


Detik 'kemunculan' kecerdasan buatan: Bagaimanakah pusat data menyelesaikan masalah?
Apabila beratus-ratus model AI besar untuk industri muncul, pusat data yang mengehoskan model besar berubah secara senyap-senyap. Model besar memerlukan kuasa pengkomputeran yang besar Di satu pihak, pusat data akan menyediakan keupayaan komprehensif pengkomputeran yang pelbagai sebagai asas kuasa pengkomputeran untuk transformasi digital untuk memenuhi keperluan pintar industri yang berbeza, sebaliknya, pusat data terus meningkatkan kecekapan tenaga; yang memerlukan Seni bina pengkomputeran yang lebih baik dan penggunaan tenaga yang lebih rendah menjana kuasa pengkomputeran yang lebih besar, yang bukan sahaja mencapai karbon hijau dan rendah itu sendiri, tetapi juga memperkasakan transformasi pintar industri lain dan menggalakkan pengurangan karbon seluruh masyarakat.
Data daripada Kementerian Perindustrian dan Teknologi Maklumat menunjukkan bahawa jumlah bilangan rak pusat data yang digunakan di negara saya akan melebihi 5.9 juta rak standard pada tahun 2022, bilangan pelayan akan menjadi lebih kurang 20 juta, dan purata tahunan kadar pertumbuhan kapasiti storan pusat data akan melebihi 50%. Pada masa yang sama, dengan latar belakang permintaan yang meletup untuk data dan kuasa pengkomputeran dalam seluruh masyarakat, penggunaan kuasa pusat data sudah pasti meningkat dengan pesat. Oleh itu, menghadapi ujian dwi "kuasa pengkomputeran" dan "pengurangan penggunaan", bagaimanakah pusat data masa depan akan terus mengoptimumkan, berkembang secara berterusan dalam skala dan meningkatkan kecekapan tenaga secara beransur-ansur? Apakah rupa pusat data masa hadapan?
Baru-baru ini, Huawei mengeluarkan laporan "Pusat Data 2030", yang menyediakan arah rujukan untuk transformasi dan menaik taraf pusat data masa hadapan.
Inovasi muncul dan hala tuju baharu pembangunan sekitar "peningkatan lima kesan"
Hari ini, pusat data hampir berkait rapat dengan kehidupan harian istilah biasa seperti AI, pengkomputeran awan, bandar pintar dan metaverse semuanya tidak dapat dipisahkan daripada sokongan pusat data. Pada masa yang sama, trend seperti penjimatan tenaga, kemampanan dan keselamatan juga semakin kukuh. Perusahaan utama meningkatkan pelaburan dan pembinaan pusat data untuk memenuhi permintaan yang semakin meningkat untuk kuasa pengkomputeran.
Adalah dijangka bahawa dengan pertumbuhan pesat ekonomi global, pembangunan dan pembinaan pusat data akan terus berada dalam tempoh pembangunan yang pesat Ditambah dengan sokongan kuat daripada industri baru muncul di pelbagai tempat, ia telah membawa banyak kepada pembangunan industri pusat data.
Tanpa mengubah maksud asal, kandungan perlu ditulis semula ke dalam bahasa Cina. Apa yang perlu ditulis semula ialah: Tetapi dengan perkembangan pesat, memilih hala tuju dan jalan telah menjadi sejenis kebolehan dan kebijaksanaan. Keperluan kuasa pengkomputeran dan kekangan sumber adalah cabaran utama untuk pembangunan pusat data masa hadapan, dan inovasi perlu ditumpukan pada peningkatan kecekapan
"Pusat Data 2030" bermula daripada lima senario masa depan utama yang mempengaruhi pusat data dan menunjukkan bahawa pembangunan pusat data masa depan akan menunjukkan beberapa arah aliran penting Laporan itu meramalkan bahawa kuasa pengkomputeran akan menunjukkan perkembangan pesat, dan kuasa pengkomputeran dan kecekapan skala akan menjadi nasional dan daya saing teras perusahaan pada masa yang sama, didorong oleh AI, revolusi panorama akan berlaku di pusat data Label industri pusat data akan berubah daripada penggunaan tenaga yang tinggi kepada pemboleh pembangunan hijau. dan pusat data kolaboratif berbilang aliran juga akan menjadi popular, dengan itu membina pusat data kecekapan pengkomputeran yang hijau, rendah karbon dan terkemuka.
