近日,第六届智能数据中心基础设施技术峰会在深圳召开。作为大会的一个重要环节,“智领DC计划”重磅发布了《新一代智能间接蒸发冷却解决方案白皮书》(下文简称“白皮书”)。

“白皮书”由国内数据中心行业相关的高校、解决方案提供商、研究院、数据中心建设与服务提供商、互联网公司、设计院、行业协会与组织等三十余家机构和资深专家联合编写。
接下来,重点来了!了解“智”冷,从白皮书的这几个关键问题开始!
Q 1政策因素是如何影响数据中心制冷形式的?
“白皮书”对国家和地方政府的数据中心能效政策进行了解读。近年来,工业和信息化部、国家发展和改革委员会等国家机关和北京市、上海市、广东省、深圳市等地方政府相继出台数据中心相关政策,对新建和旧改数据中心的PUE制定了详细的准入门槛和激励机制。在政策牵引下,数据中心可选的制冷形式将受到影响,间接蒸发冷却解决方案作为一种高效的自然冷却方案将会得到更广泛的应用。
Q 2在北上广深等数据中心建设的热点区域,部分数据中心建设在多层建筑内部,间接蒸发冷却技术的建筑适配性是一个亟待改善的问题。那么,我们应该如何改善建筑适配性问题?
针对问题中提出的场景,“白皮书”提出:1、数据中心规划设计方应提前进行建筑物的适配性设计,设备安装空间、层高、吊装位置等需要提前考虑;2、新一代智能间接蒸发冷却解决方案应针对此类场景进行设备的高密化和小型号优化,增强建筑物的适配性。

Q3间接蒸发冷却解决方案适用于南方湿热地区吗?
“白皮书”指出:南方湿热地区具备应用间接蒸发冷却方案的条件,可通过自然冷却降低数据中心的能耗。为了此类区域取得更好的应用效果,应注意以下问题:
1、间接蒸发冷却设备和IT设备应选择合适的运行工况,以珠三角地区为例,在满足《数据中心设计规范》GB50174-2017的前提下,进行合适的工况设定可以满足全年有一半以上的时间可以全部或部分应用自然冷。
2、在高湿时间段新一代智能间接蒸发冷却解决方案应能自动根据气象参数判定实时调节机组的控制策略,实现最优的运行状态。
Q4新一代智能间接蒸发冷却解决方案如何在能效优化上体现“智”冷?
“白皮书”指出:AI技术已经成为数据中心能效优化的重要手段。新一代智能间接蒸发冷却解决方案应借助AI工具,收集大量数据,并通过机器自学习,可以实现全场景自动寻优控制。通过AI训练平台,实时优化能耗模型,输出数据中心机房总能耗最低推理模型,实现PUE最优。

Q5新一代智能间接蒸发冷却解决方案如何在运维水平上体现“智”冷?
为帮助提升数据中心运维水平,新一代智能间接蒸发冷却解决方案应借助各类图像、声音、振动等智能传感器,匹配AI智能算法,实现间接蒸发冷却系统全自动巡检及故障预测。

《新一代智能间接蒸发冷却解决方案白皮书》是华为“智领DC”计划的重要成果之一。华为在数据中心领域持续创新,搭建平台邀请业界专家汇聚智慧,共同推动产业革新,推进数据中心产业健康发展。
好文章,需要你的鼓励
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。