2021年,万国数据在首份ESG报告中提出“绿色智能基础设施连接可持续未来”的愿景,并承诺在2030年同时实现碳中和及100%使用绿电。
建设绿色数据中心是万国数据推动目标实现的重要举措之一,2020年万国数据25%的新投运自建数据中心已获得或正在申请绿色建筑认证。
沿着建设更多绿色数据中心的方向,万国数据正坚定不移地付诸实践。2021年,万国数据位于北京、上海、廊坊等地的8座数据中心获得了LEED金级认证。截至2021年底,万国数据获得LEED认证的数据中心总数已达11座。
部分数据中心LEED证书
LEED(Leadership in Energy and Environmental Design,能源与环境设计先锋)是全球范围内认可度最高、使用最为广泛的绿色建筑认证体系,在全球167个国家有超过93,000个项目参与,其中中国有超过3,500个。能够获此认证,代表着建筑在节能、节水、减少碳排放等方面具有较为突出的全面表现。
万国数据能够在2021年再次新增8座获LEED金级认证的数据中心,离不开公司在绿色设计与施工、绿色接维与运营、全生命周期碳排放管理等方面做出的努力。
绿色设计与施工
为了在项目设计和施工过程中充分考量LEED绿色建筑认证相关要求,万国数据依照LEED标准制定了《绿色设计手册》及《绿色文明施工管理指引》,这些数据中心使用的绿色策略包括高效的暖通空调和配电系统、智能控制系统、施工期间水土流失控制、施工废弃物管理等。除此之外,万国数据还尽量通过改造既有建筑的方式,减少旧建筑拆除或新建建筑对环境造成的污染。这一系列绿色策略的落地实施,也成为了2021年公司8座数据中心获得LEED金级认证的重要保障。
数据中心使用的绿色技术
绿色接维与运营
对于数据中心而言,接维体系前承设计建造,后接运营维护,在验证测试、排除电气和消防等“骨骼”风险的同时,还承担着初始化、完成运营平台、区域运营指挥中心和全球运营指挥中心等“神经系统”对接的职能。
万国数据以终为始,搭建了完全符合LEED标准中关于基本及增强调试(fundamental & enhanced commissioning)方面要求的专业化接维体系,为后续数据中心的稳定高效运行打下了坚实的基础。
在利用智能化创新技术推动节能减耗及绿色运营方面,万国数据根据ISO50001标准建立了完善的能源和水资源管理体系,以监控和改进数据中心的PUE和WUE。同时,万国数据在由专业的跨区域能源管理团队负责管理体系运行和绩效监督的基础上,辅以智能系统和管理制度与手册,以实现精益化管理。
万国数据全球运营指挥中心(GOCC)
全生命周期碳排放管理
万国数据将参照LEED认证的要求,建立数据中心建设全生命周期碳排放管理体系,在设计阶段就充分考虑数据中心全生命周期的碳排放情况,从而选择最优的方案,以达到“将环境影响降到最低”的ESG战略目标。
绿色建筑助力实现万国数据2030碳中和目标
LEED以及其他国际、国内绿色建筑认证为万国数据的数据中心建设工作提供了清晰的指引,未来万国数据所有新建数据中心都将按照绿色建筑标准进行设计与建造,同时结合不断的技术更新与迭代,为2030年实现碳中和打下坚实基础,引领行业走向更加可持续的未来。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。