方特梦幻王国作为深圳华强方特文化科技公司旗下主题乐园品牌之一,为了给游客更具优质的游玩体验,建设智能业务系统并对原有机房进行扩建成为当务之急。浪潮所提供的微模块服务器让新机房的PUE降低到1.5以下,完美的解决了客户机房供电不足的问题,让客户机房的扩建跟上了业务发展的速度。
厦门方特梦幻王国是由深圳华强集团投资兴建的大型高科技第四代主题公园。公园以互动体验为最大特色,将动漫卡通、电影特技等国际时尚娱乐元素与中国传统文化符号巧妙融合,创造出充满幻想和创意的神奇天地,被誉为“东方梦幻乐园”、“亚洲科幻神奇”。
梦幻王国好玩,基础设施好难
厦门方特梦幻王国内包含飞越极限、生命之光、唐古拉雪山、极地快车等二十几个大型主题项目组成,适应于各个年龄阶层的需求。由于游乐项目极具吸引力,因此也导致了客流量的激增。为了给游玩者提供更好的游玩体验,华强方特集团决定在厦门方特梦幻王国建设智能业务系统,通过数据分析来改进游玩项目及细节。
智能业务系统的架设需要较为庞大的IT基础架构做支撑,因客户现有机房已接近饱和,所以新建业务系统的第一步就是要进行机房扩建。而在新机房建设的过程中,客户面临着园区电力不足的问题。
对于机房建设来说,当地供电局的电能提供成为最主要的限制之一。通过对智能业务系统所需IT设备的测算,数据中心所需要的电能巨大,即使通过设备优化等措施,最终估算IT设备所需电能至少要340KW。目前国内数据中心平均PUE为2.2,这就意味着新建机房至少需要340KW*2.2=748KW的电能才能够满足正常运转的需求,然而当地供电局仅能提供500KW电能,对客户来说这着实是个头疼的问题。
降低PUE成为不可能完成的任务?
PUE是衡量数据中心能耗的一个关键指标,PUE=数据中心总耗电/IT设备总耗电,即数据中心总耗电=IT设备耗电*PUE。在IT设备经过评估后已不能减少且耗电已经优化到极致之后,想要降低PUE唯有一种方法,那就是减小数据中心总耗电。而想要满足新机房总耗电控制在500KW以内,那么PUE要求要达到1.5以内。但纵观我国的数据中心,大多数的PUE普遍大于2.2,而有的数据中心PUE甚至能够达到3以上,且造成巨大的环境污染问题。因此数据中心的PUE能够达到1.5以内,结合国内普遍情况来看,似乎是一个不太可能完成的任务。
浪潮微模块数据中心解决PUE过高问题
浪潮,根据客户现有情况给出了解决方案,即微模块数据中心。
浪潮微模块数据中心如何能将PUE降低在1.5之内呢?对于数据中心来说,其总耗电有相当大一部分是被制冷设备所消耗掉的,毕竟服务器的稳定运行至关重要,散热的好与坏自然是重中之重。也就是说,只有降低制冷设备的功耗并大大提升散热效率才能解决PUE过高的问题。
浪潮微模块数据中心采用成熟的封闭冷通道架构,使微模块内部的冷空气与微模块外部的热空气相互隔离,从而消除了冷热空气相互混合,解决了降低制冷效率的问题。此外,浪潮微模块服务器还采用列间空调水平送风的制冷方式,这种制冷方式对比传统的地板下送风来说,消除了机柜顶部送风量布置的问题。这两种技术结合使用,大大提升了散热效率,降低了数据中心“能耗大户”——制冷所需要的电能,将PUE由传统数据中心的2.2以上降低到1.5以下,整个机房的电能需求被控制在了500KW以内,解决了客户机房供电不足的问题。
微模块数据中心无需再像传统数据服务器那样进行交付部署,只需把空调模块、低压配电模块、机柜模块、监控模块等主要设备运送到客户现场之后就可以像搭积木一样将数据中心搭建起来,从而实现了数据中心的快速灵活部署。相较传统数据中心的部署方式,微模块数据中心不仅能够缩短3-4个月的数据中心建设周期,而且由于PUE的降低,还可以大幅降低数据中心运营成本,也让客户未来对数据中心扩容成为可能。
方特数据中心相关领导表示:“浪潮能够在现有供电条件极为不利的情况下完成新数据中心的建立,并确保了快速投入使用,让新的智能业务系统更好的为千万顾客服务,这确实令人称赞。新的机房在降低PUE的同时,也符合了国家建设节约型社会的号召,算是一举两得。”
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。