作为国家重要通信枢纽,国家级互联网骨干直联点主要用于汇聚和疏通区域,乃至全国网间通信流量,是我国互联网网间互联架构的顶层关键环节。目前,各地的国家级互联网骨干直联点项目陆续建成开通。
在互联网骨干直联点项目建设中,供配电系统作为数据中心正常运行的电力保障,其设计和应用无疑占有重要地位。然而,随着技术的发展,传统供配电建设模式已无法满足新的需求。
在哈尔滨国家级互联网骨干直联点项目建设中,维谛技术(Vertiv,VRT:NYSE)提供的集装箱解决方案中的VertivTM Liebert® APT预制式供配电模组,为黑龙江移动带来了全新的应用体验,高效率完成了供配电系统在极寒环境下的快速部署。
哈尔滨骨干直联点打造“数据高速”
经工信部批准、黑龙江省政府同意在哈尔滨设立国家级互联网骨干直联点,项目建设将进一步提升黑龙江互联网网络整体层级,满足产业发展需求,同时赋能大数据中心发展,助力“新基建”建设。
黑龙江移动从IP网、传输网、安全系统、机电配套、直连点采集等方面进行建设,以此提升黑龙江移动至联通、电信互联网网间访问质量。其中,机电配套建设涉及数据中心B02和B03机房楼、进乡基地机房楼,建设内容包括市电引入、电源系统、机房空调更新及相应土建配套建设。
基于项目建设的重要地位,为机房构建高可靠电力保障的考量,黑龙江移动对供配电解决方案的应用提出了很高的要求。
可靠、节地、部署快
在实际建设中,项目面临场地不足的问题,而且工程施工时间有限,黑龙江移动要求在规定的期限内完成交付,保证整体项目的建设进度。
维谛技术(Vertiv)提供的集装箱解决方案成功应对了这些挑战,不仅解决了场地不足的问题,而且集装箱内配置的VertivTM Liebert® APT,通过工厂预制化节省了大量现场施工时间。

在以往,传统供配电系统建设通过现场制作电缆,敷设桥架进行配电柜和UPS之间的连接,并且由于采用不同厂商提供的设备,需要较长的工程周期,而且整体系统复杂难以管理,同时需要占用更多空间。
VertivTM Liebert® APT以模组化、预制化和智能化为设计理念,开创了供配电系统建设的新潮流。
系统内部集成了配电柜、UPS以及智能监控管理系统,设备之间采用工厂预制的铜排连接,并基于工程产品化使得设备与现场解耦。
与传统方案相比,VertivTM Liebert® APT不仅简化了供配电系统架构,能够实现快速部署,而且可靠性得到更大提升,并能够大幅节省占地面积。
不仅如此,黑龙江移动还在项目建设中,应用了维谛技术(Vertiv)旗下的VertivTM Liebert® PEX4S全变频氟泵精密空调。这款产品可以适应负载动态变化的需求,实时变频调节制冷量输出,能够在任何时候都达到自然冷能效,从而实现PUE<1.25的目标。
VertivTM Liebert® PEX4S空调具有“3+1”运行模式,当室外温度≤20℃时,即可开启混合制冷模式,通过变频泵辅助压缩机运行,节省压缩机功耗。对于地处北方的哈尔滨来说,VertivTM Liebert® PEX4S空调能够充分利用得天独厚的自然冷源,提升数据中心的制冷能效,为黑龙江移动落实“双碳”目标提供保障。
对于黑龙江移动而言,该项目建设将降低跨区域间的流量绕转、实现流量就地交换,极大提升手机互联网、宽带互联网的用户体验。

好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。