如果你是数据中心运营商,可能会优先考虑数据中心服务器的可靠性、能源效率和最佳布局,但你也可能忽略了和服务器相关的另一个考虑因素:数据中心噪声排放。
事实上,虽然服务器产生的噪音似乎不是一个主要问题,但如果员工是在靠近服务器机架的地方工作,那么可能就会成为一大问题了。
让我们看看为什么服务器噪音可能成为数据中心的一个问题,以及数据中心运营商可以采取哪些措施来保持服务器安静。
是什么导致服务器噪音大?
服务器和服务器机房的噪音水平可能因多种因素而有很大差异:
由于存在这些变化因素,所有说服务器机房总是很吵的结论是错误的。然而总体来看,服务器机房往往是噪音很大的,根据Sensear的研究,数据中心服务器机房内的平均噪音水平为92 dB(A),比地铁稍微安静一些,略高于OSHA定义的工人长期接触的安全噪音水平。
服务器机房噪音是个问题吗?
现在,如果你的数据中心基本上是自动化的,并且很少有人在服务器附近工作,那么吵闹的服务器机房可能不是个问题,并且也没有理由投资于那些能够保持服务器安静的措施。
但很多服务器机房内有人是很常见。那些经常需要更新或者需要定期维护服务器的数据中心,往往有更多的技术人员在服务器机房内长时间工作。此外在某些情况下,服务器机房位于同时设有办公空间的设施内,使附近办公室的工作人员长时间暴露在服务器发出的噪音中。
在这种情况下,寻找减少服务器噪音的方法是很有意义的,这将改善员工的体验,同时还有助于确保遵守要求雇主保持合理噪音水平的工作场所法规。
降低数据中心噪音的策略
在大多数情况下,保持服务器安静并不是那么困难或成本高昂,以下就是数据中心运营商可以采取的可行措施以抑制服务器机房的噪音。
更换风扇
制造商在服务器上安装的风扇可能不是最安静的。使用更静音的风扇是减少服务器噪音的一个相对便宜且简单的方法。
调整风扇设置
服务器还可以默认配置为以高于必要的级别运行风扇。理想情况下,风扇应该配置为仅当服务器的热量输出增加时速度才会增加。这样,风扇就不会在不必要时产生噪音了。
一些服务器制造商提供了实用的程序来控制风扇设置,还有一些适用于大多数硬件的第三方风扇控制软件。
更新散热器
更换效率较低的散热器(用于传递CPU等服务器组件的多余热量)也可以降低噪音水平。散热器的效率越高,风扇或者其他冷却系统的工作量就越少。
用更安静的冷却系统替换风扇
在可行的情况下,用液体冷却系统取代风扇冷却是降低服务器噪音的一种高效的方法,但缺点是液体冷却成本更高,因此如果最优先考虑的是更静音的服务器,这种方法可能才具有经济意义。
隔离服务器机架的噪音
在服务器机架上添加绝缘材料和空气密封剂是另一种相对便宜且简单的降噪方法,还有助于防止泵入服务器机架的冷空气在冷却设备之前泄漏,从而提高冷却系统效率。
服务器机房墙壁隔音
如果的首要任务是减少从服务器机房泄漏到邻近空间的声音,而不是使服务器机房本身更安静的话,那么在服务器机房墙壁内部或表面安装隔音材料可以减少噪音的传递。
此外,在服务器机房墙壁上安装吸音材料可以减少服务器发出的噪音的回声效应,从而降低服务器机房内部的噪音水平。
结论:更静音的服务器意味着更好的数据中心
对于大多数数据中心运营商来说,减少服务器噪音排放可能不是第一要务。但是,一旦你优化了运营的其他方面例如能源消耗,投资降低服务器噪音(这在大多数情况下并不是特别困难或昂贵)就是提高员工生活质量的一个有效方法。而且,很多降低服务器噪音的措施还可以带来提高服务器效率的额外好处。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。