伴随AI等新技术发展,海量算力需求对数据中心冷却技术提出严峻挑战。液冷技术因其散热效率高、节能等优势,正成为数据中心建设首选。
然而,液冷数据中心的研发与生产也面临三大痛点:一是缺乏尖端实验和研发环境,液冷技术进步需有庞大、先进研发环境支撑,以便更好地测试和改进液冷设备;二是产品化能力不足,在实际生产中,数据中心液冷散热设施产品仍面临难以量产、产品质量难保障等问题;三是定制化能力不足,不同行业、用户因其液冷数据中心部署需求不同,对液冷设施也有特定需用,需具备高灵活性定制化产品和服务。而解决上述难题,行业亟需全链液冷创新能力的提升。
曙光数创在近日举行的“深蓝计划”新品发布会暨曙光数创(青岛)产业创新基地启动仪式上发布新一代一体化风液混冷先进数据中心,并宣布全国规模最大的液冷数据中心全链条产业创新基地正式启动。
“鱼与熊掌”可兼得,一体化风液混冷数据中心
数据中心的制冷方式以风冷为主,但是液冷也在积极推进中。液冷的好处不言而喻,比如液冷可以让高功率芯片运行在更高频率,性能发挥更彻底。
风冷是过去很长时间内数据中心的主流温控方案,以空气为冷却媒介。但是在“东数西算”与“双碳”大背景下,不断提升的功率密度和PUE(能效指标,越接近1越优)设计要求已成为行业面临的主要问题,液冷技术具有高密低碳等优势,已经成为应对数据中心散热压力和节能挑战的必由之路。
虽然液冷是首选,但是现有数据中心还是沿用了风冷的设计,所以兼顾风冷与液冷的方案也就成为客户想要的一种选择。
为此曙光数创推出了新一代一体化风液混冷先进数据中心,将风冷系统与液冷系统高效集成,一体化解决数据中心散热需求。
曙光数创副总裁张鹏介绍,一体集成的风液混冷数据中心,其风冷、液冷比例可动态调节,可将散热效率提升至最高。
为实现一体化风液混冷数据中心,曙光数创发布新一代CDU系列产品家族升级、1U侧壁导冷式内存液冷散热组件、液冷节能型精密空调、液冷节水型室外机、中压直转HVDC系统、液冷一体化能效管理系统等六大新产品。
在张鹏看来,成本、可靠性和性能能效是液冷市场发展的重要因素,而互联网、金融、运营商是采用液冷的重点行业。“我们的方案能够确保行业客户对于可靠性、安全性的要求,并持续迭代。”
全链条产业创新基地
数据中心的液冷产业链具有明显的上中下游特质,比如上游主要为产品零部件,包括接头、;中游主要为液冷服务器;下游行业主要包括互联网、金融、电信、政府、交通和能源等信息化程度相对较高的行业。
而曙光数创(青岛)产业创新基地是国内首家液冷数据中心的全链研发与生产基地,而且是国内规模最大的液冷数据中心全链条产业创新基地,基地拥有七大研发创新实验室和四条先进生产线。
张鹏说,曙光数创是一家技术驱动型的公司,实验室对公司的发展具有重大意义。其中,650kW综合焓差实验室,作为七大研发创新实验室之一,通过国家GMPI认证,具备高精度、高自动化、高速稳定等测试优势;“王者级”实验室——国内唯一的兆瓦级液冷基础设施实验室,热源侧电负载源均最大可达1.5兆瓦,冷源侧可实现最大1.6兆瓦冷量能力,并通过自研控制系统实现智能控制,保证快速且平稳地调节出测试所需工况。
依托四大产线: CDM产品线、液冷散热产品线、钣金喷涂产线、产品总装产线,基地可提供从服务器到基础设施、从机房外到机房内、从硬件到软件的全链条、一站式、系统级液冷数据中心解决方案,为液冷数据中心基础设施建设提供坚实保障。
对于产线,张鹏表示,产品完全自产才能保证成本、质量和交期,满足不同客户的定制化需求。技术在不断演进,曙光数创积极创新,推动液冷在行业中的渗透,促进整个行业的健康发展。
结语
作为液冷数据中心市场的先行者之一,曙光数创早在2011年便开始探索液冷技术“无人区”,一直致力于为用户提供整体液冷数据中心基础设施解决方案。曙光数创还在今年推出了“冷平衡”战略,打造SLiquid技术品牌和CloudBASE数据中心整体解决方案品牌。
" 曙光数创(青岛)产业创新基地的启动,标志着曙光数创公司在液冷技术领域的新一轮创新和发展。我们将以此为契机,加强技术创新和产业创新,推动液冷技术在更高性能、更低能耗、更环保等方面的创新与应用,为全球客户提供更优质、更高效的数据中心解决方案。" 曙光数创董事长任京暘说。
据赛迪顾问《2023中国液冷应用市场研究报告》显示,曙光数创以近三年平均58.8%的市场份额,位列中国液冷数据中心基础设施市场规模第一。
曙光数创基于全链条研发、全链条生产、全链条服务,为用户带来极致节能、灵活省心、成本可控的先进数据中心部署与运维体验,有效满足政府、金融、科教、互联网、能源、等全行业客户的差异性需求。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。