8月3日,曙光节能技术(北京)股份有限公司(以下简称曙光节能,股票代码:872808)新三板挂牌仪式在全国股转系统仪式大厅圆满举行。股东代表中科曙光总裁历军及高级管理团队、曙光节能董事长史新东、执行董事沈卫东、总经理何继盛出席了挂牌仪式。作为首家以液冷服务器和液冷数据中心解决方案为核心技术的自主创新高科技企业,曙光节能的挂牌,意味着液冷技术在数据中心的应用已获得广泛的用户认可,并开始得到资本市场的关注和青睐,在行业内具有里程碑式意义。
2014年中科曙光在上海证交所上市,之后制定了集群化发展的战略规划:对一些业务相对具有独立性,且具备良好发展潜力的业务板块,针对性地制定发展战略和运作机制,支持其做强做大。曙光节能技术(北京)股份有限公司就是在这一大背景下应运而生。
曙光节能作为中科曙光旗下的子公司,其业务方向是以先进的高效冷却技术为核心,为用户提供整体数据中心基础设施解决方案。其一体化微模块数据中心产品、服务器液冷系统、液冷数据中心解决方案等,在国内乃至国际上都处于技术领先的地位。特别是曙光节能提出和引领的服务器液冷技术和液冷数据中心解决方案,在实现对IT设备超高密度制冷的同时,又具有大幅降低数据中心能耗、节能环保的优越特性,将对数据中心的建设模式带来深远的影响、颠覆式的改变。
随着大数据、云计算、人工智能等应用的不断发展,数据中心作为数据处理和信息存储的载体,在社会发展、国民经济中都扮演着越来越重要的作用,各行各业对数据中心的需求一直在持续、快速的增长。而数据中心的高能耗,也日益成为企业和社会急需解决的切肤之痛。曙光节能的机柜级微模块、机柜排级微模块、机柜池级微模块及集装箱数据中心,以其节能高效、安全稳定、高度集成等特点,广泛应用于政府、科研、金融、广电、医疗、互联网、运营商等诸多领域。曙光节能在2015年推出的服务器和数据中心液冷解决方案,更是为数据中心建设带来了革命性的创新,成为解决数据中心能耗问题最强而有力的技术趋势。
曙光节能在服务器液冷技术和液冷数据中心解决方案上实现了多方面的技术突破,已获授权与进入实审阶段的专利过百项。其解决方案在理念、技术层面为IT设备高功率密度部署和数据中心散热带来了深刻变革,获得了HPC CHINA“液冷技术创新与应用大奖”,完美诠释了科技创新的内涵,同时入选发改委《国家重点节能低碳技术推广目录》、工信部《绿色数据中心节能适用技术目录》,荣获“北京科学技术奖”及“中国制冷协会科学技术奖”。
作为国内首家实现服务器液冷系统规模化量产的厂商,曙光节能旗下的冷板式液冷服务器解决方案已大规模应用于市场,以其先进的技术、高性能及高稳定性,赢得了广泛用户的高度认可。中科院大气所“地球数值模拟装置原型系统”、国家电网仿真中心超级计算系统、国家气象局“派”巨型计算机等一系列在行业内极具影响力的重大项目都采用的是曙光节能的冷板液冷解决方案。目前,曙光节能的冷板液冷解决方案出货量稳居行业前列。
同时,曙光节能也是率先研发并推出全浸没相变式服务器液冷技术及全浸没数据中心解决方案的厂商,使得数据中心能效指标逼近理论极限值。其产品将率先应用于国家尖端重大科研装备中,并很快进入更广泛的商业推广。
曙光节能始终秉承“自主创新,服务中国”的理念,精攻于数据中心节能解决方案,旨在将更多、更先进的技术转化为更强大生产力,肩负社会责任与行业责任,砥砺前行。
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。