人工智能'涌现”时刻:数据中心如何解题?
当面向行业的数百个AI大模型出现,承载大模型的数据中心正在悄然发生变化。大模型需要大算力,一方面,数据中心将提供多样性计算综合能力,作为数字化转型的算力底座,满足不同行业的智能化需求;另一方面,数据中心不断提升能源使用效率,需要在更优的计算架构以及更低的能耗下产生更大的算力,不仅自身实现绿色低碳,还可以为其他行业的智能化转型赋能,促进全社会降碳。
工信部数据显示,2022年我国在用数据中心机架总规模超过590万标准机架,服务器规模约2000万台,数据中心存储容量年均增长速度超50%。与此同时,在全社会数据与算力需求爆发的背景下,数据中心功耗也不可避免地迅速提升。那么,面向“算力”与“降耗”的双重考验,未来数据中心将如何持续优化,规模稳步增长,能效逐步提升呢?未来数据中心将是什么样的呢?
近期,华为发布了《数据中心2030》报告,为未来数据中心的转型升级指引了一个参考方向。
创新涌现 围绕“五效提升”的发展新方向
如今,数据中心几乎与日常生活息息相关,AI、云计算、智慧城市、元宇宙等耳熟能详的名词后面都离不开数据中心的支持。与此同时,节能、可持续性、安全等趋势也在逐渐加强。各大企业都在加大数据中心的投资和建设力度,以满足不断增长的算力需求。
可以预见,随着全球经济的快速增长,数据中心的发展建设必将持续处于高速发展时期,再加上各地新兴产业的大力扶持,都为数据中心行业的发展带来了很大的优势。
在不改变原始意思的情况下,需要将内容改写成中文。需要改写的内容是:但在高速发展的同时,选择方向和路已经成为一种能力和智慧。算力需求和资源约束是未来数据中心发展的主要挑战,创新需要围绕提升效率来进行
《数据中心2030》从影响数据中心的五大未来场景出发,指出未来数据中心发展将呈现多个重要趋势,报告中预测算力将呈现高速发展,并且算力和规模效率将成为国家和企业的核心竞争力;同时在AI的驱动下,数据中心将发生全景式革命,数据中心的产业标签将从高耗能转变为绿色发展使能器,多流协同的数据中心也将普及化,从而构建绿色低碳、算效领先的数据中心。
可见,未来数据中心的发展是一个高速多变且充满挑战的过程。想要搞定未来数据中心,解开数字经济这个蕴含巨大想象空间的市场,推动数据经济时代企业的高成长性,需要一些新的思路来解开当前数据中心这个“多元高次方程”。
为了应对科学研究的突破和资源需求的算力,新形势下的数据中心亟需进行技术创新和模式变革。《数据中心2030》报告指出,未来的数据中心需要提升“能效、算效、运效、数效、人效”五个方面的效能,以应对人工智能大模型带来的算力供给和能耗挑战
优化能效,构建绿色零碳数据中心;提高算效,实现数据中心计算能力的高效供给;增强运效,打造超融合数据中心网络;提升数效,实现数据价值的最大化;最终提高人效,实现自动化数据中心。可以说,“五效”提升为未来数据中心的技术创新指明了重要方向
首次定义未来数据中心技术特征的是整体视角
随着中国云计算和人工智能的发展,超大规模数据中心应用的规模不断增加,数据中心的建设理念也发生了变化,其中最典型的变化是数据中心的建设与IT设备的结合更加紧密。作为基础设施,数据中心也会相应地发生自上而下的变化,以业务的视角实现应用与技术的联动,数据中心需要整体地考虑制冷、供电以及监控运维,实现垂直整合
未来的数据中心技术发展主流是通过系统级的创新来实现的,这意味着下一代数据中心需要打破传统,通过软硬协同的方式大大提高数据中心的效率
具体来说,未来数据中心的关键特征有哪些?新型数据中心的评价指标有哪些呢?《数据中心2030》报告认为,未来新型数据中心将具备多样泛在、安全智慧、零碳节能、柔性资源、对等互联、系统摩尔六大技术特征。
多样泛在:未来,数据中心会走向超大集群、超轻边缘的两极分化。同时面向新场景,多种创新型数据中心也将出现,如太空数据中心、海底数据中心等。
安全智慧:未来新型数据中心需要具备高安全、高可靠和高智能的特点。Al和数据使能数据中心规划、建设、运营全生命周期,促进数据中心朝着高效、节能、智能的方向发展。
零碳节能:风能、太阳能等清洁能源在数据中心能源结构中所占比例提升。同时,储能技术通过“削峰填谷”,成为降低数据中心电力成本的重要方式;液冷技术帮助数据中心节能和降噪。
柔性资源:云化架构将成为未来数据中心基础设施的“标配”之一,下一代云数据中心架构,将沿着“全池化”、“柔计算”、“泛协作”的方向持续演进。
对等互联:为了提升数据处理效率,未来计算将突破冯诺依曼架构瓶颈,计算、存储和通信等模块通过统一总线对等互联,未来新型数据中心将具备超融合、高性能和光内生的特点。
系统摩尔:主导半导体集成电路发展的摩尔定律正遭遇物理学和经济学双重限制,亟需采用新型技术推动未来信息产业持续蓬勃发展。
新型数据中心六大技术特征
不仅如此,为了匹配多形态数据中心,报告最后还首次在行业内提出了新型数据中心“6 新”参考架构,包括新基础设施层、新算力底座层、新资源调度层、新数据管理层、新协同服务层、新智能管理层六个层级,以尽可能清楚地表明新型数据中心建设的重点和要素。
新型数据中心“6 新”参考架构
我们可以从《数据中心2030》报告中看到一些未来数据中心的新思路,这些思路可以解决这个“多元高次方程”。然而,要在复杂的推算过程中得出“正确答案”,不仅需要正确的解题思路,还需要具备强大实力的“解题者们”协力合作,共同推进产业的创新和进步
合作解题,引领数据中心产业升级
如今,数据中心汇聚着科技创新,也同时承担着为国计民生保驾护航,承担着切切实实的社会责任。因此,未来数据中心市场需要更多经验丰富的“解题者”参与进来。
作为全球数据中心产业的领导者,华为已经开始做好准备,联合产业各界一起“解题”,去应对数据中心的挑战。在《数据中心2030》报告中不仅对新型数据中心建设提供了参考指标,还在报告详细介绍了未来数据中心技术创新实践方向。
华为愿与全产业链共同努力,做新型数据中心的解题者,引领未来数据中心产业创新发展。
以上是人工智能'涌现”时刻:数据中心如何解题?的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

本站6月18日消息,三星半导体近日在技术博客介绍了搭载其目前最新QLC闪存(v7)的下一代数据中心级固态硬盘BM1743。▲三星QLC数据中心级固态硬盘BM1743根据TrendForce集邦咨询4月的说法,在QLC数据中心级固态硬盘领域,仅有深耕多年的三星和SK海力士旗下Solidigm在当时通过了企业客户验证。相较上代v5QLCV-NAND(本站注:三星v6V-NAND无QLC产品),三星v7QLCV-NAND闪存在堆叠层数方面几乎翻了一倍,存储密度也大幅提升。同时v7QLCV-NAND的顺

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S
