中国深圳,2021年12月23日——近日,万国数据在第十六届中国IDC产业年度大典(IDCC2021)活动上隆重举办以“绿色智能基础设施连接可持续未来”为主题的第一代Smart DC发布会,重磅推出聚焦绿色低碳、敏捷交付、智能运营核心业务板块的Turbo、D-Pre、X-BP全系列产品级解决方案。
承载新型数据中心核心特征,第一代Smart DC正式发布
在云计算、AI、元宇宙持续爆发,推动数字经济快速增长的当下,数据中心关键“数字底座”的作用愈发凸显,但在发展过程中却面对着不断变化且更加复杂的内外部挑战。
为承载下一代数据中心的核心特征,万国数据基于20年运营超过70座自建数据中心的经验,创新打造出第一代Smart DC。
万国数据设计运营中心高级副总裁梁艳表示:“万国数据在2020年5月正式启动了以‘多场景适配,节能高效,敏捷交付,智能运营’为目标的下一代Smart DC的研发工作。公司挑选设计建设运营内部最优秀的人才,以及外部招募架构级,系统级,设备级,硬件+软件研发优秀的人才,加入到该团队,公司内部命名为:‘奇点计划’。寓意着该项目将汇聚内外部平台创新动力和能量,搭建出对未来数据中心行业有价值的产品和解决方案。
第一代Smart DC到今天发布共历时18个月,并已成功落地万国数据常熟数据中心园区。以此为起点,Smart DC未来将在万国数据的更多数据中心场景得到应用。包括了国内大型基地型,海外基地型,以及边缘数据中心。我们坚信,历经精心设计和打磨的Smart DC产品会为客户带来更大价值。”
聚焦三大核心业务板块,融合创新打造极致体验
从能源输入到硬件架构,再到操作系统的变化,使数据中心建设运营面对着诸多全新挑战。万国数据通过将预制化敏捷交付模式,结合深度定制、软硬协同的机电产品,融合液冷、储能、氢能等绿色新能源技术方案,以及最佳运营实践赋能的BMS系统,辅以数字化、白盒化的系统工具,成功将第一代Smart DC打造为数据中心整体最优解决方案。
对此,万国数据技术副总裁衣斌表示:“通过多样化的产品组合及融合创新,为用户提供极致的服务是第一代Smart DC的核心价值,也是万国数据构筑技术壁垒的原始动力。
围绕绿色低碳、敏捷交付及智能运营核心业务版块,我们推出第一代Smart DC的Turbo、D-Pre、X-BP三大系列产品,为客户利用新技术构建零碳数据中心、预制化数字化建设交付、全栈智能管理方面创造极致体验。”
在绿色低碳方面,万国数据以打造零碳数据中心为目标,重点探索实践液冷、储能及氢能等新型能源架构和新技术方案,形成Turbo系列产品,实现用户价值提升,提供未来增长动力。
在敏捷交付方面,万国数据基于全生命周期数字化能力,打造适配各类型建筑的D-Pre系列,可实现四大方舱的标准模块化设计、预制化生产、标准化装配及白盒化接维,创造快速优质、标准复制、弹性扩容和精准透明价值。
在智能运营方面,万国数据基于最佳运营实践及自研软硬件协同,形成X-BP系列产品,打造更懂数据中心的机电系统,实现全栈智能管理,最优化TCO,带来极致能效和安全保障。
Smart DC全系列产品落地常熟数据中心园区
目前,万国数据第一代Smart DC已落地常熟超大规模数据中心园区,在设计交付周期和质量、零碳能源架构和创新、运营赋能智能管理等方面,均达到了超越预期的表现。
通过应用Smart DC全系列产品,万国数据在3个月内完成了一期1000架机柜的交付,整体建设周期缩短了30%,二期及三期更可随需随建和随需应变,实现快速复制和技术升级。
此外,万国数据结合200MWh 光储一体、余热回收及2200KW融合液冷方案等构成新型能源架构,将可极大降低碳排放,同时通过全面接入ROCC区域运营指挥系统,配合“专家系统+AI技术”联动调优,实现L3级数据中心运营自动驾驶,在运营、能效和安全管理等方面得到极大优化。
第一代Smart DC是万国数据最新的技术创新成果,未来万国数据还将继续加大研发力度,进一步完善核心产品及解决方案,持续探索新的技术方向,携手更多合作伙伴,一同推动行业高质量发展,最终实现“绿色智能基础设施连接可持续未来”的美好愿景。
好文章,需要你的鼓励
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。