“极端高温天气不仅会对人类生活造成影响,对关键基础设施运营也带来巨大挑战与后果。”
夏季极端高温热浪正在席卷全球,影响范围覆盖欧美和亚洲大部分地区。加拿大出现大范围野火,所产生烟雾导致该国和美国东部地区发布空气质量警报;欧洲作为全球变暖最快的大陆持续打破高温记录;亚洲多地电力供应面临挑战,因极端高温天气发生了大范围停电事故。我国多个省份也发出高温红色预警,北京气温甚至飙升至41.1℃,创下北京有记录以来的历史次高温!
世界气象组织表明,气候变化使过去八年已成为全球有记录以来最炎热的年份;今年厄尔尼诺(El Niño)气候模式影响将进一步加剧此问题,许多预测认为2023年将创造破纪录的高温。这对数据中心运营商无疑构成了巨大挑战,不仅需要应对设施内产生的热量,还必须解决极端高温天气带来的额外热量和后果。
作为全球关键数字基础设施和连续性解决方案供应商,维谛技术(Vertiv,NYSE:VRT)今天最新发布极端高温时期数据中心管理指南。作为数据中心领域的领先制冷专家,该指南提供以下措施建议,助力数据中心运营商有效减轻与极端高温相关的风险。
定期清洁或更换空气过滤器
近期受加拿大野火烟雾南下影响,美国纽约全城被橙色烟雾笼罩,当天跃居全球空气污染最严重的城市,直观展示了气候变化所带来的严重影响。对数据中心运营商而言,这是个警示,需要定期清洁或更换数据中心热管理和暖通空调系统的空气过滤器。这些过滤器的作用是保护敏感电子设备免受空气中的颗粒物侵害,也包括远处野火产生的烟雾影响。
尽快进行预测性维护和服务计划
极端高温和恶劣空气质量对数据中心基础设施系统带来的影响和负荷远远超出预期。电网通常难以满足高温所带来的用电激增,停电现象也屡见不鲜。因此,预防性维护不间断电源UPS系统或暖通装置至关重要。比如,预防性维护包括清洁冷凝器盘管和维护制冷剂充放量,这有助于避免意外故障的发生。
启用高效运行模式
大部分不间断电源UPS系统都具备高效节能模式,可有效降低供配电系统从电网获取的电力。热浪袭击造成电网负荷已接近极限,任何节能措施都可能成为确保业务连续性和避免灾难性停电的关键。
利用新能源削峰填谷
尽管不是所有数据中心都具备使用新能源的条件,但那些已经领先配置的数据中心应该积极利用可再生新能源替代市电,节能降碳。可再生新能源包括场内或场外的太阳能电场,或场外的风力发电场,配套锂电池储能系统,进行削峰填谷。在高温天气期间,考虑到柴油发电机产生的温室气体和与气候变化相关的排放远高于新能源,不建议启用柴油发电机,另外柴油发电机的例行维护测试也应相应推迟。
运行尽可能多的制冷装置
通过分担负载,以及群组控制功能,以降低每个设备的负荷,并达到节省能源的目的。
考虑采用不同类型的制冷系统
液冷、无水制冷和蒸发冷却系统,这些专为高温环境设计的前沿制冷技术都可以考虑采用。
使用热量管理预测模型
使用热量管理预测模型,而非依赖历史数据。随着极端高温事件频率的增加,传统历史数据往往无法应对现代风险。因此,借助热量管理预测模型更为可靠。
以上指导将有助于改善极端高温时期数据中心的电源管理、热管理、业务连续性和预防性维护。若有更多需求,欢迎联系维谛技术专家,让我们为您解决难题,确保数据中心在任何极端气候条件下的稳定运行,共创可持续发展的数字未来!
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。