新基建下,由于规模的不断扩大和数量的持续激增,节能减排、提升数据中心的能效水平成为亟待攻克的一大难题。
IDC预测,2026年全球数据圈将达到221ZB,2022至2026年将实现2倍增长。海量数据是数字经济发展的基本要素,规模化、集约化和绿色化将成为未来数据中心发展的关键词。
在第四届OCP China Day 2022上,希捷科技中国区产品线管理总监刘嘉接受记者采访时表示,希捷从公司和产品两个层面,与各个生态伙伴共同努力,实现节能减碳。
践行双碳
如今ESG(环境、社会关系和企业治理)是企业发展的一个重要内容。面对全球数据圈的绿色发展诉求,希捷一直在履行对于可持续发展和环境保护的承诺。希捷计划到2030年,在全球范围内使用100%可再生能源,2040年实现碳中和。
作为一个跨国企业,希捷的研发虽然在国外,但硬盘整装厂是在中国无锡。希捷也是硬盘供应商中唯一一家在中国拥有生产运营基地的厂商,可见希捷在中国的重要布局。
刘嘉表示,希捷与国家的长远期战略对齐,按照国家和国际上制定的、对地球有益的目标进行发展,比如到2030年,工厂生产以及研发100%使用可再生能源。
当前东数西算工程正在积极推进中,其也会推动绿色发展,比如冷热数据、液冷技术的应用等。“液冷技术对机械硬盘非常友好,这对希捷来说是一个非常大的发展契机。”刘嘉说。
实力创新
在产品技术方面,希捷通过产品的升级和容量的迭代,帮助企业和社会实现碳能降低。
刘嘉说,秉持开放、标准的理念,希捷硬盘重生技术有两个分支,一个是回收,一个是容量重生。比如硬盘回收的安全擦除遵循国际开放的标准,通过可靠的硬盘数据擦除技术,希捷守护硬盘生命周期的同时还能保障客户数据的安全。希捷与国际标准化组织(ISO)等机构合作,执行统一的介质清理标准。在此基础上,希捷还推出了认证擦除,以环保经济且安全快捷的方式助力实现硬盘重生。
而容量重生则符合业内开放的“存储的元素和去除”标准(Storage Element Depopulation)。目前,希捷与浪潮信息、联想、戴尔、谷歌等伙伴通过硬盘产品以及相关部件的回收和循环利用,降低对环境的压力,创建可持续发展的数据圈。目前已经有超过1000万块的硬盘进行了整盘回收。
刘嘉表示,希捷跟客户比如谷歌、戴尔合作进行硬盘的部件回收,然后重新利用到生产中,这种方式不仅创造了环保价值,同时具有经济效益。另外,很多客户可能会需要一些回收的产品,希捷跟他们一起建立一个非常正规的渠道,保证从官方渠道提供这些产品,相比客户在一些不知名渠道购买产品更安全可靠。
对于硬盘和SSD之间的替代关系,刘嘉认为,数据的产生量其实远远大于存储介质的生产量,所以硬盘和SSD是一种相互依赖的关系,这样才能确认数据存储节能环保。
除了硬盘回收技术,希捷通过ADR(自动容量重生)技术,主动发现硬盘磁头故障,并进行自动化修复和重新上线操作,避免人为干预和非必要的硬盘替换,减少电子垃圾。
希捷研发的双磁臂技术硬盘,在典型应用场景可以为数据中心节电30%,如此运营一个25EB规模的数据中心,一年可以省1亿的电费,帮助数据中心实现节能减排和绿色可持续发展。
此外,在希捷中国云计算实验室,希捷与合作伙伴进行“安静服务器”的联合设计和预测评估,包括风扇选型(安静风扇)、距离设置(增加硬盘与风扇距离)、吸音棉和模块布置等,优化服务器架构,从而能够部署更大容量的希捷银河(Exos)企业级硬盘和热辅助磁记录(HAMR)硬盘,加快低碳数据中心的建设。
展望未来,希捷瞄准低碳存储,融合更多业界伙伴的力量,共同打造更为绿色可靠的数据中心基础架构,推进数据中心向低碳化迈进。
好文章,需要你的鼓励
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
微软推出Copilot调优功能,让企业通过低代码工具利用自动化微调技术训练企业数据。与基于公开数据的通用AI模型不同,企业需要理解内部数据和流程的专业化模型。Gartner预测专业化GenAI模型市场将在2026年翻倍至25亿美元。这些模型通常基于开源模型构建,部署为小语言模型,提供更好的成本控制和数据安全性,同时更易符合欧盟AI法案要求。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。