从5G到云计算,“数据中心”正如20世纪初的发电厂,随信息产业高速发展进入建设高峰期。此外,“节能”、“高密度计算”等政策与企业需求,也将“数据中心”建设领入新时代。
7月16日,中科曙光旗下曙光节能技术(北京)股份有限公司(以下简称“曙光节能”)在北京召开首次“曙光节能”数据中心产品媒体交流会,并详解“数据中心”节能黑科技。
会上“曙光节能”总经理何继盛介绍,目前“数据中心”已进入5.0时代,除具有标准与模块化特点外,追求低能耗与“高计算密度”成为趋势。
“曙光节能”总经理何继盛
而随着曙光“全浸没液冷”技术步入标准与商业化,“数据中心”单机柜功率已进入160KW时代(传统风冷单柜功率<30KW,普通家用台式电脑CPU+GPU功率为0.2KW左右),同时PUE(总能耗/IT设备能耗)值也降到1.05及以下,目前国内首个“全浸没液冷”服务器群已在平稳运行。
“全浸没液冷”技术 让数据中心节能不再“靠天吃饭”
“数据中心节能不能总‘靠天吃饭’,自然环境无法复制,此外也不利于计算资源的灵活配置。”在“曙光节能”数据中心产品媒体交流会上,“曙光节能”总经理何继盛表示,随着IT产业发展,数据中心能耗、计算密度等话题正引发社会关注,各地政府部门也推出针对新建数据中心能耗的限制政策。
互联网公司建立在北极圈内的数据中心
而为降低数据中心的能耗——“PUE值”,拥有庞大服务器群的云计算、互联网企业纷纷在拥有丰富水资源、气候凉爽的偏远地区建立“数据中心”。这样做虽然降低了PUE,但对于大部分企业来说,不具有参考与可复制性。
“随着数据中心机柜的标准与模块化普及,短时间在偏远地区大规模建设数据中心成为可能。但对于90%企业、机构来说,配置的‘数据中心’远离用户、远离主干网络、失去运维的便捷性是无法接受的。”何继盛表示,为给用户提供便捷、标准、灵活的节能、高计算密度数据中心解决方案,早在2012年曙光便探究降低数据中心能耗的核心技术——“全浸没式液冷”。
何继盛介绍,传统数据中心超过一半的耗能都用在了冷却计算设备上。因此降低冷却耗能,是数据中心节能的关键。曙光经多年研发与实践,掌握了行业领先的“全浸没液冷”技术,依托该技术曙光研发的C8000刀片式计算模组,其计算单机柜功率可达160KW,而PUE值达到1.05及以下,相比传统风冷数据中心可节电超过30%。
另外,随着5G时代到来,在用户密集区配置高计算密度的边缘数据中心正成为趋势。曙光液冷“数据中心”计算模组,为用户在密集地区的“边缘计算”节点配置,提供了可靠、节能的系统解决方案。这也将加速5G时代的云游戏、云3D、云渲染设计等高交互、复杂计算场景的实现。
超40项液冷技术专利 四年实现四个“全国首次”
除“全浸没液冷”技术外,围绕数据中心节能、不同行业对计算密度的需求,曙光积累了大量技术专利与建设经验。
何继盛介绍,曙光率先于2015年推出国内首款标准化量产的冷板式液冷服务器,并在当年完成国内首个冷板式液冷服务器大规模应用项目,2017年又交付了国内首套商用全浸没液冷服务器,并在今年完成了国内首个浸没式液冷服务器大规模应用项目。截至目前,曙光拥有的“液冷”核心专利就超40项,此外还有40余项“液冷”相关专利已提交申请。
曙光数据中心系列产品,拥有满足中低密度计算需求的风冷标准模组、满足高密度计算的液冷冷板模组,以及满足救灾、户外勘探等特种作业环境需求的“集装箱式”计算模组,这些计算模组已被电力、气象、金融、通信、互联网企业、高校研究院等广泛采用,曙光提供的“低能耗”、“高密度”计算节点数以万计。
数据中心节能技术委员会秘书长吕天文
中国数据中心节能技术委员会秘书长吕天文表示,目前全国数据中心的耗电量已连续8年超过12%的速度增长,预计2020年总耗电量将达到2962亿千瓦(2018年中国城乡居民用电总量为9685亿千瓦)。因此数据中心节能问题,引发包括政府在内的广泛关注。
前四代数据中心运行和维护特点
吕天文介绍,目前一线城市对新建数据中心节能都提出了PUE值的硬指标,但现在很多已建或在建数据中心的PUE值达不到,改造、升级现先有“数据中心”也是节能的挑战。
而从整个行业来看,“液冷”技术是降低数据中心能耗的最可靠与可行的方案,曙光在此方面积累了完善的技术,这将加速全国“数据中心”步入“液冷”时代。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。