Jadual Kandungan
Kuasa Sandaran Berpusat atau Teragih
Jauhi asid plumbum
Keserasian dengan peralatan lama
Rumah Peranti teknologi AI Merapatkan Jurang: Mengubah Pusat Data untuk Era Kepintaran Buatan

Merapatkan Jurang: Mengubah Pusat Data untuk Era Kepintaran Buatan

Mar 04, 2024 pm 08:25 PM
AI pusat data

Merapatkan Jurang: Mengubah Pusat Data untuk Era Kepintaran Buatan

Pusat data moden, tanpa mengira saiz, perlu memikirkan semula pengurusan kuasa dan strategi sandaran, yang merupakan bahagian penting dalam strategi inovasi.

Era kecerdasan buatan akan mengubah sepenuhnya status quo pusat data. Semua jenis perusahaan sedang giat meneroka cara menggunakan teknologi AI generatif. Ini memerlukan mereka mempunyai kemudahan pusat data yang lebih maju, lebih selamat dan lebih cekap.

Hyperscales ialah kumpulan pengguna yang ideal untuk pusat data moden Mereka mempunyai sumber dan keupayaan untuk mencari peluang baharu dan memanfaatkan teknologi paling canggih untuk membina infrastruktur baharu.

Namun, perniagaan tidak perlu mengehadkan diri mereka untuk memenuhi keperluan yang lebih sedikit. Pusat data yang lebih kecil boleh diubah untuk era AI dengan menggabungkan teknologi yang betul untuk mengoptimumkan penggunaan hartanah. Ini memerlukan pertimbangan teliti aspek seperti infrastruktur pengkomputeran yang menggerakkan aplikasi AI, pendekatan baharu untuk konfigurasi rak, teknologi penyejukan dan penyimpanan data.

Ini juga bermakna berfikir secara strategik tentang sistem sandaran kuasa pusat data untuk memastikan strategi kuasa yang seimbang untuk pengubahsuaian brownfield. Setiap sekeping data memerlukan kuasa sandaran, tetapi peralatan kuasa sedia ada anda mungkin menggunakan ruang dan tidak menambah satu sen pun hasil. Inovasi teknologi baharu seperti bateri nikel-zink (NiZn) memberikan kuasa sandaran kepadatan lebih tinggi, yang berpotensi meningkatkan kapasiti sandaran sambil membebaskan ruang lantai yang berharga untuk peningkatan produktiviti.

Kuasa Sandaran Berpusat atau Teragih

Untuk memahami kepentingan perubahan dalam skala, lihat data berikut. McKinsey meramalkan bahawa permintaan pusat data akan meningkat sebanyak 10% setiap tahun menjelang 2030. Pada masa itu, permintaan daripada pasaran AS sahaja akan mencapai 35 GW.

Situasi semasa menunjukkan bahawa permintaan pelanggan pusat data telah melebihi kapasiti tampung pusat data. Bagi perusahaan besar yang sedang membina pusat data baharu atau menaik taraf, meningkatkan ketumpatan ialah penyelesaian untuk menyediakan lebih banyak kuasa pengkomputeran bagi setiap kaki persegi. Jadi tidak menghairankan bahawa walaupun penyedia perkhidmatan awan utama mula memberi tumpuan kepada jumlah ruang yang diambil oleh sistem kuasa sandaran.

Biasanya, pusat data dilengkapi dengan sistem sandaran bekalan kuasa tidak terganggu (UPS) terpusat. Dalam aplikasi berskala besar, orang ramai semakin beralih kepada sistem sandaran teragih, seperti unit sandaran bateri rak pelayan (BBU).

Organisasi bukan untung seperti Open Compute Project sedang mendesak standard baharu menggunakan kaedah kuasa sandaran teragih. Walaupun pendekatan ini menawarkan beberapa kelebihan dalam perusahaan hiperskala, ia bukanlah pilihan terbaik untuk kemudahan atau perusahaan kolokasi. Ini kerana kemudahan colocation perlu memuatkan pelbagai konfigurasi penyewa yang berbeza, menjadikannya tidak praktikal untuk dilaksanakan. Pada masa yang sama, untuk beban kerja peringkat perusahaan, pendekatan terdesentralisasi mungkin berlebihan.

