当你在享受智能应用带来的便利时,是否意识到,背后支撑这些技术的强大算力,正日益消耗着巨大的能源?
在AI技术加速发展的今天,数据中心已成为支撑全球算力的中枢,同时,它们也正面临着能源需求激增、绿色环保的双重挑战。
为了在这场算力与能耗的博弈中交上一份满意的答卷,近日,维谛技术(Vertiv)与世纪互联共同签署战略合作协议,携手助力AIDC构建更高效、低碳的能源解决方案。双方将通过资源共享、优势互补,深化在能源领域的联合研发,提前布局AIDC领域的能源协同利用,引领行业迈向更加可持续的未来。
世纪互联集团创始人、董事长陈升,维谛技术大中华区总裁崔益彬出席签约仪式,并分别发表致辞。
世纪互联集团创始人、董事长 陈升
陈升董事长表示,双方的合作是典型的“工程师文化”驱动的合作,这不仅是基于对科技的信仰,更是源于对企业文化和底层价值观的高度认同,这将为合作的实质性推进奠定坚实的基础。
维谛技术大中华区总裁 崔益彬
崔益彬总裁表示,从企业责任的角度来看,维谛技术与世纪互联的战略合作,不仅是为了满足当下的需求,更是着眼于未来,探索在能源高效利用和技术创新中寻找最优解;这不仅是企业之间的强强联合,更是携手迈向可持续、智能未来的重要一步!
嘉宾从左至右依次为:
杜华锐 世纪互联研发部总监
闫 昆 世纪互联集团副总裁
陈 升 世纪互联集团创始人、董事长
崔益彬 维谛技术大中华区总裁
田 军 维谛技术大中华区研发副总裁
顾 华 维谛技术大中华区市场营销与产品应用部高级总监
强强联合,重构AIDC能源系统
世纪互联(VNET.US)
成立于1996年,科创型数字新基建龙头企业、中国第一家美股IDC上市公司。世纪互联致力于为客户提供业界领先的数据中心一站式解决方案和基于GPU的加速计算服务,打造具有核心技术、超大规模运营能力、高附加值的基础设施运营平台。
维谛技术(NYSE:VRT)
凭借在全球关键基础设施领域的领先地位,为客户提供覆盖云到网络边缘的电力、制冷、IT基础设施解决方案和技术服务组合,致力于为技术革新注入澎湃动力,引领行业迈向更高效、更智能的未来,助力客户的业务悦动在线。
两家行业领军企业的战略协作,不仅带来了技术与资源的深度融合,还基于对“工程师精神”的一致认同,推动了双方更紧密、更深入、更高层次的合作。凭借在资源、实力、技术等层面的强强联合,为AIDC的发展构建全新的能源系统。
联合创新,推动行业绿色发展
1、维谛技术将发挥在电气、能源和热管理领域的全球技术积累、快速研发优势,围绕世纪互联推进新型电力系统的战略部署,结合相关项目的落地,在多个技术领域展开深度合作。
2、双方将组织研发资源建立联合研发团队,针对AIDC、预制化DC等关键技术、产品和方案进行联合研发,实质性推进技术突破并尽快落地相关解决方案。
未来,维谛技术与世纪互联将秉持共创、共享、共赢的生态理念,携手推动技术创新,打造行业领先的绿色能源系统。通过这次强强联合,双方不仅为自身的技术发展注入了强劲动力,也为整个行业的发展树立了具有借鉴价值的创新典范。
关于维谛技术(Vertiv)
维谛技术(Vertiv, NYSE: VRT, 原艾默生网络能源),是一家全球领先的数字基础设施解决方案提供商,在通信网络、数据中心、商业&工业、新能源等领域拥有50+年的发展历史。维谛技术(Vertiv)的产品广泛覆盖了政府、电信、金融、互联网、科教、制造、医疗、交通、能源等客户群体,为客户提供覆盖各个领域关键基础设施的电力、制冷和IT基础设施解决方案和技术服务组合。
维谛技术(Vertiv)的客户遍布全球,在中国拥有2大研发中心和2大生产基地,覆盖全国范围的30+办事处和用户服务中心、100+城市业务支持中心,为客户提供高可靠高质量的产品方案和专业卓越的技术服务,共同构建关键技术悦动在线keep it hummingTM的美好世界。
如需了解更多信息,欢迎访问Vertiv.com,售前热线400-887-6526。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。