2018年10月9日,中国北京——当今,数字化通信量成倍增长、物联网和大数据以及云计算等的发展都带来了数据中心运营商需求的变化,数据中心服务商也需时刻随着用户诉求的变化而不断改变和进步。早在20年前,全球能效管理和自动化领域数字化转型的领导者施耐德电气就领悟到,要想为客户提供最精准的服务,便要潜心研究用户诉求,并通过对数据中心行业的洞察,捕捉用户诉求的变化。
在过去的20年间,施耐德电气数据中心科研中心团队,致力于技术和发展趋势研究,始终坚持厂商中立的原则,在过去二十年共发表白皮书190篇、权衡工具22个,助力施耐德电气用户在数据中心规划阶段,对IT容量,预算,可用性等级,能效以及成长计划进行权衡。此外,施耐德电气还推出了100余个参考设计,帮助用户在数据中心规划设计阶段进行快速的决策和项目启动。
在长期为用户提供产品和服务的过程中,施耐德电气基于经验和实践总结出了三代数据中心用户诉求的演变,并为应对市场环境和客户诉求的变化,不断进化产品和服务重点。
第一代数据中心可追溯到上世纪90年代到2000年后,用户以企业类用户和金融类用户为主,其对数据中心的主要诉求为高可用性,认为高可用性是实现其商业目标的唯一保障。为此,当时施耐德电气在美国成立了名为可用性的团队,通过撰写技术报告来帮助用户提高可用性。
2007年开始,随着网络巨头和边缘计算的崛起,各类互联网巨头的数据中心规模变得非常庞大,使得各大用户开始重视数据中心高可用性的同时,也开始关注提高数据中心能效,节省成本,建立绿色数据中心。在这一阶段,施耐德电气在数据中心绿色节能技术方面也取得了突破性的成果。
施耐德电气在服务客户的过程中发现,节能即降低PUE值,而数据中心中只有IT设备的能耗具有价值,其他有物理基础设施的能耗都是为了实现IT计算功能而服务的,所以能耗越小越好。在供配电系统方面,施耐德电气通过对UPS产品采用超级旁路模式,消除了逆变器所带来的损耗等方式不断优化创新实现了UPS峰值效率提高至98.9%,降低PUE值14.6%。在配电架构方面,施耐德电气用一路市电一路UPS来取代传统的两路UPS,降低了供配电链路的损耗,也实现了11.5%的PUE的降低。在制冷系统方面,施耐德电气发现通过冷热通道封闭,可以实现IT机房的冷热气流隔离,提高数据中心的IT送风温度,提高制冷系统的效率,消除数据中心的热点,提高数据中心的可用性,同时,可以将PUE降低22个百分点。除此以外,施耐德电气在制冷方面还进行了观念的转变,从过去依赖机械制冷到现在主要依赖自然冷却,将机械制冷只作为后备冷源。在类似中国乌兰察布的气候条件下,可以实现90%以上的时间利用自然冷源。
因此,过去的十年,施耐德电气取得了PUE 80%的降低,对于一个500kW,50% IT负载率的数据中心来说,施耐德电气可帮助实现节能173万,如果是5M瓦的数据中心,将能够实现节能价值千万元以上。
2015年开始,随着云计算的高速发展,数据中心进入第三代,客户的需求随之变为最大化商业价值。面对这样的诉求,施耐德电气对数据中心进行了模块化和标准化的设计。标准化的设计理念已经渗透至各行各业,而模块化设计可以实现数据中心的边成长边部署,以及快速扩展和复制,从而提高数据中心的可用性和灵活性。更重要的是,施耐德电气提倡的标准化、模块化、预制化以及定制化的设计理念能够帮助客户降低数据中心的投资成本,运行成本和维护成本,以此来提高投资回报率,实现商业价值最大化。因此,在云计算商业模式下,施耐德电气倡导数据中心应采用标准化、模块化、预制化以及定制化的设计理念,同时,需要实现智能化的运维。
无论是高可用性、还是绿色节能以及商业价值最大化,都标志着在科技进步的今天,数据中心行业的发展趋于成熟,在追求安全运营基础上努力实现更多价值。施耐德电气将继续在服务客户的实践过程中研究用户诉求,真正做到数据中心服务与时俱进,迎合客户诉求的变化,助力客户数据中心满足高可用性的前提下节能增效、实现最大化商业价值,并与客户一同接受未来更多挑战。
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。