聚焦政策监管,完善顶层设计
近年来,为深入推进生态文明建设,我国相继出台了一系列绿色金融政策、标准,不断完善顶层设计,引领我国绿色金融快速健康发展。自“双碳”目标提出以来,监管政策接连密集出台。
2021年4月,央行等三部门联合发布《绿色债券支持项目目录(2021年版)》;
2021年7月1日起,《银行业金融机构绿色金融评价方案》正式施行;
2022年6月,银保监会印发《银行业保险业绿色金融指引》;
2022年11月,《数据中心能效限定值及能效等级》开始实施,进一步推动各项绿色金融政策落地见效。
落地节能目标,技术难点待解
数据中心是现代银行信息化的基础设施,也是银行业落实“双碳”的主要着力点。
在数据中心能耗构成中,制冷能耗占比40%左右,是实现绿色数据中心的关键环节。
然而,随着设备集成化程度越来越高,设备数量不断增加,数据中心发热量也随之提升,对制冷提出了更高的要求。这也导致数据中心制冷节能面临挑战。对于金融领域存量数据中心来说,针对制冷系统实施有效的节能改造是顺应国家监管趋势,实现节能目标的一个重要途径。
紧跟政策导向,探索创新实践
自2021年以来,深圳农商银行根据国家有关部委及监管单位关于数据中心节能减排相关政策文件的精神,持续密切关注金融领域节能新技术的发展,特别是在数据中心节能减排建设与绿色运维方面,积极尝试探索既满足政策要求,又符合行业特点与自身长期发展需求的金融机构数据中心绿色节能方案,并付诸实践。
立足行业特点,深挖绿色潜力
深圳农商银行罗湖数据中心是行业内通过中国质量认证中心(CQC)A级认证的机房之一,供电采用独立双母线2N配电系统架构,制冷采用“风冷下送风定频精密空调系统+封闭冷通道”模式。
整体设计理念极具城市商业银行数据中心特点,配套硬件设施以追求安全可靠为目标,硬件与资源配比充分冗余,同时兼顾功能完备与可持续发展,具有较高的绿色节能升级潜力。
发挥科技优势,落地节能升级
为了响应国家号召,提升数据中心绿色水平,深圳农商银行运维团队通过收集数据中心历年运行数据,形成能耗数据资源池,在深入分析比对能耗结构特点后,最终选择了能耗因子较高的精密空调系统进行绿色升级。
升级方案因地制宜,在比较了间接蒸发冷却、自然冷却、重力热管、风冷变频氟泵等节能方案后,结合安全性、节能性、经济性、实施难度、改造周期等因素,最终与精密空调制造商维谛技术有限公司共同确定了全系统变频升级方案。
精密空调能够根据数据中心当前的热负荷,实时智能调节压缩机功率,有效改善了精密空调压缩机频繁启停带来的冷通道温度波动和能耗较高等一系列问题。
运用科学管理,保障安全生产
在实践过程中,深圳农商银行运维团队采用科学的管理方式,保障在用生产机房持续安全运行。
在实施前,反复论证方案细节,对各环节制定妥善的施工步骤、全封闭隔离保护措施与针对性的应急保障预案;在实施过程中,严格执行预定方案,有序稳步实施,全过程机房冷通道温度保持在21℃~23℃之间,基础环境持续平稳,业务连续性得到有效保障。
达到节能效果,实现能效跃升
从升级后的实际效果来看,深圳农商银行罗湖数据中心PUE值从1.89下降至平均1.55,最低至1.52,空调能耗因子从0.527下降至0.309。
在IT负载不变的情况下,实现每年节能不小于70.4万千瓦时的节能效果,节能率约39.8%,并且经过项目持续调优的预估分析,PUE仍向着“2025年达到1.5以内”的目标不断下降,真正实现节能减排、降本增效的双赢目标。
树立标杆示范,引领绿色发展
相关机构对城市商业银行数据中心机房的数据调研发现,多数设计为传统方案,设备间智能协同程度不高,采用独立机柜加定频空调,导致PUE值普遍高于2.0,部分银行机房的PUE值甚至高达2.6,远高于国家政策对老旧机房减碳要求的阈值。
此次深圳农商银行数据中心绿色节能升级,运用了先进的技术理念与科学的管理手段,技术方案具有性价比高、用时少、成果显著等特点,为深圳农商银行科技战略提供了坚实的绿色动力基础,在赋能业务发展的同时为业界提供了成功范例,共同推动数据中心向更绿色、更低能耗且可持续的方向发展。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。