全球能源市场振荡加剧,能源危机频频爆发,仅仅是在过去两年里,全球就连续爆发了两次能源危机。
2021年冬季,第一轮能源危机爆发,由于能源供需失衡,原油价格不断上涨,当年10月,原油价格已经上涨到每桶83美元,涨幅65%,据福布斯报道,当时在美国大部分地区,汽油价格已经达到自2014年以来的历史新高,库存也处于五年以来历史最低水平。
2022年2月,俄乌冲突爆发,战争和随之而来的经济制裁,让第二轮全球能源危机也应声而来。
作为全球能源进口大国,中国能源安全难免会受到波及。
在这样的时代背景下,尤其是在国家“双碳”目标提出后,作为能耗大户的数据中心行业开始面临节能减碳的新挑战和新机遇。
“作为绿色低碳转型和高质量发展的实践者,科士达也加速在智慧能源领域进行技术研发、产品创新和产业布局,”深圳科士达科技股份有限公司四川办事处主任廖飞跃在2023数据中心绿色发展大会上告诉至顶网。
深圳科士达科技股份有限公司四川办事处主任 廖飞跃
深圳科士达科技股份有限公司成立于1993年,是智慧能源领域的供应商,目前公司产品涵概四大版块:数据中心基础设施产品、光伏新能源产品、新能源汽车充电桩,以及储能产品。
经过三十年的发展,如今的科士达已经从最初一家小型民营企业逐渐发展成为中国智慧能源领域为数不多的上市公司。
数据中心能耗控制面临的最大难题是电力设施的能耗控制,科士达针对这一问题提出了全维度节能解决方案。
据悉,科士达提出的是一种系统性节能方案,不仅从产品的节能入手,更是在工程上对风道管理、设备架构等细节问题进行了深挖,从多个维度挖掘节能降碳潜力,从而助力双碳达成,推动数据中心绿色化。
此外,廖飞跃告诉至顶网,“我们在产品维度拥有众多高能效产品。”
研究表明,数据中心中,空调所在机房的能耗占比高达40%,科士达针对数据中心的特定环境,研制了氟泵精密空调,极致能效高达35W/W。在这个解决方案中,科士达充分运用了自然冷源,在北方温差较大的地区效果尤其明显。
例如在长春、吉林、哈尔滨等地区,使用科士达的氟泵精密空调,年节电量最高能达到30%左右,即使是在北京,年节电量也能达到15%。
除了氟泵精密空调,科士达今年还推出了100kW/125kW超高功率模块UPS,将UPS的效率再次提升到了一个新高度。
据廖飞跃介绍,科士达模块化UPS的专利设计使散热更加高效,100千瓦、125千瓦高度仅为3U,相比传统模块化UPS,占用空间节省了25%,有效地提升了出柜率。
此外,科士达模块化UPS还用上了碳化硅等新型半导体材料,这使得其产品在在线模式下的效率高达97.1%。在HECO超高效率的智能旁路模式下,该产品效率能够进一步提升到99%。相较而言,传统UPS效率普遍在95%-96%。
据悉,通过引入新材料和新技术,科士达可以将数据中心的PUE值降低到1.2左右。
储能和绿电是数据中心绿色低碳另外一个关键点,廖飞跃告诉至顶网,科士达针对数据中心在储能和绿电方面的新需求也做了广泛布局。
针对中小型数据中心、边缘站点,以及数据中心的改造项目,科士达使用屋顶光伏配合自研的工商业分布式储能产品系统,对数据中心进行供电。
屋顶光伏就是一个小型发电站,自发自用,无需上网,部分地区屋顶光伏如果电力不够用,还可以增加科士达工商业储能系统。科士达工商业储能系统可以在用电低谷时进行充电,在用电高峰期对数据中心进行放电,这样就可以利用谷峰之间的电价差降低运营成本。
科士达经过核算,一个B级24柜小型数据中心,单柜容量设定为6kW,总容量144千瓦的场景下,使用屋顶光伏配合科士达的工商业分布式储能系统,投资回报周期一般在4-6年。像江浙一带地区回报周期在4年左右,采光差一点的可能就要6年左右。
针对大型数据中心项目,科士达采用集中式光伏配合大型储能系统,再加上市电的模式,对数据中心进行供电。
在用电高峰期,采用“光伏+储能+市电”进行三路供电,充分消纳绿色能源,实现绿色低碳发展。
在用电低谷时,采用市电供电,同时对储能系统进行充电,用电高峰进行放电,从而降低运营成本。
廖飞跃称,“这样的储能方案,可以给我们的用户带来实实在在的回报。”
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。