原始设计制造巨头Flex有限公司表示,希望通过一套全新的千兆瓦数据中心蓝图,帮助数据中心运营商更高效地扩展业务,该蓝图能够支持人工智能和高性能计算工作负载。
该公司表示,正将其电源、冷却和计算系统整合为一系列预工程化的模块化参考设计,用于"下一代数据中心"建设,这些设计将使新计算设施的部署速度比传统设计快30%。
在圣何塞举行的开放计算项目全球峰会上,Flex展示了其集成设计方案,称这是希望更高效部署新数据中心的企业的完美解决方案。
传统上,大多数数据中心运营商在设计和建造新设施时往往各自为政。但缺乏标准化意味着这些定制化构建方法往往极其复杂,可能延长建设时间表并增加延期风险。此外,公司表示,这种设计往往导致成本和性能难以预测。
通过预制AI数据中心的许多基本构建模块,Flex表示可以帮助标准化数据中心设计和建设。其集成平台包括新型兆瓦级、高密度、液冷机架,旨在支持AI工作负载呈指数级增长的电力需求,并实现向800VDC电源架构的转型。
其他关键组件包括Flex新设计的电容式储能系统,有助于减少AI工作负载产生的电气干扰,以及高度可扩展的模块化机架级冷却剂分配单元(CDU),可提供高达1.8兆瓦的灵活容量。该设计还融合了预制电源舱和滑撬系统,这些预工程化模块系统旨在简化安装并通过并行建设减少现场劳动需求。它们还使用更少的互连,通过异地组装可以缩短数据中心建设时间表数周。
Flex表示,其半预制数据中心将为企业节省数千小时的现场劳动,将部署时间从平均一年缩短至最少六个月。此外,其设计极具灵活性,允许数据中心运营商根据需要进行调整,以集成来自英伟达公司和超威半导体公司等合作伙伴的首选计算系统。
数据中心运营商还将受益于Flex的生命周期智能软件,该软件为所有组件提供内置监控,配备预测分析和系统级优化工具。此外,Flex的参考设计得到强大供应链网络和全球服务的支持,在从采购到部署和履约的整个流程中提供全程支持。
Flex总裁兼首席商务官迈克尔·哈通表示,集成设计对未来数据中心至关重要,因为随着AI性能需求增加,运营商在电力、散热和规模挑战方面将面临前所未有的困难。
他说:"Flex通过在规模化垂直集成制造中整合电源、冷却和计算,提供业界最深度的硬件堆栈。其开放架构提供了更快、更可预测部署所需的灵活性,使数据中心运营商能够跟上AI需求的步伐。"
Q&A
Q1:Flex的数据中心参考设计有什么优势?
A:Flex的参考设计通过预工程化模块化方案,能够使新计算设施的部署速度比传统设计快30%,将部署时间从平均一年缩短至最少六个月,同时节省数千小时的现场劳动,降低成本和性能的不可预测性。
Q2:这套集成平台包含哪些核心组件?
A:集成平台包括新型兆瓦级高密度液冷机架、电容式储能系统、可扩展的模块化机架级冷却剂分配单元、预制电源舱和滑撬系统等,支持AI工作负载的高电力需求和800VDC电源架构转型。
Q3:为什么传统数据中心建设方式存在问题?
A:传统数据中心运营商各自为政的定制化构建方法往往极其复杂,缺乏标准化导致建设时间延长、增加延期风险,同时造成成本和性能难以预测的问题。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。