Ia dapat dilihat bahawa pembangunan pusat data masa hadapan adalah proses yang cepat berubah dan mencabar. Jika kita ingin memikirkan pusat data masa depan, membuka kunci ekonomi digital, pasaran dengan imaginasi yang besar, dan menggalakkan pertumbuhan tinggi perusahaan dalam era ekonomi data, kita memerlukan beberapa idea baharu untuk menyelesaikan "persamaan berbilang peringkat tinggi" daripada pusat data semasa.
Untuk mengatasi penemuan dalam penyelidikan saintifik dan permintaan sumber untuk kuasa pengkomputeran, pusat data di bawah situasi baharu perlu segera melaksanakan inovasi teknologi dan perubahan model. Laporan "Pusat Data 2030" menunjukkan bahawa pusat data masa depan perlu meningkatkan prestasi mereka dalam lima aspek: "kecekapan tenaga, kecekapan pengkomputeran, kecekapan operasi, kecekapan digital dan kecekapan manusia" untuk mengatasi bekalan kuasa pengkomputeran dan penggunaan tenaga yang disebabkan. oleh model kecerdasan buatan yang besar
.Optimumkan kecekapan tenaga untuk membina pusat data sifar karbon hijau untuk mencapai bekalan kuasa pengkomputeran pusat data yang cekap untuk membina rangkaian pusat data hyper-converged untuk memaksimumkan nilai; data; akhirnya Meningkatkan kecekapan manusia dan merealisasikan pusat data automatik. Boleh dikatakan bahawa penambahbaikan "lima kesan" menunjukkan arah penting untuk inovasi teknologi pusat data masa depan
Apa yang mentakrifkan ciri teknikal pusat data masa hadapan buat kali pertama ialah perspektif holistik
Dengan pembangunan pengkomputeran awan dan kecerdasan buatan di China, skala aplikasi pusat data berskala ultra-besar terus meningkat, dan konsep pembinaan pusat data juga telah berubah Perubahan yang paling tipikal ialah gabungan pembinaan pusat data dan peralatan IT. Sebagai infrastruktur, pusat data juga akan mengalami perubahan atas ke bawah dengan sewajarnya Untuk merealisasikan hubungan antara aplikasi dan teknologi dari perspektif perniagaan, pusat data perlu mempertimbangkan penyejukan, bekalan kuasa, pemantauan dan operasi dan penyelenggaraan secara keseluruhan untuk mencapainya. integrasi menegak
Arus perdana pembangunan teknologi pusat data masa hadapan akan dicapai melalui inovasi peringkat sistem, yang bermaksud bahawa pusat data generasi akan datang perlu memecahkan tradisi dan meningkatkan kecekapan pusat data melalui kerjasama perisian dan perkakasan# 🎜🎜#
Secara khusus, apakah ciri utama pusat data masa hadapan? Apakah penunjuk penilaian untuk pusat data baharu? Laporan "Pusat Data 2030" percaya bahawa pusat data baharu pada masa hadapan akan mempunyai enam ciri teknikal utama: kepelbagaian ubiquity, keselamatan dan kecerdasan, penjimatan tenaga sifar karbon, sumber fleksibel, sambungan rakan ke rakan dan sistem Moore.Kepelbagaian dan ubiquity: Pada masa hadapan, pusat data akan bergerak ke arah polarisasi gugusan ultra-besar dan tepi ultra-cahaya. Pada masa yang sama, menghadapi senario baharu, pelbagai pusat data yang inovatif juga akan muncul, seperti pusat data angkasa, pusat data bawah laut, dsb.
Kecerdasan Keselamatan: Pusat data baharu masa hadapan perlu mempunyai ciri keselamatan yang tinggi, kebolehpercayaan yang tinggi dan kecerdasan yang tinggi. Al dan data membolehkan keseluruhan kitaran hayat perancangan, pembinaan dan operasi pusat data, menggalakkan pembangunan pusat data ke arah kecekapan tinggi, penjimatan tenaga dan kecerdasan.
Penjimatan tenaga sifar karbon: Perkadaran tenaga bersih seperti tenaga angin dan tenaga suria dalam struktur tenaga pusat data meningkat. Pada masa yang sama, teknologi penyimpanan tenaga telah menjadi cara penting untuk mengurangkan kos kuasa pusat data melalui "pencukur puncak dan pengisian lembah" membantu pusat data menjimatkan tenaga dan mengurangkan bunyi bising;
Sumber yang fleksibel: Seni bina awan akan menjadi salah satu daripada "konfigurasi standard" infrastruktur pusat data masa hadapan Seni bina pusat data awan generasi akan datang akan mengikut prinsip "kumpulan penuh", "pengkomputeran lembut" dan "kerjasama pan". Hala tuju terus berkembang.
