冷静计算:让每一分算力都更​具价值

简介: 冷静计算:让每一分算力都更​具价值

上达星辰,探索宇宙之奥秘,下入百业,服务于每个人的工作与生活,算力已经成为了数字经济的核心驱动,并这一切并不意味着毫无代价。

有数据统计显示:2020年全球发电量中,有5%左右用于计算能力消耗,而这一数字到2030年将有可能提高到接近25%左右,届时人类社会1/4的电能都要去支撑算力,这让本就捉襟见肘的电力供应雪上加霜。当算力需求的奔涌,带走了江河湖海一样巨量的电能,我们不禁要回问:未来的数字社会,是否真的需要如此巨量的算力增长?是否每一分算力都发挥了价值?每一分算力背后的电力是否都发挥了价值?

01“算力焦虑”引发“冷静计算”的新思考 


人工智能研究智库Allen Institute层发布了一份调研数据表明:要成为人工智能领域的领头羊,需要的算力在2012年到2018年六年间,增长了30万倍。

智能化技术已经与产业的结合得越来越紧密,需求侧的爆发,是激发算力供给侧增长的重要驱动。但我们却发现算力的鸿沟并没有缩小反而越来越大。新基建、东数西算等政策不断地叠加,千行百业数字化的浪潮一波接一波的涌现,算力的鸿沟却始终存在。实际上,算力鸿沟的产生并不完全是算力缺失引起的,“算力焦虑”也是构成算力鸿沟的一个很重要的原因。“算力焦虑”的诞生源于对算力储备的担忧,尤其是用于AI测试的全球的算力需求每3.5个月就会翻一倍,远远超过了当前算力的增长速度,很多企业选择了简单直接的方式,通过算力规模的累加或是利用更多的空间和能源去置换更强的算力,这种方式就是所谓的“暴力计算”。很明显,“暴力计算”治标不治本,不仅导致大量的算力冗余,而现有的算力因为高能耗的存在,缺乏效率。进一步导致了:今天的算力价值因高能耗,得不到最佳体现。要改变“暴力计算”,为“算力焦虑”降温,亟需呼唤一种更为务实和理性的计算理念。这是一种极为务实的思想,在洞悉客户当下主力核心业务所需算力的同时,为客户发展中、潜力业务提供前瞻性算力保障。就是要:以最小的算力投入,获得最大的回报,让每一分算力发挥最大的价值。

02产品创新赋予冷静计算普世价值 


112日,宁畅提出“冷静计算”战略,并发布多款服务器新品,我们要如何理解“冷静计算”呢?

实际上,冷静计算,并非一个单纯的概念,它的提出本身就代表了一种综合算力的主流发展趋势,本质上是在算力性能、效率、成本、应用等难题中为企业寻找最佳的解决方案。以数据中心为例,相关数据显示:在过去10年里数据中心的TCO中,有60%是电费支出,高耗电几乎是数据中心产业发展不可承受之重。但每个出色的绿色数据中心,是不是可以复制呢?答案又是否定的。绿色数据中心是在土地、电力、资金、环境和算力能力等多种资源要素约束下的平衡技术和各项指标的最优解。那么,什么是可以复制,甚至是能够提供普惠价值的呢?这就是冷静计算所要解决的问题:通过宁畅自身的优势,商业模式的创新、技术能力的深拓、行业生态的赋能,满足更多企业对于高质量算力的平衡要求。而作为算力设备本身,作为最小算力单元的服务器,首当其冲,应该站在高质量算力的制高点。这其实,也是宁畅希望通过产品创新,实现冷静计算,所要带来的普世价值。我们也看到宁畅的新品策略从始至终,都在强调高效、绿色这些关键点。

例如,基于第四代英特尔® 至强® 可扩展处理器,由宁畅自主研发的B5000 G5多节点服务器,其强劲稳定的性能和可靠性为数据中心提供了重要支撑;而宁畅X620 G50 4GPU服务器则可以满足超高密度AI算力应用需求,适用于大规模集群部署……而在浸没式液冷方面,宁畅推出了B7000,这是一款搭载第四代英特尔® 至强® 可扩展处理器的单相浸没式液冷服务器,在保障高性能的前提下降低了散热功耗,整体PUE小于等于1.05,大大降低了数据中心的维护成本,可以广泛应用于云计算、高性能计算等场景。很明显,优秀的液冷产品线是提供高质量算力的基础,也是宁畅冷静计算战略的根基。我们知道风冷和冷板式液冷仍然是当下数据中心的主流技术,实际上在浸没式液冷新品面世的同时,宁畅也推出了对风冷、冷板液冷及浸没液冷全面升级,首次实现了液冷产品全场景覆盖。以此来满足不同行业、不同场景下对高质量算力的需求。近年来,液冷技术从最初应用于高端计算领域,经过不断地发展和演进,已经具备了商业化的能力,在数据中心降碳的需求牵引下,开始进入到更多的行业场景。而宁畅全面的液冷技术和产品覆盖,也代表着宁畅已经站在了冷静计算的主航道。

