随着“双碳”目标升级为国家战略,“碳中和”元年正式开启,推进绿色数据中心建设已成为新一代信息基础设施建设的重要任务。同时,数据中心绿色化也是企业社会责任发展的重要体现。
英特尔正与新华三紧密合作,凭借全面的产品技术和领先的可持续发展理念为实现“双碳”目标进行实践探索。新华三致力打造绿色节能的数据中心,建设可持续发展的未来。
“双碳”背景下的可持续发展战略
近年来,构建可持续发展的良性社会成为全球共识,全社会都在积极推进能源使用的重要转型。我国已将“碳达峰 碳中和”视为国家重要发展战略目标,稳步推进多项举措。而对于企业来说,响应国家“碳达峰 碳中和”目标不仅是应该担负的责任,更是必须履行的义务。
然而应对环境挑战难凭一己之力,英特尔坚持携手合作伙伴,共同打造绿色的产业生态。
新华三不断创新以实现降低数据中心产品的能耗,通过打造智慧园区、推广智能制造、推行绿色办公等方式打造绿色产业。同时,新华三希望用数字化技术赋能能源、建筑、交通、工业、农业等碳排放重点行业,基于英特尔最前沿创新技术设计或改造的节能减排数据中心,提高能源使用效率,有效支撑多能互补、节能减排,实现高碳产业绿色低碳转型。通过参与数字政府、数字社会建设,助力城市建设运营的碳排放规划、管理和优化。
此外,新华三还助力跨区域协同推动“双碳”经济腾飞,助力政府发展跨区域“双碳”产业,用数字技术推动西部清洁能源产业发展,加快IT基础设施使用清洁能源的研发和建设,助力东西部产业互补和能源结构调整。
汪宏表示,近年来,新华三自身也做了很多节能减排的工作,比如2021年公司内部启动“双碳能源机房建设工程”,打造低碳数据中心。面向“双碳”目标,新华三通过高能耗研发体系、测试装备、开发系统、中央实验室等进行支撑业务发展。
作为科技产业的重要赋能者,英特尔也将“双碳”和可持续发展作为长期关注的重点,通过英特尔的科技创新技术与产品推动节能减排数据中心的转型,促进产业生态绿色发展。
去年,英特尔发布了RISE战略和目标,包括履责(Responsible)、包容(Inclusive)、可持续(Sustainable)、赋能(Enabling),将企业社会责任融入到公司业务运营当中。英特尔致力于通过创新技术帮助减少碳“足迹”,为节能减排与可持续发展提供解决方案。
在数据中心,整体碳“足迹”的很大一部分与能源消耗及该数据中心服务器及系统的冷却有关。因此,英特尔与合作伙伴密切协作,促进并简化数据中心中日益增多的可再生能源。英特尔还与数据中心合作伙伴打造项目,提升数据中心的能源效率,并优化可再生能源的使用,为云计算提供动力。最为重要的是英特尔与新华三在数据中心绿色化方面的诸多合作空间,可挖掘数据中心的节能减排潜力,提升数据中心建设的能效标准,践行可持续发展,助力“双碳”目标的实现。
协同创新实现数据中心绿色化
衡量数据中心能效的重要指标是PUE,通过降低PUE值打造节能型数据中心是实现绿色低碳的重要手段。此外,政策层面国家对于PUE的要求越来越严格,低PUE对于降低企业的运营成本也是非常有意义的。
在实现绿色低碳数据中心方面,新华三从规划、设计、实施等各个方面覆盖数据中心全生命周期服务,打造极致PUE数据中心,聚焦“顶层设计、技术创新、融合运维”。
汪宏说,在极致PUE方面,新华三专注于科学合理的顶层设计。极致PUE是多个因素平衡的结果,比如地域、行业等,所以新华三的极致PUE数据中心方法论也是多维度的:一是以工艺为主导,二是多系统可靠性,三是总体拥有成本,四是因时因地制宜,五是各个系统之间要有自己的关联性,六是可维护的便利性。
实现极致PUE离不开数据中心产业链的协同创新,英特尔与新华三开展了多方面的紧密合作。作为数据中心的重要组成部分,英特尔不断创新CPU架构进而提升计算效能,并提供智能网卡等组件解决数据中心所需要的计算、存储、网络方面的能力。通过英特尔的技术支持,促进产业不断创新,在提升数据中心能效的同时降低能耗,双向推动数据中心的节能减排转型。
例如英特尔在架构设计、制造工艺等方面能够让芯片在比较高的环境温度下正常运行,而且能发挥很好的性能,这可以减少散热带来的成本和能耗,提升服务器的能效比。
其实不局限于服务器产品,英特尔与新华三从计算、存储、网络等都有相应的合作,包括IoT、云智产品线。毕竟在同样的平台之下让性能表现更好也是节能减排很重要的一点。
“未来,我们会继续进行前瞻性的市场研究,服务好客户。新华三希望用自己的技术和多年的最佳实践更好地帮助数据中心行业实现绿色低碳的可持续发展。”汪宏最后说。
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。