Sambungan peer-to-peer: Untuk meningkatkan kecekapan pemprosesan data, pengkomputeran masa hadapan akan menembusi kesesakan seni bina von Neumann Pengkomputeran, storan dan modul komunikasi akan saling bersambung melalui bas bersatu. Pada masa hadapan, pusat data baharu akan mempunyai penumpuan hiper, prestasi tinggi dan ciri-ciri Endogen optik.
System Moore: Moore's Law, yang mendominasi pembangunan litar bersepadu semikonduktor, menghadapi dua had fizik dan ekonomi, dan terdapat keperluan mendesak untuk mengguna pakai teknologi baharu untuk menggalakkan pembangunan berterusan industri maklumat masa hadapan.
Enam ciri teknikal pusat data baharu
Bukan itu sahaja, untuk memadankan pusat data berbilang bentuk, laporan itu juga mencadangkan seni bina rujukan "6 baharu" pusat data baharu buat kali pertama dalam industri, termasuk lapisan infrastruktur baharu, pangkalan pengkomputeran baharu lapisan, lapisan penjadualan sumber baharu dan pengurusan data baharu Terdapat enam peringkat: lapisan, lapisan perkhidmatan kerjasama baharu dan lapisan pengurusan pintar baharu untuk menunjukkan sejelas mungkin fokus dan elemen pembinaan pusat data baharu.
Seni bina rujukan “6 baharu” pusat data baharu
Kita boleh melihat beberapa idea baharu untuk pusat data masa hadapan daripada laporan "Pusat Data 2030", yang boleh menyelesaikan "persamaan tertib berbilang lebih tinggi" ini. Walau bagaimanapun, untuk mendapatkan "jawapan yang betul" dalam proses pengiraan yang kompleks memerlukan bukan sahaja idea penyelesaian masalah yang betul, tetapi juga kerjasama "penyelesai masalah" yang berkuasa untuk bersama-sama mempromosikan inovasi dan kemajuan industri
Bekerjasama untuk menyelesaikan masalah dan menerajui peningkatan industri pusat data
Kini, pusat data mengumpulkan inovasi teknologi, dan juga bertanggungjawab untuk melindungi ekonomi negara dan mata pencarian rakyat, serta memikul tanggungjawab sosial yang praktikal. Oleh itu, pasaran pusat data masa depan memerlukan "penyelesaikan masalah" yang lebih berpengalaman untuk mengambil bahagian.
Sebagai peneraju dalam industri pusat data global, Huawei telah mula membuat persediaan untuk "menyelesaikan masalah" dengan semua sektor industri untuk menghadapi cabaran pusat data. Laporan "Pusat Data 2030" bukan sahaja menyediakan penunjuk rujukan untuk pembinaan pusat data baharu, tetapi juga memperincikan hala tuju praktikal inovasi teknologi pusat data masa hadapan.
Huawei bersedia untuk bekerjasama dengan seluruh rantaian industri untuk menjadi penyelesai masalah bagi pusat data baharu dan menerajui inovasi dan pembangunan industri pusat data masa hadapan.
Atas ialah kandungan terperinci Detik 'kemunculan' kecerdasan buatan: Bagaimanakah pusat data menyelesaikan masalah?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Menurut berita dari laman web ini pada 18 Jun, Samsung Semiconductor baru-baru ini memperkenalkan pemacu keadaan pepejal gred data pusat generasi seterusnya BM1743 dilengkapi dengan memori kilat QLC (v7) terbaharunya di blog teknologinya. ▲Samsung QLC pemacu keadaan pepejal gred data pusat BM1743 Menurut TrendForce pada bulan April, dalam bidang pemacu keadaan pepejal gred data pusat QLC, hanya Samsung dan Solidigm, anak syarikat SK Hynix, telah lulus pengesahan pelanggan perusahaan di masa itu. Berbanding dengan v5QLCV-NAND generasi sebelumnya (nota di tapak ini: Samsung v6V-NAND tidak mempunyai produk QLC), memori denyar Samsung v7QLCV-NAND telah hampir dua kali ganda bilangan lapisan susun, dan ketumpatan storan juga telah dipertingkatkan dengan banyak. Pada masa yang sama, kelancaran v7QLCV-NAND

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S
