近来,数据中心和“碳中和”捆绑在一起的概念屡见不鲜,从国家政策到行业领域屡次提及,在中央经济工作会议中,我国提出2021年要抓好的八项重点任务,而“做好碳达峰、碳中和工作”位列其中,重申我国二氧化碳的排放力争2030年前达到峰值,力争2060年前实现碳中和。
数据中心作为耗电大户,过去十年间,我国数据中心整体用电量以每年超过10%的速度递增,2020年我国数据中心用电量突破2000亿千瓦时,占全社会用电量的比重升至2.7%;根据预测,到2030年数据中心用电量将突破4000亿千瓦时,占全社会用电量的比重将升至3.7%。
由此可见,数据中心是未来为数不多能源消耗占社会总用电量比例持续增长的行业。加快数据中心绿色发展降低碳排放,推进行业碳中和刻不容缓。为此,各地纷纷出台相关政策,强调科技创新、鼓励绿色升级,在工信部《新型数据中心发展三年行动计划(2021-2023年)》中,也将绿色低碳列为基本原则,强调坚持绿色发展理念,全面提高新型数据中心能源利用效率。
本期杂志重点关注”双碳“背景下的绿色数据中心话题,由于绿色数据中心涉及范围非常广,我们从供给侧着手,采访了芯片厂商、服务器厂商、云计算提供商等企业,借此呈现数据中心产业链对于绿色低碳方面的看法。
芯片是数据中心的”心脏“,而随着工作负载的多样化和复杂化,处理器的性能和功耗也是不断增加。如何实现最优的功耗成为芯片厂商的重要挑战。
不管是英特尔还是NVIDIA,还是Arm都在其产品中融入了功耗优化的技术,从而应对未来绿色低碳的要求。比如Arm的XPU融合计算架构。
服务器厂商也是我们这次重点关注的对方,毕竟数据中心是由服务器组成的。服务器厂商在技术创新方面也是可圈可点,例如中科曙光发布“曙光生态级一体化大数据中心”方案。
而作为“曙光生态级一体化大数据中心”的节能技术底座,曙光相变液冷技术可助数据中心实现全地域、全年自然冷却,PUE值可降至1.04。若全国50%新建数据中心采用曙光相变液冷技术,每年可省450亿度电,减排3000万吨二氧化碳。
在实现绿色低碳数据中心方面,新华三则提供涵盖规划设计、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”。
由于IT消费模式的变化,从采购硬件到购买服务,云计算厂商正在成为企业数据中心消费的首选。所以云厂商在绿色数据中心方面的探索事关整个产业链的发展。
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。
为“碳中和”目标的实现,UCloud优刻得在云计算中心设计和建设过程中,采用多种先进技术,降低碳排放量,提升数据中心的绿色化水平。
从云计算厂商的”双碳“实践,我们看到他们更多是引入创新技术,比如IoT、AI以及液冷等实现数据中心的高效运营。
总的来看,数据中心产业链对于”双碳“是持欢迎态度的,虽然短期内会给产业造成一定压力,但是长期看是行业利好。
正如UCloud优刻得数据中心技术架构负责人付东明所言,“双碳”政策对于数据中心产业的发展可以从长短期来看:短期内,会制约数据中心的规模发展,提高数据中心的建设成本;长期看,将提高数据中心的发展质量和技术水平,淘汰落后产能,实现行业整体水平的提高。
”双碳“是国家战略,事关我们每一个人,作为IT产业,在绿色低碳方面更是需要起到示范作用,成为绿色低碳转型和高质量发展的成功实践者,为人类应对气候变化、构建人与自然生命共同体作出巨大贡献,把一个清洁美丽的世界留给子孙后代。
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。