近日,浪潮在业界率先推出机柜级分布式BBS(Battery Backup System),在部署SmartRack的数据中心中,替代UPS实现从断电到柴油发电机启动输出供电之间的衔接,将数据中心供电转换效率提升至99%以上。采用BBS整机柜产品部署的数据中心PUE下降至1.1变得可能。
多年前,台式机是我们办公的主要工具,如果突然停电,那么尚未保存的文件将会无情的丢失。但是,现在这种情况大大减少,因为随着笔记本的普及,自带电池的笔记本电脑在外部电源将会随即启动,保证供电的连续性。在商用领域更是如此,尤其是承载数据计算和处理的服务器是不允许出现电力间断的故障。因此,为了应对电网可能出现的停电、压降、脉冲干扰、浪涌等问题,数据中心都会配备不间断供电系统。作为备用电力发生器,柴油发电机从启火到发电接载的时间可以根据用户的实际需求来调节,但一般进口机组约在5-15秒,国产机组在15-30秒。在柴油发动启动后的数十秒内,不间断供电系统UPS将会接替供电任务,确保数据中心短时的供电不中断。
低转化效率的UPS急需更新
UPS虽然能够保证数据中心的供电安全,但是它存在着极大的弊端。由于通常情况下,数据中心需要有两条以上的冗余供电系统,UPS的工作原理是将220V市电先整流成直流,然后再输出逆变成220V交流对服务器进行供电,这样整流、逆变两个环节就有双倍转换损失,每个环节大约有10%的损耗,使得整体系统效率低于80%,造成电能的严重浪费。
分布式BBS如何提升转化效率?
分布式BBS(Battery Backup System)正是替代UPS,实现断电后在柴油发电机输出电能之前的新型电力保障解决方案。机房供电正常时,BBS从铜排取电进行蓄电,而当外部电源中断时,BBS开始进行紧急供电,能够为SmartRack提供至少15分钟的稳定供电。这与我们日常使用的笔记本电脑极其类似。由于BBS并不是串联在数据中心的电路中,而是作为SmartRack的一个节点,因此其并没有转换效率的问题。并且在外部电源正常的情况下,BBS并不放电,自身的损耗也可以忽略不计。
浪潮BBS以整机柜节点形态插入SmartRack
现在整机柜服务器使用12V铜排给节点供电,将BBS的输出母线直接挂在铜排上可以大幅降低电池组数量,结合锂电池更高的容量密度,实现利用较小空间提供较长时间的后备时间。同时,使用整机柜RMC通过PMBus协议对BBU进行监控,包括电池组输出电压、充放电流、电池温度等的实时监测,有效保障电池组的健康状态。
浪潮BBS通过尾插从SmartRack内部铜排取电
按需扩展,不再担心前期投入
除了较低的转化效率,UPS还需要在数据中心建设之初就进行提前规划。举个例子,在规划中,你的数据中心预计最大容量为2000台服务器,因此UPS就按照2000台进行设计建设,但是由于业务的整合等原因,三年后数据中心内的服务器只有1000台,但是UPS仍会按照初始的容量工作,造成UPS的负载极低。另一方面,如果采用了更高密度的服务器,数据中心服务器保有量超过原有设计上限,那么就需要对UPS进行扩建,但是在此时改造数据中心的供电线路和相关系统,势必影响业务的正常运转。而且,数据中心在建设时并没有考虑新增UPS设备,空间上可能也会捉襟见肘。
但浪潮BBS以锂离子电池作为备用电源,电池以SmartRack节点的形式实现在SmartRack上即插即用,不再需要前期的设计和建设,并且可以按需扩容和减配。2个BBS节点即可为SmartRack提供15分钟左右的持续电力供应,如果低功耗节点或者半柜,那么可以使用1个BBS节点,满足供电需求的同时,将减少数据中心的建设投入。
每节点BBS可支持半柜SmartRack供电15分钟
在部署SmartRack的新建数据中心中,使用浪潮BBS替代传统UPS,将使数据中心整体电力转换效率提升15%以上。使用SmartRack+BBS的不间断供电解决方案,将能使PUE下降至1.1左右,而目前主流的绿色数据中心的PUE在1.3左右。浪潮SmartRack在整机柜市场占有率超过70%,凭借集中供电、集中散热、集中管理的特性,使数据中心TCO降低12%以上,而机柜级BBS的面世,将会在进一步提升数据中心用电效率的同时,逐步替代传统UPS,改善传统数据中心的建设思路,推动更加绿色高效数据中心落地应用。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。