重举行,华为携智能微模块解决方案及高效模块化UPS参加本次展会,凭借97.5%业界领先的UPS模块效率吸引了与会者的高度关注。
97.5%UPS模块效率,引领业界水平
数据中心作为第五大耗能产业,每年耗电3000亿kWh,欧洲相关行业机构每年都会针对节能减排计划深入讨论。数据中心的能效提升,也是此次DCW的一个重要话题。可靠高效的供配电系统将会是数据中心变革的驱动力。
华为展示了对于模块化UPS的研究和实践成果:华为UPS不仅仅能达到低载高效,能快速隔离并判定故障原因,并能实现在线热插拔更换。即使160个UPS模块同时并联也能稳定运行,其强大的可靠性能将是数据中心供电的首选解决方案。
华为携智能微模块及高效模块化UPS亮相DCW
华为西欧地区部网络能源资深顾问Roland Huempfner在DCW演讲中介绍到:“华为模块效率为97.5%的模块化UPS,将效率做到了极致,系统在40%负载下即可达到最高效率点,相比86%效率的传统UPS节省了相当可观的电费。 此外,华为高效一体化UPS集配电、电池、UPS于一柜,功率密度较业界主流水准提升了2倍,节省占地50%以上,为数据中心节省更多的业务空间,这意味这更高收入。”
模块化数据中心,带来新的变革
ICT行业的发展正推动社会进入全新的数字化时代,数据信息量飞速增长,使现代化数据中心的建设极其重要。然而,传统数据中心从建设到运维,始终面临资金,时间,空间,基础设施,能源及人力等各种资源的制约。如何最大化利用有限资源,使数据中心获得最佳综合表现,是本次DCW热门话题之一。
华为中东地区部IT&数据中心副总裁Sanjay Sainani以“智慧数据中心资源最大化”为主题演讲,谈到:“华为凭借在ICT行业的深厚积累,提出智慧模块化数据中心解决方案,在能效和运维效率,节约资本支出,减轻人力投入等方面均优于传统数据中心。智能微模块数据中心部件全面数字化改造,精确控制更可靠;进一步智能化,融合无线通讯技术与智能专家系统,重新定义数据中心运营管理;运维平台更能有效共享资源,是面向未来业务发展的数据中心新变革。”
华为近年持续投入数据中心领域,凭借优秀的产品解决方案和服务能力获得了2015年DCD “DCD模块化部署奖”、“DCD互联网数据中心奖”、“企业数据中心奖”三项大奖等多项大奖。据IHS公司报告,华为集装箱数据中心发货量全球第一;根据赛迪顾问、ICTresearch分析机构数据,华为模块化数据中心、模块化UPS市场份额在中国位列第一,帮助全球广大用户打造各种高性能数据中心。
--全文结束—
华为公司简介
华为是全球领先的信息与通信(ICT)解决方案供应商。作为负责任的稳健经营者、创新的信息社会使能者、合作共赢的产业贡献者,华为致力于构建更美好的全联接世界。华为坚持围绕客户需求的持续创新,与合作伙伴开放合作,在电信网络、企业网络、终端和云计算等领域构筑了端到端的解决方案优势。通过全球专注敬业的17万名华为人,致力于为运营商客户、企业客户和消费者创造最大的价值,提供有竞争力的ICT解决方案、产品和服务。目前,华为的业务遍及全球170多个国家和地区,服务全世界1/3以上的人口。华为公司成立于1987年,是一家由员工持有全部股份的民营企业。欲了解更多详情,请参阅华为官网:www.huawei.com
好文章,需要你的鼓励
这项来自新加坡国立大学等机构的研究引入了REASONMAP,一个用于评估多模态大语言模型细粒度视觉理解能力的基准测试。研究团队使用来自13个国家30个城市的高分辨率交通地图,构建了1,008个问答对,设计了两级评估框架测量答案的正确性和质量。对15个流行模型的评估揭示了一个意外发现:开源领域的基础模型表现优于推理型模型,而闭源模型则相反。研究还表明,当视觉输入被遮盖时,模型性能普遍下降,证明真正的细粒度视觉推理任务仍需要有效整合多模态信息。
Nvidia公布2026财年一季度业绩,营收441亿美元,同比增长69%;新AI超算与显卡产品陆续亮相,尽管出口管控对H20业务造成影响,但整体AI市场前景依然乐观。
Cerebras WSE 芯片拥有 40 亿晶体管,推理速度达到 NVIDIA 集群的约 2.5 倍,刷新了全球 AI 推理速度记录,为复杂 AI 代理应用提供高性能计算支持。
这项研究提出了"B-score",一种新指标用于检测大语言模型中的偏见。研究人员发现,当模型能看到自己之前对同一问题的回答时(多轮对话),它能够减少偏见并给出更平衡的答案。B-score计算单轮与多轮对话中答案概率的差异,无需外部标注即可识别有偏见的回答。实验证明,将B-score用于回答验证可显著提高准确率,在标准基准测试上平均提升2.9个百分点。这一发现不仅提供了实用工具,还表明大语言模型具有自我纠正能力。