高校信息化建设是一个投资巨大,持续时间长的系统工程。高校数据中心作为高校信息化建设的核心基础设施,承担着对大量的教学、科研、行政等业务处理和数据存储任务。

近日,搭载业内首款高密度液冷存储——曙光ParaStor存储系统的存算一栈式液冷数据中心,成功落地华南理工大学。
液冷存储的新样板
作为国家985和双一流建设A类高校,华南理工大学建有29个国家级科研平台、231个部省级科研平台,数量位居广东高校首位。该校数据中心广泛承载着科研平台和智慧校园等业务,为国家科研项目和在校超10万名师生提供密集的数据计算资源。
华南理工大学副首席信息官兼网信办主任陆以勤在接受记者采访时表示,学校专业是新工科,对算力有着较高的需求,所以数据中心建设非常重要。
虽然现在市场上存在很多云服务,但是高校对于自建数据中心建设有着自己的特殊需求,华南理工大学数据与计算中心主任黄建波介绍说,外部的数据中心对于通信的要求高,数据传输往往依赖硬盘。而且数据安全要求高,外部数据中心也缺少科研算法的优化团队。学校自建数据中心可以利用校园网解决通信的问题,安全性有所保障,技术人员帮助科学家进行算法优化和移植。
数据中心建设需要考虑电力成本,还需要注意对周围环境的影响。寻求性能、质量、绿色环保与成本之间的平衡成为数据中心面临的最大难题。
特别是存储器作为耗能大户,在数据中心IT系统能耗占比将超过35%,仅次于服务器能耗。而液冷凭借低耗能、高空间利用、高可维护性的特性,成为数据中心新一代制冷方式。
于是,华南理工大学引入了曙光高密度液冷ParaStor存储系统,基本实现了全栈式液冷数据中心建设,直接扩展近25PB存储空间,最高可使数据中心能耗降低30%。
目前,华南理工大学数据中心承载着学校云平台、科学计算平台、大数据平台等业务系统,存储了大量的科研、教学、管理的数据。陆以勤说,数据是核心资产,对于数据存储要求高。全栈液冷存储可以实现高性能、低成本和绿色环保。
黄建波补充道,学校数据中心首先面临的硬性指标,就是将PUE值降低为1.2。采用液冷存储,一方面同样的性能可以更节能,另一方面同样的成本,性能表现更高。测试显示,存算一栈式液冷数据中心部署后,PUE值可降至1.2以下。
液冷存储大有可为
以人工智能、5G为代表技术热潮的兴起,给数据中心带来资源使用和性能提升等挑战,与此同时,国家“双碳战略”和“东数西算”不断要求数据中心向绿色低碳迈进。面对内部驱动和外部推动,全栈式液冷数据中心将成未来趋势。
全栈式液冷数据中心的液冷化部署覆盖计算、存储和网络所有的硬件节点,从存储节点来看,存储器在数据中心IT系统能耗占比仅次于服务器能耗,是全栈式液冷数据中心的关键一环。
华南理工大学存算一栈式液冷数据中心的成功落地和应用,不仅为科研教育的绿色数字化建设提供了样板案例,也为AI、运营商、科教等高耗能行业与应用场景带来新的解决方案,助力千行百业可持续发展。
曙光存储产品事业部总监石静表示,多元化算力要求下,数据中心的低功耗诉求越来越强。存算一栈式全液冷整体解决方案,包括液冷服务器、液冷存储等,助力数据中心绿色发展。比如运营商数据中心的数据量巨大,存储系统的建设规模也越来越大。液冷存储能够在空间利用、节能减排方面,帮助运营商降本增效。
对于液冷存储的发展,石静认为,从市场预期来说,液冷存储的市场前非常明朗,并且是乐观的。在数字经济时代,数据成为新的生产资料和要素,存力建设必不可少,而存储系统的液冷化也成为必然。
从技术来看,液冷技术不断发展,并应用到存储系统,满足业务性能的需求下,进一步降低系统功耗。例如不同业务在不同阶段的存储负载是不同的,存储软件可以识别前端业务负载类型和压力特点,采用不同的节能模式,软硬件协同将液冷的优势发挥到极致。
从生态方面来看,良性的合作共赢方式推进液冷存储的生态更加完善。目前液冷技术在服务器领域的应用比较多,但是投入到液冷存储的厂商还比较少。更多的厂商参与到液冷存储的投入和研发之中,制定相关的标准,在技术攻关、运营等等方面推动液冷存储的深入发展。
黄建波对此深有感受,他说,现有数据中心改造是液冷落地的一大难题,所以液冷标准化变得至关重要。此外,学校科研团队在节能方面也有相应的团队和研究项目,对于推动液冷数据中心也有着巨大的促进作用。
而在这方面,曙光存储拥有液冷配套基础设施、存储硬件设计和软件系统研制的完善生态体系,可实现软硬件深度契合、简化部署、高效运维,为用户大规模液冷存储系统部署,提供可靠的服务保障。
写在最后
曙光存储在华南理工大学部署的液冷存储系统成为业内首个成功部署的案例,曙光存储结合扎实的存储技术积累和领先的液冷技术,率先推出的业界首款液冷存储系统,成为补齐全栈式液冷数据中心的重要一环。
展望未来,全栈式液冷数据中心更加符合高效制冷需求与市场需要,降低数据中心能耗、成本,提升性能,为数字经济发展提供强大的动力。
好文章,需要你的鼓励
根据Gartner最新报告,微软凭借广泛的合作伙伴和平台生态系统在企业级AI领域占据主导地位,而谷歌凭借集成的AI代理技术栈和可扩展的企业采用支持在企业代理AI方面领先。报告涵盖近30个AI技术竞赛领域,包括数据基础设施、模型代理、行业解决方案和网络安全等类别。尽管科技巨头投入数十亿资金扩展AI基础设施,但企业仍在努力证明AI技术的商业价值,超过三分之二的企业困于生成式AI试点阶段。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
美国国家标准与技术研究院发布人工智能网络安全框架配置文件草案,旨在帮助组织安全使用AI系统。该文件围绕"安全"、"防御"和"阻止"三个重点领域,详细说明如何管理不同AI系统的网络安全挑战、利用AI增强网络防御能力以及阻止AI驱动的网络攻击。文件将网络安全框架的各个组件映射到具体建议上,覆盖入侵检测到供应链安全等各个方面。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。