日前,全球能效管理和自动化领域的专家施耐德电气宣布推出Galaxy V扩展系列不间断电源(UPS),为数据中心和工业领域各种规模的大型数据中心提供高密度、高能效的电源保护。
灵活、可延展的电源保护
数字经济下,由连接设备和物联网技术产生的数据与日俱增,数据中心市场迎来带来前所未有的蓬勃增长。与此同时,数据逐渐成为企业竞争优势的关键,而企业对实时数据的访问需求更为关键,宕机比以往任何时候都更具破坏性。
Galaxy VX的扩展功率范围为500kW到1500kW,能够为中大型和超大型数据中心市场提供完备、多功能的电源支持。这些数据中心需要不断增加的电源支持才能确保服务的连续性和可靠性。施耐德电气于2014年推出了Galaxy VM系列UPS,标志着Galaxy V系列平台的正式推出,后于 2016年6月推出Galaxy VX系列。
施耐德电气安全电源系统副总裁Pedro Robredo表示:"随着云计算和托管IT模式在企业级的持续发展,全球超大规模数据中心的能效问题越来越受到关注。Galaxy V系列全球平台可提供高能效模式,以及可扩展性和模块化设计,并通过与锂离子储能集成实现高可靠性。"
考虑到扩展需求,稳健的Galaxy VX解决方案拥有模块化分布式组件设计,通过250kW功率柜体扩容系统提升电源系统冗余度和增容。另外,Galaxy VX配备两款I/O机柜,在升级额定功率时无需更换I/O机柜,从而实现了柜体的内部冗余。这种架构增强了整个系统的可靠性,减少了平均修复时间(MTTR),并实现了更高级别的保护和容错。
灵活的运行与管理,效率高达99%
Galaxy VX作为数据中心基础设施管理(DCIM)应用的集成套件,可以通过施耐德电气的StruxureOn云端远程监控软件进行全面管理。通过管理不同地区的数据中心,提供确保高可用性与最高效率完美平衡的可操作信息,助力实现业务繁荣。Galaxy VX提供三种运行模式来优化IT环境,其中包括:
双变换模式:通过高效的双转换模式,Galaxy VX使用四电平逆变技术降低开关损耗,从而提高可靠性,降低故障率,效率最高达96.4%。
节能模式:Galaxy VX提供传统的节能模式,效率最高达99%。
ECOnversion(E变换)模式: Galaxy VX提供的E变换模式是节能模式和双变换模式的结合,无需额外硬件来净化电源,效率最高达99%。
锂电池提供额外的增强保护
Galaxy VX提供包括锂离子电池在内的灵活储能选择,可提高后备储能管理性能,简化运维的复杂性和成本,并减少碳足迹。Galaxy VX增强了对锂离子电池的充电能力,实现在经常性停电的环境下进行快速充放电。
对于某些特定安装,Galaxy VX可作为预制电源模块架构的一部分,从而简化UPS的部署和安装。预组装和预测试系统包含UPS和数据中心电力基础设施的所有主要部件,其中包括电池,自动转换开关(ATS)和开关柜,可最大限度地减少现场安装时间和错误。这一个简便的集成解决方案,使客户能够快速部署新的电源和计算能力,以支持其数据中心的发展。
有关Galaxy VX和施耐德电气三相电源保护解决方案的更多信息,请访问http://www.schneider-electric.com/en/product-range/63732-galaxy-vx/。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。