现如今大数据技术早已渗透到金融、通讯、交通、医疗等各个行业,大数据在容量、多样性和高增速方面的爆炸式增长为各行各业带来了准确洞察市场行为的机会。环保与大数据的结合催生了环保新形式,通过对环保大数据进行深度智能分析和建模,可以对大气环境和水质健康提供更准确、更多维的预测;建设全社会共享的环保公共数据资源,有利于政府和主管部门做出科学决策,智慧管控。
交通行业的发展对能源消耗和环境污染有着巨大的影响,《世界能源展望》调查显示,交通行业在全球的能源消耗中占25%,二氧化碳的排放量占全球的14%。随着空气质量的恶化,北京市交通委节能减排的压力也越来越大,只有全面掌握污染与能耗数据,才能实现精细化管理,制定宏观策略。
搭建“全覆盖型”统计监测平台 挑战多多
为全面落实交通运输部重大信息化工程——“安全畅通与应急处置系统建设工程”和“交通运输经济运行监测预警与决策系统建设工程”的工作要求,北京市交通行业节能减排中心建成了节能减排统计与监测平台。在建设的第一阶段,该平台初步实现了对重点行业能耗核算分析,接下来,北京市交通委要将平台建设成覆盖全行业,可全面实现对能耗、污染物排放以及碳排放的核算分析,实现对地面公交、轨道、出租、货运等运输行业监测的全覆盖,对主要交通工具类型监测的全覆盖。
超大计算规模,需要性能与密度双重优化
这样一个全覆盖型节能减排统计与监测平台需要定时采集全行业和车辆能耗动态,支撑交通行业、企业能耗总量及能源使用效率变化趋势分析及问题诊断,每天PB级数据计算需求对底层硬件设备的计算能力提出了严苛的要求,如果单纯以机架集群的方式来承载平台,至少需要新增上百台机架服务器,这对机房的空间部署和日常运维都将带来巨大的挑战。
数据强关联,应用模块频繁互调用,需要更低网络延时
全覆盖型节能减排统计与监测平台要完成交通环境监测、交通运输工具等十多个系统的监测与分析,需要频繁调动存储数据并进行不同计算单元的通信,这就要求支撑平台的硬件基础具有良好的网络性能和极低的网络延迟及信号折损。
借助全能型刀片系统浪潮I9000 扫平困难
综合考虑客户在搭建全覆盖型统计监测平台时面临的诸多问题,浪潮为北京市交通委节能减排中心提供了以浪潮第二代融合架构刀片系统I9000和双路旗舰服务器NF5280M4为基础的解决方案,帮助客户扫平困难。
I9000刀片系统主要部署于应用域,承载用户十几项关键业务,而NF5280M4则主要用于大数据域,负责对公交、轨道、出租等专项设备数据和业务系统运营数据的采集数据采集以及对专项设备数据使用分布式消息系统汇集数据。
此前一期系统已经建成并初步投入使用,二期系统是接续项目,在一期基础上进行扩建,除了要保持一期系统现有运转外,更主要的是进行系统优化和数据集成,供综合决策使用。
针对客户的需求, I9000刀片系统提供比肩机架式服务器的计算性能,同时节约1/3的部署空间,在满足极高计算性能需求的同时,轻松解决机房部署与运维压力。
I9000作为融合架构系统及产品,可通过不同的计算节点及交换模块的有机组合灵活在统一的硬件平台上承载scale-out/scale-up应用,并为其提供统一便捷的管理平台,为客户提供更可靠易用的业务体验。
浪潮I9000刀片系统除了提供主流交换模块外,还提供独有的后置IObox,支持标准PCIE扩展卡,通过标准PCIE扩展卡实现网络直通,不需要再配置专用的网络直通模块且不影响交换模块数量,可在不影响部署密度的前提下提升计算刀片的PCIE扩展能力,大大降低客户成本。
依托大数据平台实现节能减排 更加科学
以浪潮服务器为基础的节能减排统计与监测平台帮助北京市交通委实现对交通行业、企业能耗总理安及能源使用效率变化趋势的分析及问题诊断,将能耗总量及能效任务指标分解至各区县、各行业、各企业,实现对区县、行业、企业的节能考核。
北京市交通委节能减排中心相关负责人谈到:“数据是政府管理工作的抓手之一,节能减排统计与监测平台帮助我们摸清各行各业的能耗底数,掌握各行业、各能源类型月度、年度能耗量和变化趋势,这样我们才能有的放矢地监督管理节能减排情况,制定考核管理流程,确保节能目标顺利完成。浪潮的I9000刀片系统在性能方面不输机架,而且极大地简化了平台的基础架构,减轻了我们在运维管理方面的压力。”
好文章,需要你的鼓励
TAE Technologies在最新一轮投资中获1.5亿美元,累计融资约18亿美元。公司利用 AI 技术优化融合反应堆设计,目标于 2030 年代商业化发电,谷歌等巨头均参与合作。
这项来自首尔国立大学的研究提出了状态机推理(SMR)框架,解决了大型语言模型在信息检索中的过度思考问题。研究者将推理过程从冗长的令牌生成转变为离散动作(精炼、重排序、停止),使系统能够高效地在状态间转换。实验结果表明,SMR在BEIR和BRIGHT基准测试中显著提高了检索性能,同时减少了74.4%的计算资源消耗,证明其在不同语言模型和检索器中的通用性。这种结构化方法不仅解决了冗余轨迹和误导性推理问题,还为构建更高效的信息检索系统提供了新思路。
Nvidia 正在全球数据中心推广 AI 芯片,其最新 Blackwell 架构在 MLPerf 基准测试中获得最高性能,大幅加速下一代 AI 应用的训练与部署。
REASONING GYM是GitHub团队开发的一个突破性推理环境库,为强化学习模型提供可验证奖励。与传统固定数据集不同,它能生成无限训练数据并调整难度,涵盖代数、算术、认知、几何等100多个领域的数据生成器。研究显示,即使顶尖AI模型在复杂任务上表现也不佳,而专门针对推理训练的模型明显优于通用模型。更重要的是,在一个领域学习的技能可以意外地迁移到其他领域,这为提升AI推理能力提供了新路径。