A1 Digital 正在测试一项用于高能耗 AI 服务器的液冷技术,据称该技术可节省 50% 的制冷能耗,完全无需使用空调系统。
A1 Digital 旗下的云服务和托管提供商 Exoscale 正在其维也纳数据中心测试由奥地利公司 Diggers 开发的直接液冷 (DLC) 系统的概念验证 (POC)。
该系统将服务器刀片置于密封的冷箱中,不存在空气进出,并通过带有微通道的冷板直接连接到 GPU 和 CPU 上进行液体循环。据介绍,这种设置消除了冷通道的需求,因此声称可以节省 50% 的能源成本,实现约 1.05 的 PUE。
PUE(电源使用效率)是衡量数据中心基础设施能源效率的指标,理想值为 1.0。根据 Uptime Institute 的数据,行业平均水平约为 1.56。
Exoscale 首席运营官 Antoine Coetsier 告诉我们,数据中心的设备正变得越来越密集且耗能更高,而电力成本也在上升。同时,像他们这样的公司面临着可持续发展的压力,特别是在欧盟《企业可持续发展报告指令》(CSRD) 现已生效的情况下。
"每一代产品,不仅是 GPU,现在连 CPU 也在消耗更多能源。目前这一代仅 CPU 就需要 350 瓦特。我们从三月底开始部署的设备将达到每个 CPU 500 瓦特。"
这推动了制冷技术的演进,从对整个数据机房进行空调制冷,发展到服务器机架之间的冷通道,现在则采用这种类似冰箱隔热的冷箱内液冷方案。
Diggers CEO Martin Schechtner 表示这是该公司第四代设计技术。
"这是一种冷箱方案,服务器机架内部没有空气进出。只有水的进出、电源供应和网络连接,这使得操作变得最简单,"他告诉我们。
此前,Diggers 销售浸没式制冷解决方案,但那通常使用矿物油,这意味着"你要在极其重要的基础设施中引入大量易燃负载,"Schechtner 说道,同时维护也更加困难。
采用冷箱内服务器刀片的 DLC 技术,"我们基本上达到了与浸没式制冷相同的技术效果,但无需使用矿物油,也没有维护问题。一切都易于更换。你可以更换内存和硬盘,不会有油滴落的问题,"他解释道。
Diggers 的冷板采用铝而非铜制成,以避免水造成的腐蚀问题。该公司声称其微通道设计能够以提高热传递效率的方式分配液体。一块冷板可以冷却两个 GPU,每侧各一个。在 POC 中,每个冷箱包含四个垂直安装的刀片。
"所有设备都被封装在内,管道很少。虽然还是有一些管道,但比你之前见过的任何方案,甚至是大型 OEM 的方案都要少得多,这也是系统的优势之一,"Coetsier 说。
维也纳数据中心正在试验的部署总共包含八个箱体,计算能力约为 80 千瓦。
"规模不大因为这是 POC。我们将逐步扩大规模,但它有潜力容纳目前最强大的 GPU,"Coetsier 告诉我们。
根据 Schechtner 的说法,从冷箱流出的水温通常在 50°C,"这个温度水平可以直接在现场使用,或者输送到区域供热网络,让热泵能够高效工作。"
Coetsier 表示,如果 POC 进展顺利,Exoscale 计划将这项制冷技术推广到维也纳数据中心以外的其他地点,并应用于不同的 CPU 和 GPU 组合,"因为我们是云服务提供商,我们的工作是提供客户需要并愿意购买的各种服务。"
好文章,需要你的鼓励
Helios Towers供应链总监Dawn McCarroll在采访中分享了公司的数字化转型经验。作为一家在非洲和中东地区运营近15000个移动通信塔站的公司,Helios正通过SAP S/4Hana系统升级、AI技术应用和精益六西格玛方法论来优化供应链管理。McCarroll特别强调了公司Impact 2030战略中的数字包容性目标,计划在未来五年内培训60%的合作伙伴员工掌握精益六西格玛原则,并利用大数据和AI技术实现端到端的供应链集成。
德国弗劳恩霍夫研究院提出ViTNT-FIQA人脸质量评估新方法,无需训练即可评估图像质量。该方法基于Vision Transformer层间特征稳定性原理,通过测量图像块在相邻层级间的变化幅度判断质量。在八个国际数据集上的实验显示其性能可媲美现有最先进方法,且计算效率更高,为人脸识别系统提供了即插即用的质量控制解决方案,有望广泛应用于安防监控和身份认证等领域。
威胁行为者在npm注册表上传8个恶意包,伪装成n8n工作流自动化平台的集成组件来窃取开发者OAuth凭据。其中一个名为"n8n-nodes-hfgjf-irtuinvcm-lasdqewriit"的包模仿Google Ads集成,诱导用户在看似合法的表单中关联广告账户,然后将凭据传输到攻击者控制的服务器。这种攻击利用了工作流自动化平台作为集中凭据库的特点,能够获取多个服务的OAuth令牌和API密钥。
布朗大学联合图宾根大学的研究团队通过系统实验发现,AI医疗助手的角色设定会产生显著的情境依赖效应:医疗专业角色在急诊场景下表现卓越,准确率提升20%,但在普通医疗咨询中反而表现更差。研究揭示了AI角色扮演的"双刃剑"特性,强调需要根据具体应用场景精心设计AI身份,而非简单假设"更专业等于更安全",为AI医疗系统的安全部署提供了重要指导。