评估数据中心有一项很重要的指标PUE。Power Usage Effectiveness的简写,是评价数据中心能源效率的指标,是数据中心消耗的所有能源与IT负载使用的能源之比,是DCIE(data center infrastructure efficiency )的反比。
PUE = 数据中心总设备能耗/IT设备能耗,PUE是一个比值,基准是2,越接近1表明能效水平越好。
从PUE指标和建造时间到场地和数据中心的设备,这些都会影响你的数据中心设计和建设。在这里我们有三个建议提供参考。
数据中心的建设方案需要有多样化的适应范围,这里面包括业务需求,电力供应和数据中心的可扩展性。
建立一个数据中心有不同的方法,不同用途的数据中心该采用哪种方法呢?传统的设备需要符合现代需求,这样的数据中心需要考虑其可扩展性和灵活性;而集中式和模块化的设计适合新规划地点的数据中心。
符合绿色环保的概念
我们从希腊雅典的一个数据中心来看,它是全模块化的设计,位于一个小森林里。这个数据中心作为一个政府机构数据的备份中心。数据中心的建设设计有严格的管控,不破坏河流的生态环境。
数据中心的建设坚持以最小的影响为标准,包括14千瓦的机架在400平方米的空间。并用热通道遏制和特殊的冷却系统,不影响到附近河流的生态。
由于该数据中心是位于远离人口中心,从服务器到过滤系统,一切都无需人工干预操作。占地面积小,融入环境,运行可靠,对数据中心来说是最小的基本条件。
建设和管理数据中心基础设施,需要保证设备符合绿色环保要求:PUE约1.18和可再生能源,这是在数据中心基本的建设水平。
在这种情况下考虑节约成本是不行的——模块化的构建使得本来空间和资源可以合理的搭配。
用现代化的指标构建数据中心
在城市的旧厂房建设数据中心也是一个选择。主机托管商配置一个数据中心的重点在于防止数据环境遭到破坏,而不是单单设备。我们可以看看占地60000平方英尺的前美国钢结构厂房在费城(见图1)开始安装模块化的三层数据中心。
“现有的设施——场地的尺寸,厚度的混凝土和钢建筑——在今天不能符合环保的概念”肖恩说,他是数据中心的创始人之一。
和传统的数据中心构建在大楼里面不同,这个数据中心是以数据安全为主导,构建在一个类似集装箱的空间里面,因为大多数用户都是通过远程来管理服务器,所以非必要的时候,没有人直接去使用物理服务器。所以这样的数据中心甚至只占用了1000平方尺的空间。
由于托管中心的建筑规模小,公司将更多将电源,网络和温度控制系统这些模块化。不同的模块可以方便的增配和简配。
模块化数据中心融合传统的设置,而且它能节省大量的空间。
在传统上进行创新
为了数据中心的安全,许多数据中心都隔离了外部的环境。甚至工作人员长时间都在数据中心里面工作和生活。营造一个家的环境是非常必要的,因为这样的数据中心基本上都有休息室和卫生间。如果员工在数据中心有一种归属感,工作起来会减少推脱和提高工作效率,因为员工都处于一种放松的状态。图3。
有着良好环境的数据中心,包括休息室和咖啡厅。
数据中心的内部建设需要简洁和有条理,方便设备的增减和盘点等等。
这是一个非常简洁明亮,有条理分布的数据中心机房。图4。这样标准的数据中心机房需要有十二英寸的混凝土墙的墙体。电力和其他管道都是颜色编码,包括冗余电源线。服务器、设备以及空调等等都有进行标识。
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
香港理工大学联合多所高校开发的Mol-R1框架,首次实现了AI在分子发现中的透明推理。该系统通过PRID方法学习专家推理模式,配合MoIA迭代训练策略,不仅能准确生成分子结构,还能展示完整思考过程。相比现有模型,Mol-R1推理更简洁高效,为药物研发等领域的AI应用提供了重要的安全保障。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
蚂蚁集团AWorld团队发表突破性研究,创建动态多智能体协作系统解决AI稳定性难题。研究灵感来源于船舶导航,通过执行智能体和守护智能体的协作机制,在GAIA测试中准确率达67.89%,稳定性提升17.3%,荣登开源项目排行榜第一名。该系统为构建可靠智能系统开辟新路径,具有广阔应用前景。