随着双碳的日趋迫切,数据中心与IT基础设施面临着诸多挑战。2019年发布的《关于加强绿色数据中心建设的指导意见》中,明确提出了指导数据中心建立绿色运维管理体系与运维策略,建立能源资源信息化管控系统。2021年发布的《北京市数据中心统筹发展实施方案(2021-2023年)》再次强调了数据中心应当向着绿色化、智能化、集约化发展,并且未来3年北京市将整改不满足要求的数据中心。那么在当下发展背景下,数据中心未来该如何发展?日前,施耐德电气关键电源业务部云端会议中和与会嘉宾共同分享和探讨了数据中心行业与IT基础设施的低碳发展趋势与创新机遇。
电力4.0助力数据中心可持续发展
目前,全球80%以上的碳排放与能源的生产和消费息息相关。化石燃料的能源系统效率低下,导致造成超过60%的能源浪费和损失,而在巨大量级的积累下,全球企业亟需做出改变以避免触及“气候红线”并在2050年之前实现净零碳排放目标。
从数据中心的角度出发,世界人口的增长以及互联网使用率的提高,意味着在未来需要更多的数据中心,未来两年,全球预计需要增加300个超大规模数据中心,在数据中心处理能力和存储容量增长的同时。也将带来庞大的能源消耗量。施耐德电气全球执行副总裁,关键电源和数据中心业务负责人Pankaj Sharma表示,融合数字化与电气化的电力4.0是助力数据中心实现更加可持续和更具韧性目标的有效途径。面向未来的数据中心需要具有更加远大的愿景,也需要更全面的考量,施耐德电气从更可持续、更高效、更具韧性和更强适应性四个维度定义数据中心未来发展。

施耐德电气全球执行副总裁,关键电源和数据中心业务负责人Pankaj Sharma
推进双碳落地首先要设定衡量标准
在实现数据中心的可持续发展之路上,PUE指标一直被视为是广泛接受的数据中心能源效率的衡量指标。然而,得益于对PUE的不断优化,降低PUE所能带来的回报正在持续递减,PUE不能真正反映出其他类型的效率提升,业界需要从更多维度去遏制数据中心对环境的影响。
基于此,施耐德电气提出从多能源、温室气体的排放、水资源的使用、废弃物的产生、土地生物多样性五个方面,用指标来进行对环境影响的量化;同时引入初级、中级和高级三个阶段,帮助量化数据中心在不同的阶段可持续发展的进程;此外,施耐德电气提出五大路径,助力行业实现净零碳排放,包括设立远大可行的目标、构建高效的数据中心、实现高能效运营、购买可再生能源以及实现供应链脱碳。作为可持续发展理念的践行者和赋能者,施耐德电气在可持续发展的道路上已经前行了近20年,并对未来做出了一系列长期承诺。施耐德电气也倡议整个行要通过不断的技术创新,对可持续发展的专注,弥补在可持续发展行动上的差距,帮助整个行业尽快实现碳中和与净零排放。
深挖存量数据中心节能改造
目前,在我国能效趋向严控的趋势之下,早期能源效率偏低,PUE处于偏高的“老旧小散”的节能增效改造成为了目前数据中心的重要发展途径。聚焦数据中心行业经济性与可用性角度,为了尽可能降低因数据中心的改造所带来的影响与改变,施耐德电气覆盖设备级、系统级到管理级,推出完整的节能改造方案,多层级助力 “老旧小散”数据中心实现从规划到落地的效率提升,并确保改造的合规性、可靠性和经济性。
设备级解决方案:面向由于设施老旧导致PUE较高的客户,施耐德电气基于暖通制冷设备的产品,以及电气类的设备产品,在节能增效的基础上帮助用户降低PUE,提升用电效率。
系统级解决方案:面向于数据中心能效已经有较好的水平,仍希望最大化地提高能效,达成极致PUE的客户。该方案将通过与施耐德电气数字化能力结合,帮助用户进一步地降低PUE,提升能效。
管理级解决方案:施耐德电气对数据中心用户的机房进行碳排现状的摸底,结合用户生产运营特点,为企业提出低碳中长期发展目标的建议,设计减碳的路径,同时进行具体的综合能源管理的落地实施,从而实现能源综合利用与低碳化发展。
作为数据中心基础设施、关键电源和数字化服务的全球领导者,施耐德电气对推动行业创新发展有着永不满足的追求。施耐德电气将始终以创新作为自身转型和满足客户需求的驱动力,基于丰富的前瞻洞察与实践经验,凭借创新技术与持续优化的解决方案,从多维度满足企业低碳可持续发展与数字化转型的诉求,引领数据中心及IT基础设施的发展与变革。在双碳时代之下,施耐德电气将持续深耕于数据中心、IT基础设施等领域,以持续创新的技术,助力用户向着零碳可持续发展的未来前进。
好文章,需要你的鼓励
近期有观点认为,大规模使用生成式AI和大语言模型会增强人类左脑的逻辑分析能力,同时削弱右脑的创造力,导致人类社会逐渐成为左脑主导的群体。但研究表明,左右脑功能分工理论缺乏科学依据,大脑两半球在创造性和逻辑性任务中都会协同工作。此外,AI不仅能辅助逻辑思维,同样可用于诗歌创作、图像生成等创意任务。
这项由圣母大学和IBM研究院联合开展的研究,开发出了名为DeepEvolve的AI科学助手系统,能够像人类科学家一样进行深度文献研究并将创新想法转化为可执行的算法程序。该系统突破了传统AI要么只能改进算法但缺乏创新、要么只能提出想法但无法实现的局限,在化学、生物学、数学等九个科学领域的测试中都实现了显著的算法性能提升,为AI辅助科学发现开辟了新的道路。
微软全球AI巡展在迪拜举行,宣布启动Microsoft Elevate UAE项目,计划为超过25万名学生和教育工作者以及5.5万名联邦政府员工提供AI技能培训。该项目是微软152亿美元投资计划的一部分,旨在加强AI基础设施建设,培养本地人才能力。微软还将与G42和JAHIZ平台合作,为联邦公务员提供技术培训,支持阿联酋成为AI领域的区域和全球领导者。
卡内基梅隆大学研究团队通过3331次大规模实验,系统揭示了代码训练如何提升AI推理能力。研究发现,代码的结构特性比语义内容更重要,适当的抽象形式(如伪代码)可以达到与原始代码相同的效果。不同编程语言产生差异化影响:低抽象语言有利于数学推理,Python更适合自然语言任务。这些发现为AI训练数据的科学化设计提供了重要指导。