作为一项重要的能效考核指标,PUE衡量着数据中心是否绿色节能。“东数西算”的启动加速了PUE的升级,明确要求东部地区数据中心集群PUE小于1.25,西部地区小于1.2。
然而,对于数据中心用户来说,在利用各种节能策略降低PUE的过程中,一直面临着“设计PUE≠交付PUE”的痛点。
如何让设计PUE变成实际运行的PUE,从而顺利通过数据中心能评及节能监察,迎接2025年能效大考,成为业内共同面对的课题。
哪些因素造成“设计PUE≠交付PUE”
在数据中心的建设运营中,设计PUE并不足以采信,而实际运行的PUE才是其能效比的真实反映。
根据维谛技术(Vertiv,NYSE:VRT)近年来的实地调研发现,新建大型数据中心设计PUE与运行PUE普遍存在0.2的差异,这种现象在大型水系统数据中心显得尤为突出。
那么,造成这种差异的原因是什么?
首先是负载差异,低载能效不等于满载能效。数据中心在规划阶段往往按照满载条件进行设计,在交付运行后负载率都是缓慢提升,在低负载率下能效会受到很大影响。
其次是设备差异,单点高能效不等于全年高能效。数据中心全年PUE是根据温湿度和负载环境不断变化的综合结果,但是一些节能方案往往强调极端的能效值,控制切换和利用自然冷能力大幅偏离设计,部分设备能效也随运行时间快速衰减,偏差会越来越大。
再有是交付差异,实验环境不等于现场环境。在工程施工中,由于对设备运行工况缺乏深度理解,会面临各种问题,比如,工程施工的错位影响风道和气流组织,就会影响设备运行的能效。
针对设计PUE与运行PUE不一致,需要深刻理解造成差异的原因,并采取有效的手段,在源头上解决问题。
此外,随着能效环保政策不断趋于严格,数据中心的能效考核也开始兼顾PUE、CUE(碳利用效率),并在政策上对WUE(水资源利用效率)提出了更高要求。
因此,需要在少用水或不用水的前提下实现真实PUE的交付。
“可信超低PUE”显现PUE真正价值
维谛技术(Vertiv)一直在积极探索降低PUE的技术手段,实现设计PUE和交付PUE的一致。
维谛技术(Vertiv)认为,可信超低PUE的全流程解决之道,在于可测量的分布结构、可验证的产品能效、可信任的工程交付,从先进技术的应用、高能效产品到专业团队的数字化施工,全面消除造成设计PUE≠交付PUE的因素。
对于数据中心能效目标的达成,创新技术是最重要的驱动力。以PUE小于1.25的节能要求为例,维谛技术(Vertiv)通过分解制冷因子CLF、供电因子PLF、建筑能效因子,已经形成了成熟的技术路径。
CLF制冷能效水平的控制,是PUE目标达成的关键。
维谛技术(Vertiv)通过最大化利用自然冷源、提高进回风温度、降低机械制冷功耗、优化气流组织等技术手段,将CLF控制在0.17以内。同时,维谛技术(Vertiv)基于优化供电架构和布局、提升UPS转换效率、缩短供电链路,实现PLF小于0.06。此外,通过建筑节能保温、节能型照明设备的使用,将建筑能效因子控制在0.01以内。
在此基础上,维谛技术(Vertiv)在各个专业环节上推出了相应的创新技术方案。
在制冷方面,“混动双擎”热管技术采用氟泵优先模式,而且氟泵功能开启的室外温度条件从5度提升至22度,全年自然冷源的利用时长增加了2500小时以上,无水制冷能效提升了20%。在“混动双擎”技术的支持下,维谛技术(Vertiv)还推出了一系列分布式制冷方案,灵活适应多种场景需求。
在供电方面,维谛技术(Vertiv)独创的UPS动态在线模式,能够实现99%的运行效率,系统能效提升超过2%。此外,VertivTMLiebert®APT2.0预制式电力模组是PLF小于0.06的重要保障,这款方案实现了供电链路的全融合,效率提升了2.5%,并能节省30%以上占地空间。
不仅如此,在创新的技术方案组合之外,维谛技术(Vertiv)在专业、标准、产品、人才、交付等维度,为落地可信超低PUE构建了强大的平台保障。
目前,维谛技术(Vertiv)的可信超低PUE交付已经拥有广泛的成功实践,并实现了行业、区域与规模的全覆盖。
作为维谛技术(Vertiv)集丰富经验、领先产品技术打造的节能架构,可信超低PUE基于对架构设计、产品应用、节能调优及最终交付等专业细节的严格把控,能够为客户带来“过能评、去风险、保验收、可承诺”的核心价值,落地“承诺式交付,所设即所得”的目标。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。