近期,普洛斯数据中心在智算服务能力方面全面提升,从技术创新到交付效率实现新突破,其自主研发的“灵熵”系列智算中心空调控制系统入选“算力产业创新实践案例”;普洛斯东莞谢岗数据中心刷新交付速度,仅用一个月便完成万卡级智算项目改造交付,树立智算服务新标杆。
工程标杆:万卡级智算中心实现1个月高效交付
为满足客户快速增长的智算算力需求,普洛斯数据中心高效启动了东莞谢岗数据中心从通算向智算中心的升级改造。依托行业领先的交付能力,普洛斯数据中心对既有机房进行了快速改造,由工程、产品、运维等部门组成的服务专班交叉推进、并行施工,仅用一个月就完成万卡级智算项目的改造交付,改造面积近2万平方米,有力支持客户快速构建万卡级大规模智算中心,助力华南地区智算产业发展。
普洛斯东莞谢岗数据中心位于广东省东莞市谢岗镇粤海智造中心,是满足国标A级设计标准、国家绿色数据中心标准的标杆级智算中心园区,为互联网、金融、化工等行业客户提供覆盖规划、设计、建设、运营等数据中心全生命周期服务。
为满足智算中心高密部署需求,普洛斯数据中心在改造中充分应用自研“智能算力中心弹性高效节能技术”,构建具有弹性和自适应能力的基础设施架构,灵活适配8-15kW功率密度的部署要求。同时,针对智算中心特点,量身定制供配电方案,将机柜末端配电架构由传统的2N升级为DR(分布式冗余)架构,显著提升了供电可靠性,有效确保末端算力服务器的安全稳定运行。
普洛斯数据中心在改造过程中全链条贯彻减碳理念,积极应用新型节能技术,具体包括:采用CFD仿真技术、高效变压器、HVDC、高能效变频冷机/水泵、封闭热通道等多项创新节能技术,配合“灵熵”系列智算中心空调控制系统,有效解决智算中心高功率机柜的散热问题,实现智算中心的节能降耗与绿色低碳运营。凭借高水准的智算中心设计、建设与运营管理水平,普洛斯东莞谢岗数据中心此前以优异成绩通过了Uptime M&O(运维与管理)认证,获得行业高度认可。
创新突破:“灵熵”系统为高密智算中心保驾护航
在6月26日中国IDC圈主办的“2025中国智算产业生态发展大会”上,凭借智算领域卓越的技术实力与创新能力,普洛斯数据中心“灵熵”系列智算中心空调控制系统在众多参评案例中脱颖而出,入选“算力产业创新实践案例”。
普洛斯数据中心“灵熵”控制系统入选“算力产业创新实践案例”
传统数据中心的冷冻水空调系统基于送风温度、回风温度与设定值偏差来控制水阀开度和风机转速,此方案成熟可靠,但在单柜功率达15-20kW甚至更高功率的智算场景下,存在响应滞后和导致局部热点等问题,与智算业务负载“突增突减、频繁变动”特性匹配度较低。
为满足智算中心的制冷需求,普洛斯自主研发了“灵熵”系列智算中心空调控制系统,通过部署AI控制器,以GPU服务器的实时电量数据作为空调控制的输入参数,实现对精密空调的秒级响应控制,极大改善了GPU芯片的温度环境,有效降低板卡的热失效率,为高密度算力提供了稳定保障。
基于实际测试数据和现场响应情况显示,“灵熵”控制系统响应及时、控制准确、具备容错能力,可确保冷量供给及时准确,服务器温度环境稳定,在减轻运维压力的同时,具备显著的节能效果,获得了客户的高度认可。目前,该系统已申请发明专利并进入实质审查阶段,同时获得1项软件著作权证书,其后续研发与功能拓展工作也在持续推进中。
创新是推动智算产业高质量发展的核心驱动力,普洛斯数据中心将持续聚焦智算领域,不断升级和优化智算中心相关解决方案,打造高效、智能、绿色的算力基础设施,为推动新质生产力发展贡献力量。
好文章,需要你的鼓励
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。