数据中心已经成为支持数字经济增长、数字中国建设的重要底座,其建设规模不断扩大,能耗总量已引起社会广泛关注。在“双碳”背景下,数据中心的绿色发展已经成为必选项。
近日,“2023数据中心绿色发展大会”在四川成都召开。在大会现场,华章数据副总裁、规划与建设体系总裁李振江接受至顶网采访,分享了公司对于数据中心节能降耗的创新技术,探讨了数据中心绿色低碳方向的发展思路。
华章数据技术有限公司(以下简称“华章数据”)是一家专业的数据基础设施服务商,总部位于广州。作为中国电子学会理事会员单位,华章数据积极参与国家绿色数据中心相关工作。
当前华章数据已经在广州、深圳、上海、北京等一线城市规划和建设高等级数据中心,并为客户提供大型数据中心定制、网络连接与安全、混合云运营管理等一站式服务。华章数据不仅与电信运营商中国电信、中国移动、中国联通形成了长期的合作关系,与阿里、百度、网易,广宽等互联网企业形成了合作关系。
绿色数据中心是涵盖了从标准、设计,技术、施工,运维,改造等多个环节和链条。为适应目前国家低碳建设理念及客户快速建设的需求,如何做到快速、高质量交付已经成为业内急切解决的问题。
针对快速、高质量的建设绿色数据中心,李振江分享了华章数据的三大优势:
首先,拥有完善的资质,满足当前国家对于数据中心建设的要求。“我们持有绿色数据中心认证、CQC-A级数据中心等级证书,同时通过6个ISO体系认证。我们还严格执行7*24小时的现场值守和1155的故障处理流程。” 李振江谈到。
第二,创新的节能技术。工信部、国管局和国家能源局发布的《贯彻落实碳达峰碳中和目标要求推动数据中心和5G等新型基础设施绿色高质量发展实施方案》中提到2025年,全国新建数据中心PUE降到1.3以下,国家枢纽节点进一步降到1.25以下。
华章数据积极响应国家双碳战略目标,为满足当前国家对于数据中心建设的要求,不断探索数据中心节能降碳的长期方案,并取得了多项成果和经验。公司秉持“节能从源头开始”的理念,致力于建设绿色低碳、节能环保的数据中心。为此,公司采用了多项绿色节能技术,从IT、电气、动力系统、制冷系统、微模块技术等方面入手,积极采用先进技术和设备选型、实践。“例如,在制冷系统方面,公司推出的冰山魔方方案优化了气流组织,自研产品漏风率几乎为零,实现更加节能的制冷过程。此外,华章数据的蓄冷、二元系统等方法也在一定程度上起到了节能的作用。”李振江谈到。
华章数据拥有的冰山魔方系列标准化产品,可以将所有的系统集成到冰山魔方里,相当于一个模块的微创新的系列产品,全部选用绿色材料,并且材料均可重复利用,实现绿色节能、按需定制的快速交付。
“针对数据中心的不同需求,华章数据通过产品创新解决方案提供定制化数据中心能力,实现数据中心的PUE降低,从而实现节能降耗提高效率。” 李振江讲到。
第三,提供一体化的增值运维服务。华章数据绿色数据中心整体设计方案包含了为客户提供增值服务的理念,华章数据提供给客户不仅仅是物理上的数据中心机房,还隐含着其他的增值服务,在数据中心建设规划上,华章数据通过自主设计团队可以更好的实现技术迭代创新和更新积累。通过提供一体化的运维服务,保证了增值服务创新的优势。满足了当前绿色数据中心既要满足高弹性、灵活多变的架构,又要高的冗余性的建设需求。
不久前,华章数据还参与了《数据中心基础设施运维与管理》一书的编写工作,涵盖了数据中心概述、数据中心基础设施典型架构及基本要求、数据中心配电系统运行维护及应急、数据中心柴油发电机系统运行维护及应急、数据中心基础设施跨系统应急调度、维护作业手册编写、数据中心基础设施运维管理和数据中心常用工具及仪表等内容。
未来华章数据将会持续推动数据基础设施服务行业的发展和进步。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。