多个整齐排列、全线运行的服务器机架构成的数据中心画面。现代电信、云计算、人工智能、数据库、超级计算技术概念。画面以暗色调为背景,并辅以霓虹蓝和粉色灯光。
实现资本支出和运营支出节约的可持续路径 似乎全世界都在依赖 AI 来提升未来的效率,但从可持续性的角度来看,这对地球会产生怎样的影响呢?
高盛研究估计,到 2027 年,全球数据中心对电力的需求将比 2023 年增长 50%,部分原因是 AI 驱动应用和工作负载的增加、大语言模型(LLMs)的使用以及支撑这些应用所需的大规模计算集群。
这极有可能给以绿色 IT 和碳减排为核心的企业可持续发展举措带来巨大压力。数据中心的根本任务是在使用更少电力的前提下存储、传输和处理更多数据,或者至少要保证在处理当前大数据量时消耗的电力不比过去处理较少数据时更多。
这绝非易事,而且可能需要经历多年的漫长探索。Infinidat 认为可以从安全托管所有这些信息的存储系统入手。您可以观看这段视频,了解 Infinidat 首席市场官 Eric Herzog 与 The Register 的 Tim Philips 讨论公司如何计划解决服务提供商和大型企业在存储可持续性方面所面临的难题。
但实现这一目标不仅仅是满足董事会对可持续性的期望和展示绿色资质。数据中心运营商仍需在收支平衡上做文章。这意味着必须确保绿色 IT 具有双重优势:既能帮助降低数据托管设施在供电、制冷、回收及其他相关资源和流程上的成本,同时还能尽可能减少给客户和利益相关方带来的停机时间。简而言之,您需要构建既环保又经济的合适存储基础设施。
Infinidat 相信他们已经找到了答案。您可以下载 IDC 白皮书了解更多信息,其中详细说明了公司如何计算其存储系统在五年内实现高达 162% 的投资回报率 (ROI) 以及整体运营支出最多减少 48% 的数据。
好文章,需要你的鼓励
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。