随着数据中心能源需求急剧上升,许多企业面临着运营效率和可持续性的巨大压力,在某些情况下甚至需要满足相关监管要求。
协调这两种趋势具有挑战性,因为数据中心使用的能源越多,就越难以减少其碳足迹。
这就是为什么提高数据中心可持续性的策略变得比以往任何时候都更加重要的原因。随着 AI 等技术趋势持续增加数据中心的用电量,进而增加碳排放量,这种重要性将无限期持续下去。
那么这些策略具体包含哪些内容呢?让我们来了解提高数据中心可持续性的常用技术。
1. 使用可再生能源
数据中心实现更可持续运营的一个明显方式是使用风能、太阳能和地热等可再生能源源。
主要挑战在于可再生能源的供应会随一天中的时间或季节而变化,这就是为什么很少有数据中心能够完全依靠可再生能源运营。此外,除非数据中心运营商建立自己的发电厂和基础设施 (这是除主要超大规模运营商之外很少有企业能够负担得起的),否则他们通常需要依赖通用电网,而电网的电力来源经常变化,这使得很难保证固定比例的能源来自可再生源。
尽管如此,从"清洁"源产生至少部分能源是可行的,这是数据中心迈向更可持续发展的重要一步。
2. 提高数据中心制冷效率
制冷系统是典型数据中心中最耗能的组件之一。这意味着制冷系统越节能,数据中心就可能越可持续。此外,更高效的系统可能会减少用水量 - 这是可持续性的另一个关键因素。
这就是为什么直接芯片制冷等制冷技术越来越受欢迎。与传统的空气制冷相比,它们价格昂贵,但能显著降低能源成本。如果您真的想最大限度地提高制冷效率,可以投资浸没式液冷。
3. 优化数据中心设计和布局
数据中心内部组件的设计和布局可以显著影响其能源效率和碳成本。为此,优化服务器机房内机架布局或使用架空地板等简单步骤都可以对可持续性产生重大影响。
4. 选择节能建筑材料
使用回收钢材和低碳混凝土等"绿色"材料建造数据中心有助于最大限度地减少建筑本身的碳影响 (尽管不包括内部设备)。
隔热也有帮助,特别是在外部温度较高的地方,可以减少设施制冷所需的能源。
5. 重复利用现有建筑
在某些情况下,企业可以通过将现有建筑改造成数据中心来提高可持续性。这可以最大限度地减少建造新设施所带来的巨大碳成本。
挑战在于大多数最初并非设计用作数据中心的建筑并不适合这样的用途,因此可能需要进行大量改造。这些改造在财务和碳排放方面的成本可能很高。但归根结底,重新利用现有建筑通常比从头开发更具可持续性。
6. 选择可持续的数据中心位置
某些数据中心位置天生就比其他位置更具可持续性。由于制冷需求减少,位于较冷气候的数据中心通常使用较少的电力。此外,选择数据中心场地的人员应考虑在特定位置可获得的能源类型,以确保设施能够实现可再生能源目标。
7. 优化数据中心利用率
企业越有效地使用数据中心内的设备,就能为其碳投入产生越大的回报。为此,服务器整合和工作负载适当调整等策略 (可以在节省成本的同时减少能源消耗) 可以对可持续性成果产生重要影响。
同样重要的是战略性地确定从数据中心移除哪些工作负载,无论是由于冗余还是因为它们在云中比在私有数据中心更节能。
好文章,需要你的鼓励
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
亚马逊云服务宣布投资500亿美元,专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力,扩大政府机构对AWS AI服务的访问,包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开工建设。AWS CEO表示此举将彻底改变联邦机构利用超级计算的方式,消除技术障碍,助力美国在AI时代保持领先地位。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。