一、中国正式进入5G时代,IDC市场将持续保持高增长
2019年6月6日,工业和信息化部向中国电信、中国移动、中国联通、中国广电发放了5G商用牌照,意味着中国正式进入了5G商用元年。
5G高带宽、低时延、大连接的特点必然催生大量新兴行业,比如需要海量数据支持的AR增强现实,VR虚拟现实,4K/8K高清视频,无人驾驶,全息投影,智慧家居等等,需要大量核心和边缘数据中心来存储和计算这些数据,这必然会驱动中国IDC(Internet Data Center、互联网数据中心)市场的高速增长。2019年5月份刚刚发布的《2018-2019年中国IDC产业发展研究报告》显示,2018年,中国IDC业务市场总规模达1228亿元人民币,同比增长29.8%,2021年将达到2760亿元人民币,说明中国的IDC业务受互联网、云计算、5G等业务带动,市场空间后势增长强劲。
二、“先建机房,再找客户”,传统建设模式,IDC普遍投资回报周期长
随着5G时代的来临,业务会发展更快,但也面临很多不确定性,业务随时会出现爆发式增长。所以,5G时代,大部分数据中心都还是采用“先建机房、再找客户”的传统建设模式。但是“先建机房、再找客户”也会带来前期出租率低、空置率高的问题,据《2017数据中心设施运营情况调查报告》显示,中国数据中心的机架利用率普遍需要3年以上才能达到50%。前3年的低出租率,导致整个数据中心初期IT负载率偏低,PUE(Power Usage Effectiveness、电力使用效率)上升,耗费更多电力,再加上传统混泥土楼宇数据中心建设周期长,从土地获取、设计报建、土建施工、机电施工、机房施工到最后测试验收普遍需要2~3年以上。这样,2~3年的建设周期,加上前3年低出租率,电费高,IDC的投资回报周期普遍长达7~8年,甚至10年以上。
三、“四大重构”,华为预制模块化数据中心助力运营商缩短IDC投资回报周期
华为新一代预制模块化数据中心解决方案通过对数据中心进行“四大重构”,可实现“先找客户、再建机房”的模式变革,灵活应对5G业务的不确定爆发式发展,缩短整个IDC投资回报周期。
通过全模块化设计、工厂预制,华为预制模块化数据中心相比传统混泥土楼宇数据中心,整个设计到建设的周期可以缩短40~60%,真正实现“先找客户,再建机房”的建设模式,灵活应对5G业务不确定性的爆发式发展。
华为预制模块化数据中心通过增加AI节能优化系统,机器学习、分析每个数据中心上亿条相关数据,总结最优控制模型,对制冷系统进行持续的自动优化。经过实际运行测试,在北京某数据中心,全年PUE从1.4降低到1.3左右,节省制冷系统电费8%以上。
传统大型数据中心在供配电架构上,由于电力需求大,经常需要数十兆瓦电力,每路配电都需要多套UPS系统进行并机,存在多套UPS占地大以及电缆数量多的问题。华为预制模块化数据中心采用低压融合一体式配电设备,比传统UPS并机方案节省占地。
随着近几年中国数据中心数量和规模快速增长,经调查,数据中心对运维人才的需求年增长大于15%,目前38%的数据中心招不到合格的运维工程师。为此,华为预制模块化数据中心采用数字化智能(Data Center Infrastructure Management)管理系统,通过将50%以上的日常运维动作数字化、自动化,提升运维效率。
四、华为预制模块化数据中心已广泛应用于全球多个行业
华为预制模块化数据中心通过重构架构、配电、制冷以及维营,可以实现快速上市增加收入;融合一体供配电设备增加机柜出架率;AI节能降低能耗,数字化DCIM提升管理效率,最终实现比传统混泥土楼宇数据中心更短的投资回报周期。
华为预制模块化数据中心所有核心件部件都由华为自主研发与生产,可以持续为全球客户提供产品与服务。目前,华为预制模块化数据中心已广泛应用于中国、中东、拉美、非洲等多个区域的电信运营商与企业客户。根据IHS 2017年预制模块化市场报告,华为预制模块化数据中心全球发货量多年连续第一。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。