毋庸置疑,在数据中心设计出来之前,必须考虑数据中心的建设规模。数据中心建设规模的大小,与当前的投资成本以及未来的运维成本息息相关。
确定数据中心的建设规模需要考虑如下几个问题:
1.目前业务需要和未来一定时期内的扩展需求,根据大多数企业的运营经验,至少要保证数据中心在未来五年内有可扩展能力。
2.充分考虑企业的经济规模,即项目投入与预计产出比是否处于最优状态、资源和资金的使用是否高效。可采用先期基本建设一次建成,后期按需分步实施的策略;
3.确定拟建规模的可行性,重点考虑资源状况是否满足拟建规模的要求,主要包括场地空间、能源供应、项目资金状况等方面;
4.充分考虑企业所在行业的现状、发展趋势和行业特点;
5.对于改造项目,在保持项目可用性和可靠性的前提下,应充分考虑原有设备和设施的有效利用。
在充分考虑了以上几点因素后,首先对未来数据中心机架的数量进行适当预估,初步确定机房的面积需求。同时,根据未来数据中心的供电密度和冗余等级,对其需要提供的配电设施和空调区域面积作出合理的预估,最终可以确定数据中心的建设规模。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。