12月19日,在北京国家会议中心举办的第十四届“中国IDC产业年度大典”上,曙光节能总工程师沈卫东表示,随着数据中心服务器功率密度的提高,以及行业对节能、环保的需求增长,“液冷”正加速成为行业主流冷却技术。
据了解,2019年曙光实现了首个“刀片式浸没相变液冷技术”的大规模部署,其单机柜功率密度达到了160kW。“从曙光的实践来看,‘液冷’是高功率服务器所必须技术。”沈卫东说。
在“中国IDC产业年度大典”的“对话‘液冷’数据中心的未来”论坛上,曙光节能总工程师沈卫东表示,早在2011年曙光便开始数据中心“液冷”技术的研发。
2010年时,曙光研发的刀片服务器单机柜热负荷功率已近30kW。“单机柜功率如果超过40kW,当时全球空调厂商都解决不了曙光服务器的散热问题,空气这种冷却介质已走到尽头。”沈卫东说。
为满足新一代高功率密度服务器的散热需求,2010年低曙光成立基础设施产品事业部,开始研发冷板液冷、浸没液冷等新散热技术。
经过多年研发,2015年曙光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。2017年又交付了首套商用全浸没相变液冷服务器,并于2019年实现了,世界范围内的首个刀片式浸没相变液冷技术的大规模部署。
近年来,伴随5G、大数据、边缘计算等为代表的IT产业高速发展,数据中心服务器单机柜功率密度正不断升高,传统“风冷”面临着散热瓶颈问题。“早先的刀片服务器,一枚刀片上只有2颗CPU,现在一枚刀片上仅GPU就有8颗。从曙光的实践来看,‘液冷’是高功率服务器所必须的技术。”沈卫东说。
2019年,“绿色”、“节能”已成为数据中心行业关键词。除解决高功率服务器散热问题,“液冷”也助于实现数据中心的节能、环保等“绿色计算”目标。
2019年2月,多部门联合发布关于加强绿色数据中心建设的指导意见,明确新建大型、超大型数据中心的电能使用效率值(PUE值)需达到1.4以下。
IDC发布的《2019中国企业绿色计算与可持续发展研究报告》显示,在调查的超过200家大型企业中,超过50%的企业已大规模部署并使用模块化数据中心、液体冷却等“绿色计算”技术。67%的企业已将绿色计算相关举措贯彻落实到日常的生产运营过程当中;近九成企业有绿色环保和可持续发展的主张并积极推广绿色理念。
而曙光正通过创新数据中心、液冷节能技术、优化升级计算单元、技术融合等手段践行绿色计算理念,支持绿色发展。
在“中国首届绿色计算高峰论坛”上,中科曙光副总裁曹振南表示,在云计算行业需求的驱动下,具有模块化、绿色化、智能化、高密度、双层融合与双层分离等特点的第四代数据中心,已成为当前IT基础设施的主流。
“绿色化和智能化是第四代数据中心的标志。”曹振南说,基于第四代数据中心,曙光推出的“硅立方”数据中心,不仅可节约使用成本,在建设、运维周期等方面也更加经济、快速。
采用刀片式浸没相变液冷技术的曙光“硅立方”,其PUE降至1.04,相比风冷数据中心能效比提升超30%,单机柜功率密度达160kW,计算设备可靠性至少提升一个数量级。
截至目前曙光累计部署的“液冷”服务器已达数万台,曙光表示技术上“液冷”已有足够积累取代“风冷”。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。