日前,由国内权威IT门户网站赛迪网联合《数字经济》杂志共同主办的“2021创新影响力年会暨2021年度影响力百强成果展”正式举行。紫光股份旗下新华三集团遵循“双碳”战略指引,基于自身在数据中心建设上的深厚积累,瞄准巨型数据中心空调制冷系统中的高能耗问题,携手江天数据在巨型IDC数据中心园区——“环京大数据产业天津基地”引入间接蒸发冷却技术,据此荣获“2021年度‘双碳’创新解决方案”奖项。

制冷空调系统的能耗约占非IT系统整体能耗的70%左右,制冷空调系统的优化创新是提高数据中心能源利用效率最直接和最有效的措施。作为近些年相对较新的制冷技术,间接蒸发冷却技术从自然环境中获取冷量,能够有效减少数据中心加湿、除湿、加热的消耗。
“环京大数据产业天津基地”占地二百五十余亩,规划数据中心机房楼8栋,标准服务器机柜4万余个。新华三集团作为整个数据中心园区关键基础设施咨询设计服务提供商,秉承绿色、节能的理念,将数据中心能耗管理作为数据中心运营的重中之重。
经过充分的市场调研,结合基地园区的地理、气候特点,决定全部采用间接蒸发冷却技术作为一期数据中心的空调制冷方案,在国内已经采用间接蒸发冷却系统的数据中心案例中,数据中心本体建筑基本规划为2~3层,但在江天“环京大数据产业天津基地”项目中,机房楼规划为地下一层、地上五层、且平均单栋机房楼容纳了5000个标准机柜,这种“巨兽”级数据中心成为国内单栋应用间接蒸发冷却系统数量最多的工程案例,这也是本项目规划设计的最大难点和亮点。同时,为了保证整个园区各栋机房楼之间在运行时不会产生热气流短路、进风量不足以及“抢风”情况,项目在设计前期还应用了园区级的气流组织模拟(CFD)用以验证整个园区的规划布置。

江天环京大数据产业天津基地

园区的CFD气流组织模拟图
为满足容积率不低于2.0的园区规划要求,新华三集团将间接蒸发冷却机组设置在室外钢平台,合理布置功能房间,使机房面积、机柜数量、机房出柜率均达到最大化;同时精确进行负荷计算,合理选型,避免空调设备选型过大及附属管道过大问题;精确计算风速,在满足气流组织的情况下,紧凑布置机组间距以满足机组的正常安装和使用效果。最终,该“巨兽”级数据中心PUE降低到1.25以下,相比平均PUE为1.5的国内常规冷冻水型数据中心,用水量将减少70%以上,同时每年可节省约5500万度电量,相当于减少约5万吨二氧化碳排放量。
事实上,作为国内卓越的数据中心专业服务商,新华三集团将“低碳”理念贯穿数据中心的“规划咨询—设计实施—设施验证—运维服务”整个生命周期中,以系统性方法论实现最优的PUE值;引领模块化基础设施建设,提升数据中心的运行和管理效率,以智能化、自动化的方式打造更加绿色节能的数据中心。
迄今为止,新华三集团在全球参与了超过800个数据中心的建设和部署,为国内包括互联网卓越企业、三大国有银行、四大交易所在内的200余家客户提供了咨询、设计和验证、项目管理等专业服务,其参与咨询设计和实施验证的多个大型、超大型数据中心和模块化机房项目,打造了一系列数据中心建设的成功典范,助客户成功解决现实痛点,为客户未来十余年的信息化需求保驾护航。
数据中心是支撑未来经济社会发展的战略资源和公共基础设施,也是关系新型基础设施节能降耗的最关键环节。在为用户提供简洁、绿色的新一代数据中心的道路上,新华三集团将秉承“云智原生”战略,为客户提供高效的一体化交付及温暖的IT服务,助推数据中心成为“节碳”先行者,让客户数据资产释放最大潜能。
好文章,需要你的鼓励
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
AI代码编辑器开发商Cursor完成23亿美元D轮融资,估值达293亿美元。Accel和Coatue领投,Google、Nvidia等参与。公司年化收入已突破10亿美元。Cursor基于微软开源VS Code打造,集成大语言模型帮助开发者编写代码和修复漏洞。其自研Composer模型采用专家混合算法,运行速度比同等质量模型快四倍。公司拥有数百万开发者用户,将用新资金推进AI研究。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。