国家提出加快以5G、物联网、人工智能、数据中心等为代表的新型信息基础设施的建设。数据中心已成为推动我国经济新旧动能转换的重要力量:工信部此前发布的数据显示,截至2022年6月底,我国在用数据中心机架总规模超过590万标准机架,服务器规模近2000万台。截至2021年底,全国在用超大型、大型数据中心已超过450个。
随着数据中心及云计算产业规模的逐步扩大,能源消耗也呈逐渐增加之势,成为主要的碳排放源之一。在国家“双碳”战略指引下,节能、低碳、降低成本成为数据中心发展的重要任务与产业趋势。
华测认证有限公司副总经理林武(右)
华测认证有限公司(以下简称:CTI华测认证)副总经理林武接受至顶网采访时表示,国家提出“双碳”目标开始,我国的“绿色化”一直在推进,现在数据中心呈现出规模化、集中化的发展趋势。随着IT的发展、社会的发展需要,对数据服务的需求也将越来越多,降低计算能耗,推动数据中心绿色发展变得日益重要。
包括国家的“东数西算”工程,就是要充分利用西部的电力资源,为东部城市产生的数据中心建设和计算需求提供电力。这些需要符合现代社会“绿色”的发展需求。企业同样需要走向低碳、零碳,承担企业的社会责任。因此企业在采购的云服务时也会要求实现低碳以及零碳的云服务。
然而在推进“绿色”的过程中,出现了“漂绿”的情况。“漂绿”并不是真正的绿色。零碳、低碳需要有专业有公信力的第三方机构,通过规范的认证,从国家、行业的标准按规定的要求和规范进行评价、认证。这样才能确保企业、项目实现真正的绿色。能真正有益于全社会,有益于全球范围内做好应对气候变化的挑战。
有公信力的专业机构出具的认证成为拒绝“漂绿”的有效手段。林武进一步指出:认证工作通常要由国家认监委备案和批准的认证机构执行。有公信力的专业机构才能做这项工作,才能保证这些认证具有权威性。包括现在做绿色数据中心认证,以及这次发布的绿色数据中心企业,都需要由第三方评价机构做出认证。这些评价机构具有较强实力,专业性比较高,能够确保评价和认证工作能满足主管部门的规范要求,从专业层面能确保项目符合相关标准,才能得到社会公众的认可。
CTI华测认证是国内最大的第三方检测机构,也是国内最早上市的检测机构。具有省级(含)以上计量行政主管部门颁发的检测检验机构计量认证(CMA)证书和中国合格评定国家认可委员会(CNAS)授权的实验室认可证书,且证书获认可的能力范围包含电源、空调、电池、机柜等。
CTI华测认证于2017年就获得工信部批准成为《工业节能与绿色制造评价中心》第三方评价机构资质,为众多行业客户提供绿色制造第三方评价服务。CTI华测认证具备从事绿色数据中心评价能力的中级职称以上专职人员30余人以上。其中,包括了文件中要求的电子信息、通信、计量、能源、机电和暖通等相关专业高级职称。
CTI华测认证近五年主导或参与了10余项与数据中心相关的评审、论证、认证、评价、科研项目、和行业及团体标准的编制工作,符合绿色数据中心评价机构的要求。
在绿色数据中心认证方面,CTI华测认证根据ISO14064-1国际标准对雅安大数据产业园(国家绿色数据中心)的温室气体排放进行了核查与认证工作。在中国电子学会节能减排工作推进委员会的指导和支持下,雅安大数据产业园通过CTI华测认证的核查并购买国家核证自愿减排量(“CCER”)抵消产业园内所排放的全部温室气体之后,成为国内首个“碳中和”国家绿色数据中心。CTI华测认证及四川联合环境交易所同时向雅安大数据产业园颁发了“碳中和”证书,雅安大数据产业园成为国内首个拿到“碳中和”双证书的国家绿色数据中心。
截至目前,CTI华测认证已累计完成近30个省市国家碳交易碳排放核查报告超过3000份,CDM/VCS/GS/CCER/GCC等温室气体减排项目审定/核证减排量超2千万吨,组织/产品/活动层面温室气体核查项目超过500个,为超过300家企业发放能源管理体系认证证书,政府级/企业级碳达峰碳中和规划超过30家,评价的国家级绿色制造示范项目超过50个。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。