你很难想象得到,每搜索一次网页的能耗相当于烧开半壶水,全世界一年互联网因鼠标点击消耗的电量,足以点亮一座小城市的路灯一整晚。
尤其是随着AI技术的快速发展,算力需求猛增,进一步加剧了数据中心能耗的增加。
政府近年来持续强化数据中心节能审查,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。
对于存量数据中心来说,节能改造是一项系统性的复杂工程,需要考虑各种能耗因素,其中涉及供配电、空调等多个维度。对此,如何真正有效地实施节能改造项目?
近日,由中国通信学会信息通信能源专业委员会主办的“2024年中国信息通信能源会议”,在厦门成功举办。
在大会上,维谛技术(Vertiv)中国区数据中心解决方案专家王安林,通过《低碳与智算趋势下,存量机房的优化之道》的演讲,分享了维谛技术(Vertiv)在数据中心及运营商核心枢纽楼节能改造领域全面的技术方案和实践经验。
1、直接换空调≠PUE优化
在节能改造过程中,数据中心运营商很容易陷入一个误区:通过直接更换高能效空调来实现PUE优化。然而,数据中心PUE由CLF(制冷能耗因子)、PLF(供配电能耗因子)、OLF(其他能耗因子)构成。
尽管CLF对PUE的影响最大,但是数据中心是一个复杂的系统性环境,尤其是那些已经长期运行着的存量数据中心,其中有着非常多的因素会影响到PUE。
通过更换空调虽然可以一定程度优化CLF因子,但是对于整体PUE的提升有限。这个原理也同样适用于PLF、OLF。
2、“9步走”框架解码PUE优化之道
如何才能真正降低存量数据中心的能耗,实现PUE优化?
维谛技术(Vertiv)根据存量数据中心的实际情况,在拥有广泛实践经验的基础上,推出了“9步走”框架,全面解码数据中心节能改造之道。
在落地可信CLF之外,“9步走”框架策略,还对供配电系统以及照明、新风系统进行节能改造,实现PLF、OLF的统筹优化,并以全生命周期服务视角,为数据中心PUE的长治久安保障护航。
不仅如此,针对AI智算趋势下,存量数据中心除了PUE指标优化,同样也面临着功率密度持续攀升、业务不确定性、小规模快速部署智算机柜等挑战。维谛技术(Vertiv)除了在新建智算中心可以提供完整架构外,应对存量数据中心智算高密化需求,也可以提供“风-液”型液冷解决方案,助力存量数据中心快速智算改造。
面对当前迫切的节能改造需求,维谛技术(Vertiv)基于“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全方位的价值体系,成功解码存量数据中心PUE优化之道。
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
微软宣布为Word和Excel推出基于OpenAI的AI代理模式,通过简单提示即可自动生成文档和分析数据。Word用户可享受"氛围写作"功能,利用现有文档组装报告和提案。Excel代理能分析电子表格数据并生成可视化报告。尽管在SpreadsheetBench基准测试中准确率仅为57.2%,低于人类平均水平71.3%,但微软强调其针对实际工作场景优化。此外,微软还发布了基于Anthropic的Office代理,显示其正逐步减少对OpenAI的依赖。
苹果与清华合作提出EpiCache技术,解决AI长期对话中的记忆管理难题。该方法将对话自动分割成话题片段,为每个话题建立专门记忆库,实现智能匹配和高效检索。实验显示,EpiCache比传统方法准确率提高40%,内存使用减少4-6倍,响应速度提升2.4倍,为资源受限环境下的AI对话系统提供了实用解决方案。
OpenAI为美国ChatGPT用户推出"即时结账"功能,用户可在对话中直接购买Etsy和Shopify商品,无需跳转至外部网站。该功能支持Apple Pay、Google Pay等多种支付方式,并计划接入超过100万家Shopify商户。OpenAI还将开源其代理商务协议技术,与谷歌的代理支付协议形成竞争。这标志着电商购物模式的重大转变,AI聊天机器人可能重塑在线零售发现和支付生态系统。
清华大学与英伟达合作提出DiffusionNFT,一种革命性的AI图像生成训练方法。该方法通过对比正负样本进行学习,避免了复杂的概率计算,训练效率比传统方法提升25倍。研究团队在多项测试中验证了其优越性,不仅大幅提升了图像质量和文字渲染能力,还实现了无需分类器引导的高效训练,为AI图像生成技术的普及和应用奠定了重要基础。