ZD至顶网服务器频道 06月07日 新闻消息:戴尔公司正在着手推出其专门为eBay开发的Triton水冷超大规模服务器方案。
戴尔公司给出的Triton与其它液冷设计比较图示。
戴尔方面表示,其之所以选择水冷机制主要是考虑到其低廉的实现成本:数据中心往往总是需要冷却塔进行水体降温,从而为运行中的设备提供必要的冷水资源。不过大多数水冷设备采用二级泵及/或传送机制,即将冷却水进一步输送至机架当中。这些泵机不仅会带来多余的耗电,同时也会造成额外热量,而这二者显然是数据中心需要尽量避免的。
凭借着极限规模基础设施部门强大的研发能力,戴尔公司带来了新的实现方案——即无需中间设备即可实现冷却水降温。
结果就是,可以看到冷却水从冷却塔处直接流往墙体插座处,而后通过CPU上方的铜管进入计算设备。戴尔公司表示其首选管道承压可达到350 PSI,数倍于其正常工作负荷,其同时设有分布于各服务器的防潮与防水探测器,同时使用军用级别处理器冷却管道。
eBay公司给出的记录信息显示,Triton设备能够将每秒查询数量提升70%,而定制化至强E5-2679 v4则能够在背面安设冷却铜管。戴尔公司指出,这一出色的效果适用于希望提升CPU处理速度并保持数据中心温度的客户。
其公布结果同样极具吸引力:戴尔公司表示Triton能够在各种气候条件下实现1.03 PUE——全称为电力使用效率。具体来讲,这项指标是指将输入数据中心的总体配电量除以实际工作套件——包括计算设备与冷却装置。PUE 在1.1或1.2水平即为优秀。不过这里的PUE 1.03属于例外情况,戴尔公司在超大规模计算环境下对此有着自己的讨论结论。
戴尔公司指出,其同时在着手打造“一套‘Triton’的‘闭环’版本,旨在提供同样的冷却技术与CPU支持能力,但不再要求数据中心具备机架冷却水供应装置”,这将使其适合更多不同类型的客户。
好文章,需要你的鼓励
本文探讨了AI发展的未来趋势,详细分析了六条有望实现通用人工智能(AGI)的技术路径。随着生成式AI和大语言模型面临发展瓶颈,业界开始将目光转向其他AI发展方向。这六条路径包括神经符号AI、神经形态AI、具身AI、多智能体AI、以人为中心的AI和量子AI。每种路径都有其独特优势和挑战,可能单独或组合推动AI进入下一个发展阶段,最终实现与人类智能相当的AGI系统。
约翰霍普金斯大学研究团队发现VAR模型的马尔可夫变体本质上是离散扩散模型,提出SRDD方法。通过应用扩散模型技术如分类器自由引导、令牌重采样等,SRDD相比VAR在图像质量上提升15-20%,同时具备更好的零样本性能。这项研究架起了自回归模型与扩散模型的理论桥梁,为视觉生成技术发展开启新方向。
培生公司第三季度销售增长加速,并预示年底表现更强劲,但其AI应用可能是更重要的发展。该公司虚拟学习部门销售额激增17%,学生注册人数攀升。培生运营的在线学校将AI工具嵌入课程材料中,公司表示有越来越多证据显示这些工具帮助学生取得更好成绩。公司推出了AI学习内容组合,包括AI素养模块和融合人工导师与AI学习工具的视频平台。
微软亚洲研究院推出CAD-Tokenizer技术,首次实现AI通过自然语言指令进行3D模型设计和编辑的统一处理。该技术通过专门的CAD分词器和原语级理解机制,让AI能像设计师一样理解设计逻辑,大幅提升了设计精度和效率,有望推动工业设计的民主化进程。