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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。