数据中心是新型基础设施节能降耗的关键环节,也是促进全社会降碳增效的有力抓手。近年来,我国数据中心规模不断壮大,推进数据中心绿色化转型升级势在必行。通过优化供电架构、提高绿电使用比例、绿色智能运营,越来越多数据中心实现节能降耗,有力服务数字经济发展。

青云科技副总裁林源表示,作为数字经济的“底座”,我国数据中心近年来保持快速增长,在政策引导及市场推动的多重因素影响下,绿色数据中心的普及步伐更快。青云科技在服务客户的数据中心建设与改造过程中,也深刻体会到绿色数据中心建设是实实在在的大势所趋。
绿色数据中心正当时
当双碳目标导引的绿色能源与新兴技术驱动的数字经济交汇,绿色化成为新型数据中心建设的应有之义。
相对于传统数据中心,绿色数据中心不仅在资源消耗、能源利用方面,对环境更友好,也因为云计算、物联网等技术的充分融合,使得运营与运维水平更高。随着数字经济发展,绿色数据中心不仅符合资源环境的可持续发展要求,也有利于提高全社会的资源利用效率。
公开数据显示,目前我国已创建三批共计153家国家绿色数据中心,也遴选和推广了5批共157项先进适用技术,以加快引导数据中心绿色低碳发展。随着示范项目的不断建立,相关的标准也会更加成熟可操作。
林源表示,总的来说,一个数据中心是否为“绿色”,可以从建筑节能、运营管理、能源效率等方面来衡量。从现在的绿色数据中心建设以及所呈现的趋势来看,越来越多的技术能力被融入进来,从新能源电力供给、冷热通道布局、液冷等基础设施建设优化,到物联网、边缘计算、AI等助力精细化运营,不同领域的“软”、“硬”技术都发挥出了作用,需要从全局角度寻求最优方案。
数据中心实现绿色化可以分为新建数据中心与传统数据中心改造两个维度。林源说,青云科技是轻资产云厂商,在两个方向上的经验都主要来自于服务项目,围绕云计算本身发挥的作用,集中在软件层面。因此对于青云来说,两者并没有很大的差别,关键在于提升资源利用率、提高运维运营能力。
加速绿色数据中心落地
为了推动绿色数据中心的落地,青云科技提出绿色智慧数据中心解决方案,其通过平台基础服务、物联网平台、IDC设施管理、能耗动环管理、智能运维、智慧运营、智慧大屏及移动运维等智慧化功能模块设计,实现对数据中心海量设备的数字化管理。
林源介绍说,青云超级智算平台作为连接算力和应用之间的“操作系统”,该平台既在一个平台上提供多样性算力,每种算力都支持海量扩展、按需扩容、按需增加节点;又能跨地域分布式部署,并且在统一的运营框架下,算力服务和应用访问还可以跨域申请和使用,实现更高效的资源调配与共享。同时,青云也和产业链上下游的合作伙伴积极展开合作,通过技术与解决方案的联合共促绿色数据中心发展。
例如某国家超算中心的智慧数据中心项目,规模庞大、设备种类多,通过青云物联网平台构建统一连接标准,成功管控包括“风火水电”等各类不同协议的底层设备总计近14000台,包括60多个边缘计算节点,掌控全域资产资源现状,实现资产状态实时动态更新。目前,其在青云智慧数据中心平台设备上行消息数月均220亿左右,消息上行处理8000条/秒,总共承载了数据中心约32万测点数据&告警。
当前,东数西算工程已经启动。在林源看来,“绿色节能”与“算力调度”都是“东数西算”的重要方向,“东数西算”无疑会对绿色数据中心的发展起到促进作用。

对于“东数西算”战略,青云正在积极布局和参与:一方面青云在帮助客户做算力中心的建设和运营,以及双碳智慧数据中心的建设,以充分利用计算资源,降低数据中心的能耗,实现低碳减排。青云已形成成熟的解决方案,并已在国家超算济南中心等多个中大型数据中心落地;另一方面,青云对云数据中心的采购也会与国家战略保持一致,计划将新的离线数据计算和存储需求节点全面向西部迁移,践行“东数西算”。
对于绿色数据中心的未来发展趋势,林源表示,绿色数据中心是数据中心产业向高质量发展的必经阶段,随着产业成熟也会进入快速发展期,为数字经济发展提供可持续的动能。
好文章,需要你的鼓励
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
联想推出新一代NVMe存储解决方案DE6600系列,包含全闪存DE6600F和混合存储DE6600H两款型号。该系列产品延迟低于100微秒,支持多种连接协议,2U机架可容纳24块NVMe驱动器。容量可从367TB扩展至1.798PiB全闪存或7.741PiB混合配置,适用于AI、高性能计算、实时分析等场景,并配备双活控制器和XClarity统一管理平台。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。