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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。