在“双碳”背景下,国家和地方政府近年来密集出台监管政策,不仅要求新建数据中心绿色节能,而且对存量数据中心的能效也提出了量化要求。在诸多监管政策中,PUE小于1.5已经成为衡量存量数据中心能效的红线。
相对而言,新建数据中心可以通过采用绿色、节能产品达到能耗指标,但是存量数据中心只能通过节能改造才能符合监管要求。
然而,数据中心节能改造是一项系统性的复杂工程,需要综合考虑各种能耗因素,绝不是仅仅更换某些设备就能达到提升PUE的目的。
为什么节能改造不仅仅是换空调?
在数据中心PUE组成中,除去末端设备能耗,空调能效因子CLF占比达到六成以上,其节能改造的潜力最大。由于这个原因,用户往往想通过直接更换高能效空调来实现节能目标。
维谛技术(Vertiv,NYSE:VRT)认为,尽管采用这种措施能够改善数据中心能效,但是这也是数据中心节能改造中的一个误区。
事实上,数据中心是一个复杂的系统性环境,尤其是老旧的存量数据中心条件有限,有很多因素会影响空调能效难以达到设计值。
在影响空调能效的因素中,包括显性因子和隐形因子。显性因子指的是系统本身及其能效性能;隐形因子包括机房布局、负荷差异、气流组织、机组控制、气候环境,这些都直接制约着空调CLF,从而影响数据中心的节能考核指标。
比如,气流组织管理是影响空调能效表现的主要因素。存量数据中心一般设备种类繁多,而且规格尺寸各异,造成风道混乱,节能改造很难用封闭通道进行设计,而无法有效提高送回风温度,这种情况下空调CLF自然得不到优化。此外,建筑布局也会对节能改造造成不利影响,比如层高有限,不能使用封闭热通道、加高防静电地板等改善气流组织的技术方案。
显而易见,在隐性因子的影响下,通过更换空调虽然可以一定程度优化机房的CLF因子,但空调系统的的实际能效相比理论值有可能相差甚远;这种“简单的改造”对于整体PUE的提升有限。这个原理也同样适用于供电PLF、建筑OLF。
“9步走”实现PUE<1.5真实落地
面对极具挑战性的数据中心节能改造,维谛技术(Vertiv)基于“可信节碳,全程陪伴”的理念,在拥有数百个节能改造案例经验的基础上,推出“9步走”逻辑框架,全面解码数据中心节能改造之道。
“9步走”框架包括机房勘察、数据分析、架构设计、设备选型、PUE评估、系统仿真、设计修正、改造施工、参数调优,基于完整、逻辑严密的程序和流程,可以更好地对抗数据中心节能改造的不确定性。这个过程看似复杂,但是维谛技术(Vertiv)一直秉持“把复杂交给维谛,把简单留给客户”的宗旨,全流程陪伴客户的数据中心节能改造。
“9步走”框架有效地消除了隐性因子,而且能够很好地控制设计值和落地值之间的偏差,从而实现可信CLF的落地。在强化显性因子方面,维谛技术(Vertiv)也具备领先优势,提供包括“混动双擎” 热管、动态双冷源、全变频氟泵、风冷多联等独创技术在内的一系列技术方案,可以全面满足客户的产品选型需求,适用各种不同场景。
同时,维谛技术(Vertiv)具备强大的机电集成、机电改造及总包能力,可以为客户提供超过30个大类、100个小类的节能改造服务,能够根据数据中心所处环境、预期目标、改造成本及工程周期,因地制宜、因需制宜为客户提供最佳匹配的改造方案。
在落地可信CLF之外,维谛技术(Vertiv)还能够对全链路供配电系统以及照明、新风系统、除湿系统进行节能改造,实现供电PLF、建筑OLF的统筹优化,帮助客户数据中心满足PUE1.5的要求。
不仅如此,在后期运维阶段,维谛技术(Vertiv)以全生命周期服务视角,提供针对性的技术手段,使数据中心始终处在高能效运营状态。
面对当前迫切的节能改造需求,维谛技术(Vertiv)以“可信节碳,全程陪伴”的理念,围绕逻辑流程、产品技术、工程能力、运行维护等维度建立了成熟的方法论,为存量数据中心注入新的活力。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。