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
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
微软研究院发布突破性多语言AI技术UPDESH,通过"自下而上"数据生成策略,让AI真正理解不同文化背景下的语言表达。该技术基于各语言维基百科内容生成950万个训练数据点,覆盖13种印度语言,显著提升低资源语言AI性能,为构建文化敏感型AI系统提供新路径。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
NVIDIA团队提出RLBFF方法,将AI训练中的复杂评价转化为明确的二元判断标准,解决了传统人类反馈模糊和可验证奖励局限的问题。该方法在多个权威测试中取得突破性成果,其中JudgeBench获得第一名,训练的模型性能媲美知名商业模型但成本仅为其5%,为AI训练领域带来重要方法论创新。