Terdapat juga bekalan kuasa sandaran di dalam pelayan untuk memastikan pelayan dimatikan seperti biasa sekiranya berlaku gangguan bekalan elektrik.

Sistem sandaran ini mungkin saling melengkapi atau tidak. Kuncinya ialah mencari campuran yang betul untuk memastikan beban kerja AI yang haus kuasa boleh terus berjalan. Banyak pengubahsuaian pusat data moden melibatkan infrastruktur modular, memberikan kemudahan sedia ada fleksibiliti untuk menambah peralatan yang diperlukan secara berulang dan dengan ruang yang terhad.

Jauhi asid plumbum

Malangnya, bateri asid plumbum yang mempunyai kuasa pusat data selama beberapa dekad adalah tidak cekap dan mengambil ruang yang berharga. Mereka juga mempunyai julat suhu operasi yang terhad dan memerlukan lebih banyak ruang untuk teknologi penyejukan.

Bateri asid plumbum agak murah untuk dimulakan, tetapi teknologi bateri yang lebih moden berbaloi untuk melabur. Bateri litium-ion telah berada di pasaran kurang daripada satu dekad, tetapi mereka telah menguasai bahagian pasaran yang besar dalam pembinaan pusat data baharu. Ia lebih cekap jadi menggunakan lebih sedikit ruang lantai dan tidak perlu diganti sekerap bateri asid plumbum.

Teknologi bateri nikel-zink tidaklah tidak stabil seperti bateri asid plumbum dan bateri litium-ion. Malah, ia tidak mempunyai pelarian haba dan boleh beroperasi pada julat suhu yang lebih luas daripada mana-mana kimia bateri yang bersaing. Bateri litium-ion mempunyai ketumpatan tenaga yang tinggi, manakala bateri nikel-zink mempunyai ketumpatan kuasa tinggi, yang bermaksud ia mempunyai kadar nyahcas kuasa yang lebih tinggi. Dalam senario sandaran, apabila satu-satunya matlamat adalah untuk memastikan bateri berjalan selama 15 hingga 5 minit atau kurang, anda mahukan bateri kecil yang boleh menyahcas banyak kuasa dengan cepat.

Keserasian dengan peralatan lama

Walaupun hyperscaler boleh bermula dari awal, perusahaan tidak boleh mengabaikan peralatan sedia ada di pusat data. Sebelum pengenalan bateri litium-ion, setiap pusat data menggunakan bateri asid plumbum.

Menggunakan sistem pengecasan UPS yang sama, pengendali pusat data boleh memasang semula bateri nikel-zink dengan lebih mudah dengan peralatan UPS sedia ada melalui penggantian drop-in.

Pada masa yang sama, memandangkan bateri litium memerlukan perlindungan tambahan, mungkin lebih mudah untuk menggantikan bateri asid plumbum dengan bateri nikel-zink daripada membeli bateri litium baharu. Kimia meruap litium menghasilkan kos tambahan dari segi pengudaraan, pencegah kebakaran volum tinggi, penarafan pembakaran dalaman yang dipertingkatkan dan ciri keselamatan lain yang tidak diperlukan untuk bateri nikel-zink.

Intinya ialah semua perniagaan, tanpa mengira saiz, perlu memodenkan strategi pusat data mereka untuk bersaing dengan janji kecerdasan buatan. Peluang untuk membina pusat data baharu tidak akan sentiasa wujud, tetapi strategi pengubahsuaian yang betul akan memberi dorongan kepada perniagaan untuk perubahan yang mereka perlukan.

Atas ialah kandungan terperinci Merapatkan Jurang: Mengubah Pusat Data untuk Era Kepintaran Buatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

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

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

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

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

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

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

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

Samsung memperkenalkan SSD gred pusat data BM1743: dilengkapi dengan v7 QLC V-NAND dan menyokong PCIe 5.0 Samsung memperkenalkan SSD gred pusat data BM1743: dilengkapi dengan v7 QLC V-NAND dan menyokong PCIe 5.0 Jun 18, 2024 pm 04:15 PM

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

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

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

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

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

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

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

See all articles