8月5日,在“绿色节能液冷数据中心高峰研讨会”上,《绿色节能液冷数据中心白皮书》(以下简称“白皮书”)正式发布。该白皮书是2023年首部,详解数据中心节能技术与标准的手册型白皮书。白皮书就数据中心的节能设计、建设,以及设施与设备验收等“全周期”维度给出了详实理念与标准范例。
白皮书发布仪式现场
白皮书由国家互联网数据中心产业技术创新战略联盟、中科曙光和其子公司曙光数创联合主编。据赛迪顾问《2023中国液冷应用市场研究报告》显示,2021年至2023年H1,曙光数创以58.8%的市场份额,位列中国液冷数据中心基础设施市场部署规模第一。
让液冷建设不再难
伴随“东数西算”战略启动,以及“双碳”目标的提出,如何解决数据中心能源利用率低、节能技术水平不足等问题,已成为数据中心建设的首要难题。
对此,国内众多厂商纷纷进行液冷技术的探索与尝试,以实现更低PUE等目标。但因参与厂商众多,带来了理念不一、成果与案例难以参考、复制等新问题。而白皮书的发布,则为新型节能数据中心的建设与运维,提供了建设方向以及设计准则。
曙光数创总裁何继盛介绍,白皮书的编写依托中科曙光及其子公司曙光数创多年的技术积累与市场经验。就如何实现数据中心低PUE下的高密度部署、液冷数据中心持续可靠运行、以及节能数据中心全年全地域建设运维等问题,提出了历经多年检验的理念与标准范例。
弥补标准缺失难题
近年来,众多团体、协会为推动液冷技术在数据中心的应用与普及,纷纷牵头液冷技术的标准立项编制工作。但百“标”齐放,未能让液冷数据中心的设计建设、节能设备验收、液冷机房运维等环节简便与清晰。这致使不少液冷数据中心在建设之初,普遍缺乏可持续的信心。
对此,白皮书围绕冷板式液冷、单相浸没液冷、相变浸没液冷三大主流节能液冷技术展开,在环境、性能、部件设计、运维规范等多方面提出具体要求,为液冷数据中心的规范化设计、建设等提供参考依据,弥补标准缺失难题。
曙光数创副总裁张鹏介绍,曙光一直深耕数据中心基础设施液冷技术和产品应用,先后主持参与、制定数据中心相关节能标准共20预余项。以曙光液冷数据中心方案为例,其可让散热耗能占比,从传统风冷模式的超30%,降低至9%,PUE降低至1.2以下。如同等IT容量规模为40MW的数据中心,相比传统风冷模式,使用曙光浸没相变液冷方案,每年可节省电费3500万元。
相信白皮书可成为液冷数据中心建设的“百宝箱”,让国内液冷数据中心建设能有标所依,有规可循,助力“双碳”目标早日实现。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。