康普北亚区技术总监吴健
2021年,数据中心将加速部署新兴技术。高性能网络不断增长的需求,管理效率的提高以及COVID-19疫情的影响等全球重要趋势都将对数据中心新兴技术的部署产生影响。外卖订单的增多和实体店零售购物的大幅下滑,大大推动了线上销售的增长,也对数据中心带来了显著影响。以下是2021年数据中心的四大发展趋势:
加速向云迁移
在非“常态”的情况下,大小型企业都在向云迁移,且无论疫情态势如何,这种趋势都将在2021年提速。之前还处在观望中的企业,如今正快速地转向采取基于云的模式来运营业务。许多安排员工在家办公的企业已经采用了基于云的应用,以推行远程办公策略,而零售商则紧随行业巨头们的步伐,将销售工具转移至云端。
与云计算相关的另一大趋势是私有云基础设施的加速采用。此前业界还普遍认为,一切最终都会转移到公有云中。但从许多企业的需要看,他们偏爱将财务、医疗保健等敏感信息保存在私有云中。与此同时,还有一些应用根本无法转换到公有云。而那些运维大型数据中心的企业也发现,私有云的价格要低于公有云。因此,大多数企业将采用公有云和私有云混用的形式,来管理其应用和数据,这也将成为一种行业的标准做法。
增加人工智能的采用
融合人工智能(AI)应用一直是数据中心的大势所趋,且该趋势在2021年并无放缓迹象。尽管在疫情期间推出的应用在疫情结束后仍可能继续被使用,但上述趋势确实与COVID-19疫情有着较强的关联性。AI被用于推动安全和安防应用的发展,例如自动体温测量、免接触式授权、支付和控制系统以及人员流量监控,同时AI也被应用于暖通空调控制和照明等楼宇管理系统。
通过处理大量数据或ML(机器学习)训练集,能够开发复杂的AI算法。例如,可扫描数百万张人脸,以提供一种能够全面了解人类表情细微差别的算法。算法创建完成后,可负责对大量实时信息做出反应,例如面部抽动、皱眉和瞳孔扩张等。
AI/ML数据通常存储在庞大的数据池中,而配备加速器的专用服务器,例如GPU,非常适合处理AI/ML任务。数据中心网络正在增加带宽,为这些系统提供足够大的数据管道,从而实现经济且高效的AI工具的开发。
物联网部署将激增
随着企业致力于实现更完善的设施和人员管理,物联网应用正在迅速激增。诸如LTE-M和Zigbee等较新的连接协议,让温度、水消耗、空间占用、暖通空调控制和其他应用的无线传感器得以应用,而以太网供电(PoE)更使得从Wi-Fi接入点到监控摄像机等所有应用的统一高效成为可能。
物联网提供了关键数据。举例来说,物联网可以推动制造的优化,使AI在流程控制方面的应用成为一种趋势。若要实现机器间的通信,数据通信系统必须实现非常低的延迟。而延迟也是将那些新的较小的分布式系统或边缘数据中心(边缘数据中心用以支持近距离的应用和服务)部署时主要考量的因素。这种趋势正在加速分布式网络的设施部署,以支持大量的边缘数据中心应用。
随着物联网应用的不断增加,预计生成的数据量也将呈指数级增长。处理IoT数据最行之有效的方法,可能就是在位于边缘的本地处理数据。据Gartner预测,到2025年,约65%的服务器将被部署在边缘数据中心。
推动单模光纤发展
远程办公人员和购物者对快速响应的需求将推动单模光纤的广泛采用。单模光纤虽存在已久,但随着数据中心在2021年逐渐采用400G以太网,其部署将进一步加速。尽管受疫情影响,2020年400G的部署速度有所放缓,但预计这种情况将在2021年有所改善。
此外,数据中心的容量将持续增长,其效率也势必需要不断提升。由于前几代铜缆在速度和传输距离方面均达到了上限,因此需要更高效的网络交换设备,并推动“光纤到服务器”的使用,这也正是光纤网络带动网络设备及光学器件带宽提升的原因。IEEE 802.3db工作组的目标是服务器的连接达到100、200和400Gbps的速度,这将有助于开发基于VCSEL的低成本光学器件(多模光纤收发器)在短距离中的应用。
在2021年,适应并满足远程办公人员和客户的需求,使设施更安全、更高效并实现性能提升,将成为数据中心的关键趋势。随着行业持续变革,推行这些计划的企业将走在数字化浪潮的前沿。
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。