改变世界的风潮,从计算革命中泛起,波澜壮阔的文明图谱因绿色发展而书写。今日中国,立足“绿色算力”转换主战场,勇当高质量发展急先锋,谱写出“绿色变革”“算力崛起”的新篇章。
数据中心总规模不断扩大,多领域融合创新成果加速涌现,共同汇聚成数据中心产业成长壮大、数字经济蓬勃发展的巨大潜能。在加快建设绿色数据中心,提高能源资源利用效率,推动绿色低碳发展的重要意义毋庸置疑。5月11日,“2023数据中心绿色发展大会”在四川成都启幕,工业和信息化部、商务部、国管局、银保监会、国家能源局等部门领导,遍布全国的专家、学者以及绿色数据中心领域企业代表汇聚一堂,合力谋划中国数据中心绿色发展的美好蓝图。
绿色潮涌 百“数”竞发
时值这个蓬勃发展的时代,绿色涤荡每一个角落,数据滋养发展的希望。数据中心的绿色低碳发展,书写着新时代的新答卷。
《“十四五”信息通信行业发展规划》提出,到2025年,全国数据中心算力将达到2020年的3.3倍。加快建设绿色数据中心,已成为保障资源环境可持续的基本要求。
“数据中心是支撑未来经济社会发展的战略资源和公共基础设施,推动数据中心等信息基础设施绿色发展,对促进经济高质量发展,实现碳达峰碳中和目标具有重要意义。”工业和信息化部节能与综合利用司黄利斌司长在会上强调,工信部将按照党中央、国务院决策部署,坚持节能优先方针,强化系统观念,科学有序推动数据中心全行业绿色低碳转型和高质量发展,持续打造国家绿色数据中心示范标杆,加快节能技术装备推广应用,完善绿色数据中心节能降碳标准体系。
创新技术层出不穷,为数据中心的节能降耗提供了“利器”。工业和信息化部、商务部、国家机关事务管理局、中国银行保险监督管理委员会、国家能源局等部门持续开展国家绿色数据中心建设工作。工业和信息化部先后遴选发布了237项数据中心节能提效技术、178项绿色数据中心技术应用案例,持续提升数据中心能效水平,不断加快能源利用绿色步伐。
在本次大会上,工信部等部门发布2022年度国家绿色数据中心名单,涉及通信、互联网、公共机构、能源、金融领域共43家。进一步引导数据中心走高效、低碳、集约、循环的高质量发展道路,助力碳达峰碳中和目标实现。此外,大会期间。中国电子学会团体标准《绿色数据中心评估准则》《液冷数据中心余热回收工程设计指南》正式发布。中国电子技术标准化研究院对《数据中心能源综合利用现状分析及低碳发展研究》进行了解读。
大咖云集 赋产谋兴
本次大会大咖云集,政产学研用各界专家献计献策,为我国数据中心产业绿色发展绘就一抹创新底色,为谋求中国数据中心绿色发展指引道路。
当前国际形势下,开发具有自主知识产权的仿真软件更具有重要意义,只有仿真出合适的模型,才能在合理的计算资源下准确传递散热功率并产生流经机柜的冷却气体的流量。
在数据中心领域持续耕耘创新技术的中国科学院陶文铨院士如是说。他解释道:“数据中心宜采用数值仿真技术对机房气流进行分析,采用多尺度CFD模拟方法对机房气流组织进行研究。”
数字时代,算力是重要支撑,而算力依靠电力驱动。“数据中心在成为数字经济重要基础的同时,已成为主要的碳排放源之一。”中科院院士、南京航空航天大学教授宣益民在主题报告中说,以知名的人工智能模型GPT—3为例,开发团队对其进行一次训练,就需要耗电128.7万千瓦时,并排放二氧化碳约550吨,“全球数据中心用电量快速攀升,预测2030年将占全球总用电量的7%左右。”
多年来一批批我国数据中心领域的领军企业,持续以深厚技术积淀,聚力打造领先方案,赋能绿色数据中心发展,矢志构建“双碳”背景下新型数据中心可靠数字底座。本次大会上,与会企业代表围绕绿色数据中心先进适用技术、绿色数据中心可再生能源与绿色电力应用、绿色数据中心产业服务等开展交流发言,分享了其数据中心绿色发展经验和信息化领域节能技术最新进展及应用案例。
好文章,需要你的鼓励
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。