2024年6月6日,中国电子学会联合中国电子技术标准化研究院等单位举办的“节能服务进企业”暨绿色数据中心对接推广活动“智算绿色发展”专题活动在安徽省合肥市举办。来自国家绿色数据中心入选单位、国家信息化领域节能降碳技术入选企业、行业组织、检测认证机构、科研院所等单位的专家和代表参加。活动由中国电子学会节能减排工作推进委员会副秘书长张玲、中国电子学会节能减排工作推进委员会委员韩冠军主持。
华为数字能源技术有限公司数据中心领域首席架构师 安真
在主题报告环节,华为数字能源技术有限公司数据中心领域首席架构师安真在题为《智算时代,数据中心的设计规划》的报告中表示,数据中心需要预留足够的弹性,以适应未来业务的可能变化。这种设计理念要求数据中心在建设时就考虑到长远的业务发展,确保能够快速适应新的技术和业务需求。
英特尔(中国)有限公司数中心与人工智能事业部首席工程师 张骏
英特尔(中国)有限公司数据中心与人工智能事业部 首席工程师张骏在《人工智能时代新型计算范式的可持续演进》的报告中表示,可持续计算涉及优化智能、安全及异构计算平台和系统,包括电力和可再生能源整合、性能优化策略、全生命周期的硬件智能管理、先进的供电与散热技术,以及可扩展软件架构,可有效应对大规模人工智能部署带来的能源和资源危机挑战,夯实云计算时代“节能减排降本增效”的基础,助力企业在生成式人工智能时代的双碳目标达成。
南瑞瑞腾/集成公司 副总经理 杨文清
南京南瑞瑞腾科技有限责任公司/信息系统集成分公司副总经理杨文清在《绿色电网 智算未来》的报告中表示,智算中心作为新型基础设施,正进入建设快速发展期,需积极应用创新节能技术和信创技术,打造算力绿色安全新底座。
深圳科士达科技股份有限公司产品部副总监 谢畅
深圳科士达科技股份有限公司数据中心产品部副总监谢畅在题为《数据中心绿色低碳新动能》报告中解释了如何让数据中心在算力高速增长的同时,尽可能降低碳排放和水消耗的方法。阐述了科士达对能源资源高效利用、电气绿色设计、暖通绿色设计、智能化系统等发展趋势的深入理解和积极响应。
中国科学技术大学网络信息中心副主任、正高级工程师 李会民
中国科学技术大学网络信息中心副主任正高级工程师李会民在《关于建设与应用高效能算力中心的思考——由中国科学技术大学数据中心谈起》的报告中介绍了中国科学技术大学通过扩展和升级机房,确保持续稳定为数据中心提供计算能力的先进经验。高性能计算资源在大规模科学研究与技术开发中占据核心角色,应用及算力的优化,是降低能耗、提高计算设备运行效率的有效手段。
中国移动通信集团设计院有限公司
信息建筑业务部总经理、教授级高工 刘洪
中国移动通信集团设计院有限公司信息建筑业务部总经理、教授级高工刘洪在《筑基智算,绿建未来》的报告中强调,智算中心建设架构主要有算力基建化、算法基建化、服务智件化、设施绿色化构成,通过“四化”的相互支撑、相互协调,共同构建起智算中心高效运行体系。在节能层面,通过液冷技术,以及模块化预制、实施绿色供应等手段,能让不同用户实现智算基础设施的灵活部署。
深圳市艾特网能技术有限公司产品行销部高级总监 曹维兵
深圳市艾特网能技术有限公司产品行销部高级总监曹维兵在《AI智算新场景 节能实践创新价值》的报告中表示,智算中心的建设不仅要追求算力的提升,同时也需注重能效管理,减少资源消耗。随着人工智能的快速发展,数据中心的算力需求将大幅增加,对冷却技术提出了更高的要求。
中国电信安徽公司云网发展部副经理 张东波
中国电信安徽公司云网发展部副经理张东波在《中国电信安徽公司绿色智算中心建设的探索与实践》的报告中提到“两弹一优”策略,即弹性供电、弹性制冷和气流组织优化,这些措施将有效提高数据中心的能效和适应性,减少对环境的影响。
广东申菱环境系统股份有限公司ICT和储能事业部首席技术专家 陈华
广东申菱环境系统股份有限公司ICT和储能事业部首席技术专家陈华在《创新风液融合散热,助力数据中心绿色可持续发展》的报告中表示,随着计算需求的增加,数据中心面临的散热挑战加剧,尤其是在超算和智算大模型的发展背景下,液冷技术是应对高密度热管理的可行方向,尤其是风液融合散热技术,能有效提升散热效率。
阿里云计算有限公司IDC事业部暖通技术专家、内蒙集群运维经理 高灵虎
阿里云计算有限公司IDC事业部暖通技术专家、内蒙集群运维经理高灵虎在《智算背景下数据中心技术创新及演进》的报告中指出,智算数据中心在稳定性、布局、维护、噪声和节能方面面临多重挑战。数据中心设计需适应智算需求的高功率密度,考虑使用更高效的散热系统和更快交付的建设流程,以响应迅速变化的市场需求。
周杨林博士代表慈教授作报告
周杨林博士代表清华大学电机系研究员、博士生导师、“信息能源”教育部-中国移动联合实验室主任慈松,就题为《面向绿色智算的数字能量处理与计算技术及应用》作报告,研发数字能量处理计算装置是打造能源互联网、实现储能及服务的运营的有效途径,数字能量处理计算装置是电池储能系统数字化和云化的关键设备,同时也是构建能源互联网的重要基础设施。
本次活动不仅促进了学术界、产业界交流与合作,也为智能算力的绿色发展提供了新的视角和创新方案,为助力未来智能算力向绿色、高效转化,更好地服务于社会经济的可持续发展,构建了良好的“聚智”平台。
活动期间,以视频形式展示了工业和信息化部5月17日公告的《国家工业和信息化领域节能降碳技术装备推荐目录(2024年)》信息化领域节能降碳技术入围名单。
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。