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
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
CORA是微软研究院与谷歌研究团队联合开发的突破性AI视觉模型,发表于2023年CVPR会议。它通过创新的"区域提示"和"锚点预匹配"技术,成功解决了计算机视觉领域的一大挑战——开放词汇目标检测。CORA能够识别训练数据中从未出现过的物体类别,就像人类能够举一反三一样。在LVIS数据集测试中,CORA的性能比现有最佳方法提高了4.6个百分点,尤其在稀有类别识别上表现突出。这一技术有望广泛应用于自动驾驶、零售、安防和辅助技术等多个领域。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
中国电信研究院联合重庆大学、北航发布T2R-bench基准,首次系统评估AI从工业表格生成专业报告的能力。研究涵盖457个真实工业表格,测试25个主流AI模型,发现最强模型得分仅62.71%,远低于人类专家96.52%。揭示AI在处理复杂结构表格、超大规模数据时存在数字计算错误、信息遗漏等关键缺陷,为AI数据分析技术改进指明方向。