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
来自北京大学多媒体信息处理国家重点实验室和小鹏汽车的研究团队发布了一项重要研究成果,提出了一种名为FastDriveVLA的创新框架,让自动驾驶AI能够像人类司机一样,学会在纷繁复杂的道路场景中快速识别并聚焦于真正重要的视觉信息。
清华团队开发DKT模型,利用视频扩散AI技术成功解决透明物体深度估计难题。该研究创建了首个透明物体视频数据集TransPhy3D,通过改造预训练视频生成模型,实现了准确的透明物体深度和法向量估计。在机器人抓取实验中,DKT将成功率提升至73%,为智能系统处理复杂视觉场景开辟新路径。
TechCrunch年度创业战场大赛从数千份申请中筛选出200强,其中20强进入决赛角逐10万美元大奖。本次消费科技和教育科技领域共有26家公司入选,涵盖无障碍出行、AI视频制作、服装租赁、护肤推荐、纹身预约等创新应用,以及AI语言学习、个性化数学教育、职场沟通培训等教育科技解决方案,展现了科技创新在日常生活和教育领域的广泛应用前景。
字节跳动研究团队提出了专家-路由器耦合损失方法,解决混合专家模型中路由器无法准确理解专家能力的问题。该方法通过让每个专家对其代表性任务产生最强响应,同时确保代表性任务在对应专家处获得最佳处理,建立了专家与路由器的紧密联系。实验表明该方法显著提升了从30亿到150亿参数模型的性能,训练开销仅增加0.2%-0.8%,为混合专家模型优化提供了高效实用的解决方案。