人民网北京6月14日电(方经纶) 近日,工业和信息化部、国家发展改革委等六部门联合发布2023年度国家绿色数据中心名单,通信、互联网、公共机构、金融、能源等领域等50家数据中心入围,其中首次将超级计算、智能计算纳入国家绿色数据中心推荐范畴,并有智算领域数据中心入选。
数据中心作为重要的新型基础设施,是加快发展数字经济、培育壮大新质生产力的有力支撑。近年来,我国数据中心规模持续扩大,用电量较快增长。
特别是随着生成式人工智能技术的广泛应用,提供智能服务的数据中心对电力资源需求也与日俱增。如何在实现数字化、智能化发展的同时,进一步促进数据中心绿色发展,助力双碳目标实现?
自2015年起,工业和信息化部等三部门联合发布《国家绿色数据中心试点工作方案》,组织开展国家绿色数据中心试点工作,旨在发挥国家绿色数据中心建设经验示范引领作用,引导数据中心科学布局、集约建设、低碳转型。
“截至目前,我国已先后遴选发布5批246家国家绿色数据中心,有力推动数据中心能效提升和绿色低碳发展。”中国电子学会秘书长陈英介绍,总体看,2023年度国家绿色数据中心名单呈现出以下主要特点——
能效水平持续提升。相比2020年度1.44、2021年度1.34、2022年度1.27,2023年度国家绿色数据中心电能利用效率(PUE)平均值已降至约1.26。
能源利用绿色转型步伐加快。相比2020年度18.6%,2021年度30%,2022年度46.5%,2023年度国家绿色数据中心可再生能源利用率平均值已超过50%。
水资源利用效率明显改善。相比2020年度2.0L/kWh、2021年度2.0L/kWh,2022年度1.2L/kWh,2023年度国家绿色数据中心水资源利用效率平均值已降至1.08L/kWh,为数据中心行业提高水资源利用效率提供了示范标杆。
先进节能降碳技术加快普及。2023年度国家绿色数据中心积极选用近3年《国家工业和信息化领域节能降碳技术装备推荐目录》所推荐节能技术装备5项以上,大部分应用在8项以上,各类高效冷却技术产品、高效供配电技术产品、高效系统集成技术产品、信息设备节能技术产品、智能化运维管理技术等先进节能技术得到广泛普及和有效应用。
在浙江,中国移动长三角(宁波)数据中心采用空调AI群控技术,实现信息设备按需自适应精确供冷,空调系统能耗降低约15%;在安徽,国网安徽省电力有限公司数据中心采用数字孪生技术,分析研判数据中心能耗构成和变化趋势,助力电力系统柔性调节和可再生能源有效消纳;在青海,中国电信打造新一代灵活、弹性、绿色智算数据中心,数字青海绿色大数据中心充分利用自然冷源,采用冷冻水+间接蒸发冷却技术,运营PUE低至1.14。
据悉,下一步,工信部将会同有关部门更新完善国家绿色数据中心评价指标体系,聚焦通信、互联网、公共机构、金融、能源、智算中心等重点领域,建设一批绿色低碳、布局合理、技术先进、管理完善、代表性强的数据中心。同时,系统梳理总结绿色数据中心的先进经验和典型案例,开展“节能服务进企业”系列活动,加强供需对接,提升产业链绿色发展水平。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。