3月21日,是国际森林日(International Day of Forests)。在绿色低碳的追求中,人们不仅要守护森林的“绿色”,更要推动各种节能降耗措施,节省出一片“绿色”。其中在数据中心领域,为了践行绿色低碳,浪潮信息推出全闪存储产品,相比传统机械硬盘(HDD)存储,在200%提升存储性能的同时,能将空间节省60%、能耗降低80%。
全闪存储守护世界的绿色
据统计,中国每年出货20~30万台存储设备,如果其中10万台部署为全闪存储,一年大约可以节省1.2亿度电,降碳5.7万吨,大约相当于种植一片300万棵树的森林。
绿色 是数据中心建设方向
随着我国数字经济飞速发展,算力、数据需求持续增加,大型、超大型数据中心快速建设。据统计,截至2022年,中国在运营的数据中心中,大型、超大型数据中心占比达49.3%,机架规模约为106.9万架。然而随着数据中心建设加速,数据中心能耗快速上升,预计到2025年数据中心能耗将占全球能源消耗的5%,数据中心如何做好节能减排,责任重大。
绿色节能成为数据中心的关键,如何削减PUE,降低基础设施能耗成为智算时代的刚需。工信部在《新型数据中心发展三年行动计划(2021-2023年)》中明确提出,到2025年新建大型及以上数据中心PUE值需降到1.3以下。在此背景下,数据中心迎来绿色发展新阶段,存储将成为新型数据中心“绿色低碳”目标得以实现的突破重点。
全闪存储 为数据中心打造绿色基座
绿色数据中心的建设是一个系统性问题,传统数据中心存在能耗高、效率低、运维难、可靠性低等问题。为改变这一状况,浪潮信息推出全闪存储,涵盖全闪集中式存储和全闪分布式存储两大产品,致力于打造安全可靠、绿色高效的数据基座。
首先,在安全可靠方面,浪潮信息的存储方案能够提供数据全生命周期的妥善保护,从部件、器件、整机系统、核心软件、管理软件、解决方案六个层面,为业务连续性提供强有力的保障。例如基于双活、三数据中心技术,数据存储可以实现站点间RPO(故障恢复点目标)达到0、RTO (恢复时间目标) 接近于0。
其次,在绿色节能方面,浪潮信息的存储平台打出“组合拳”,从硬盘、背板、供电、散热等多个维度出发,利用多种技术有效降低整机能耗。例如散热方面,全闪存储创新研制了整机无背板正交散热架构,能够利用3D真空腔均热板散热技术化解局部热点,并借助控制器的超导热管均温翅片完成热转移。基于智能调控、整机散热的调优,单台存储设备一年可节省近1000度电。又如供电方面,全闪存储基于PSU冗余电源自动切换技术,能够根据负载情况自动切换供电模式:当高负载时所有电源全部工作,为业务提供充沛能量;当低负载时就启动主备模式,提高存储系统供电效率。据统计,当PSU负载控制在50%,一台存储整机一年可节省约200度电。再如运维方面,浪潮信息的存储管理软件还能为数据中心提供多种能耗优化分析,包括使用率分析、功耗分析、负载分配分析,支持智能功耗预测,助力数据中心绿色运维。
最后,在高效方面,浪潮信息存储平台基于全新开发的、闪存原生的“iTurbo 2.0+智能加速引擎”,构建了由多种闪存盘组成的智能分层存储资源池,将智能IO感知、智能快路径、智能资源调度、智能数据组织等四大技术的数十项性能优化算法与闪存盘联调优化,让千万级IO均衡落盘,而且达到亚毫秒级低时延,将存储系统性能发挥到极致。
为世界增添一片绿
烟花三月,草长莺飞,天地万物皆同春。这个春天,你也许没机会种下一棵树苗,但可以选择一次低碳出行,一次随手关灯、睡前关机,少乘一次电梯,或者搞点特别的——给数据中心换上全闪存储。一个个绿色行动,节省下更多的电能,为世界增添更多绿色。
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。