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
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。