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。
在“双碳”战略目标的要求下,新华三能以数字化技术满足碳监测、碳捕捉及存储、碳交易等新兴需求,同时在现有基础上集成面向新型产业园“双碳”发展要求的微网管理系统,构建园区碳中和数字化体系。
新华三还在面向能源行业研发和推广数字化解决方案,为城市提供了“城市智慧能源综合管理系统”,并且推动着零碳建筑、低碳冶金、零碳家居等解决方案的创新和落地,实现数字创新与行业场景的深化融合,探索节能减排、低碳发展的更大空间。
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。
作为“双碳”战略坚定的践行者,新华三同样躬身参与,在设计、生产和制造中严格执行国家相关要求,积极参与绿色标准的制定;在经营管理上,新华三通过全面上云推动远程办公发展,间接产生节能降耗效益过千万元。
同时,新华三还启动了公司内部“双碳”能源机房建设工程,预计每年为公司减少电费支出近亿元,并且与全球400多家生产供应商密切合作构建绿色供应链,创造更大的社会效益和价值。通过智能工厂、智慧园区、碳中和行动等新的尝试和探索,新华三将在未来构建起绿色制造体系,推动自身和生态向着绿色、节能的方向加速发展。
实现数据中心绿色化
随着“双碳”目标升级为国家战略,“碳中和”元年正式开启,“能耗指标”及“碳排放指标”成为数据中心的核心竞争力所在,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至关重要。与此同时,数据中心建设还面临“企业数字化转型需求旺盛、边缘计算不断增多、融合运维能力不足”等多方面挑战。
在实现绿色低碳数据中心方面,新华三提供涵盖规划设计、部署实施到管理运维的全生命周期技术服务。同时,遵循“关键系统低碳节能技术创新”的设计理念,打造极致PUE数据中心,聚焦“顶层设计、技术创新、融合运维”。
新华三数据中心设计咨询部部长汪宏说,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。
计算和存储是绿色数据中心的核心组成之一。新华三提供了不同功率等级的白金电源、钛金电源模块以及可变散热组件,50%负载下电源模块效率高达94%,支持冗余冷备份,提高电源效率,并且能通过HDM(带外远程管理芯片)开启电源冷备功能实现更多节能,在高温环境下提高机房的设备密度和机柜利用率。
同时,新华三还能通过3D精准的温度监控,配合风扇智能动态调速,实现风量按需分配,达到最佳的节能降噪,CPU、硬盘也可以根据系统运行状态选择休眠,实现节能。
在网络的转型上,新华三致力于帮助数据中心构建弹性扩容和极简架构的网络,例如新华三推出的旗舰级400G交换机延续了经典的无中板正交CLOS架构设计,有效提升整机散热效率和节能,满负荷400G单端口功耗仅20W,实现了业务板卡区域100%的高效均匀散热、以磁吹灭弧技术实现高效供电,做到了碳排放生命周期管理。
此外,新华三模块化数据中心产品可以满足室内外、中小数据中心和大型数据中心的全场景应用需求,通过10-50KW的多元供电颗粒度、变频自然冷却等创新达到极致PUE,简化并加速数据中心的建设、实现弹性扩容,助力客户打造快速部署、按需扩容、高能效低PUE的模块化数据中心。
“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
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。