近年来,由“碳排放”及其衍生而出的“碳达峰”、“碳中和”、“双碳目标”等环保问题,已经成为全球政府间与社会最关注的话题之一。“双碳”政策是中国大国担当的重要体现,符合数字时代的绿色可持续发展道路,其也会从多个方面促进前沿技术、高端设备、先进材料等领域的创新发展。
中国数据中心建设迎来高速发展期,以平均年30%左右的增速领跑全球,中国的超大规模数据中心呈现高密化、规模化发展特征。而数据中心作为能源消耗“大户”,如何建设下一代绿色高效数据中心自然也成为产业界的焦点。
在青云科技副总裁林源看来,“双碳”政策对于云计算产业的发展是利好,因为云计算本质上减少了IT硬件的重复投入,符合“双碳”策略。同时,作为新基建的重要技术,云计算通过与其他技术的结合,形成服务于智慧数据中心、智慧园区、智慧城市等场景的绿色技术,既能有效实现最大限度地节约资源、保护环境、减少能源消耗,又能满足各方对存储、计算、网络、大数据分析的需求。
林源表示,青云以云、网、边、端一体化的平台能力,携手AIoT、大数据领域的生态合作伙伴,推出包括智慧数据中心、智慧园区在内的符合“双碳”政策的解决方案,并且实现了很多已落地和落地中的项目。除了在技术及项目层面,青云也进行了办公环境的IoT改造,对内号召从点滴做起,为“双碳”实现做出自己的贡献。
如何让数据中心更绿色?
近年来,数据中心建设进行得如火如荼,能源消耗也是相当可观。为了实现“双碳”目标,数据中心如何持续降低能源消耗变得至关重要。在一系列的政策指引下,数据中心产业整体向绿色发展,一定会有相应的建设与运营成本上升。同时,集约化、规模化的趋势对产业链也是巨大挑战。
从全行业布局来看,绿色数据中心要从选址、设计、建设、运营的全链条出发。数据中心应该采用绿色能源,而青云从技术角度在各个环节优化数据中心的能源使用。
例如,在山东某数据中心里,青云数字化改造的测点投放达到50万,以实现提高能效和降低能源开销。新型数据中心建设有机融合多云管理和物联网IoT,打通IT服务和基础设施,以标准规范的方式把风、火、水、电、门禁、大屏等多样化的平台设备接入,形成统一的数字基座,在基座之上开发上层应用,以联动的形式进行整体能源优化,而且针对具体场景可以进行具体的子系统设置,并以高度解耦的方式,实现底层与软件层、应用层的解耦。
林源说,除了从机房建设规划、运维运营、优化管理等方面入手,数据中心建设也需要让设备与硬件“认清自我”,设备能够主动向运维运营人员报告,“我是谁,我在哪,我现在怎么样,我打算接下来怎么做”,这就必须通过平台支撑数据的采集、关联、分析和自动化能力。
青云物联网平台在数据中心内代替传统总线方式或单一设备管理方式,可以更好实现能耗动环管理、智能运维、移动运维等新方式,通过智能化算法进行能耗预测和优化建议,完成对机房PUE值的计算,为管理者提升能效提供决策依据,提高能耗管理水平,实现能耗优化目标。同时,有效实现计算资源的统一管理和调度、不同模式的巡检、智慧通行及照明等不同应用场景。
当前,并不是所有的数据计算一定要回到中心节点数据中心,云计算已经逐渐从中心为核心的方式,变为“边缘不再是边缘,也是核心组件”的方式,这也让整个云计算生态发生了变化,通过网、边的技术演进让数据中心更“绿色”。
“青云会坚定地通过数字化的手段持续创新,从更‘智慧’的角度参与绿色数字中心建设、智慧园区、智慧城市建设,从整体上优化和降低能效,贡献‘双碳’。”林源最后说。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。