相关文章
|
存储 人工智能 运维
重磅发布!飞天智算平台+全球最大智算中心
阿里云宣布正式推出全栈智能计算解决方案“飞天智算平台”,并启动两座超大规模智算中心,为科研、公共服务和企业机构,提供强大的智能计算服务,可将计算资源利用率提高3倍以上,AI训练效率提升11倍,推理效率提升6倍。
8814 1
重磅发布!飞天智算平台+全球最大智算中心
|
Prometheus 监控 Kubernetes
免费的集群管理软件有哪些?5款主流推荐
集群管理是对多台服务器或计算节点进行协调、调度和维护的过程,核心在于资源分配、负载均衡、监控和故障恢复。常见的集群管理软件包括板栗看板、Kubernetes Dashboard、Zabbix、Prometheus + Grafana 和 Nagios Core。这些软件各有特色,适用于不同的需求场景,如项目管理、容器编排、实时监控等。选择合适的集群管理工具,可以提升团队效率,降低运营成本,确保系统稳定运行。
3390 4
|
12月前
|
XML 人工智能 文字识别
Mobile-Agent:通过视觉感知实现自动化手机操作,支持多应用跨平台
Mobile-Agent 是一款基于多模态大语言模型的智能代理,能够通过视觉感知自主完成复杂的移动设备操作任务,支持跨应用操作和纯视觉解决方案。
4406 10
Mobile-Agent:通过视觉感知实现自动化手机操作,支持多应用跨平台
|
人工智能 运维 网络架构
阿里云引领智算集群网络架构的新一轮变革
11月8日至10日,CCF ChinaNet(中国网络大会)在江苏张家港召开,众多院士、教授和技术领袖共聚一堂,探讨网络未来发展方向。阿里云研发副总裁蔡德忠发表主题演讲,展望智算技术发展趋势,提出智算网络架构变革的新思路,发布高通量以太网协议和ENode+超节点系统规划,引起广泛关注。阿里云HPN7.0引领智算以太网生态蓬勃发展,成为业界标杆。未来,X10规模的智算集群将面临新的挑战,Ethernet将成为主流方案,推动Scale up与Scale out的融合架构,提升整体系统性能。
|
存储 SQL 人工智能
AnalyticDB for MySQL:AI时代实时数据分析的最佳选择
阿里云云原生数据仓库AnalyticDB MySQL(ADB-M)与被OpenAI收购的实时分析数据库Rockset对比,两者在架构设计上有诸多相似点,例如存算分离、实时写入等,但ADB-M在多个方面展现出了更为成熟和先进的特性。ADB-M支持更丰富的弹性能力、强一致实时数据读写、全面的索引类型、高吞吐写入、完备的DML和Online DDL操作、智能的数据生命周期管理。在向量检索与分析上,ADB-M提供更高检索精度。ADB-M设计原理包括分布式表、基于Raft协议的同步层、支持DML和DDL的引擎层、高性能低成本的持久化层,这些共同确保了ADB-M在AI时代作为实时数据仓库的高性能与高性价比
|
存储 人工智能 芯片
多GPU训练大型模型:资源分配与优化技巧 | 英伟达将推出面向中国的改良芯片HGX H20、L20 PCIe、L2 PCIe
在人工智能领域,大型模型因其强大的预测能力和泛化性能而备受瞩目。然而,随着模型规模的不断扩大,计算资源和训练时间成为制约其发展的重大挑战。特别是在英伟达禁令之后,中国AI计算行业面临前所未有的困境。为了解决这个问题,英伟达将针对中国市场推出新的AI芯片,以应对美国出口限制。本文将探讨如何在多个GPU上训练大型模型,并分析英伟达禁令对中国AI计算行业的影响。
3167 0
|
人工智能 搜索推荐 UED
还没排上SearchGPT?比Perplexity更好用的国产开源平替了解一下?
【8月更文挑战第24天】近日发布的一项研究成果提出了一种革新性的信息检索系统——MindSearch,该系统通过模仿人脑思维方式,有效解决了传统信息检索方法面对复杂查询时的不足。MindSearch利用多代理框架,将用户查询拆解成子问题逐步扩展查询图谱,实现复杂查询的精准定位;通过多层次信息检索,整合不同网页中的相关数据,提高信息提取的准确率;并且能高效处理大规模网页,3分钟内即可检索300多个网页。实验显示,MindSearch不仅提升了响应的深度与广度,还在封闭及开放式问答中表现出色,更符合用户的偏好。不过,MindSearch仍面临查询意图理解、噪音处理及可扩展性等方面的挑战。
242 4
|
人工智能 算法 数据中心
从“纸面算力”到“好用算力”,超聚变打通AI+“最后一公里”
2024年,《政府工作报告》首提“AI+”行动,推动人工智能成为新质生产力引擎。市场层面,AI+正深刻变革金融、医疗、制造等行业,但AI算力瓶颈依然存在。在2024年中国算力大会上,超聚变等企业探讨了算力的绿色化和效能提升。超聚变推出的FusionPoD for AI全液冷服务器,显著降低能耗并提升算力效能,其FusionOne AI解决方案也加速了AI在各行业的落地。这些创新将重塑算力格局,推动智能革命。
324 0
|
人工智能 自然语言处理 机器人
字节打造大模型TTS:不仅能高保真合成,而且支持调整编辑
【6月更文挑战第26天】字节跳动的Seed-TTS是先进的文本转语音系统,生成与人类语音难辨别的声音,并允许编辑。模型通过语音、文本编码器、解码器和声码器实现高保真、可控及多样化的语音生成。应用于智能客服、有声读物、导航,提升用户体验。虽在多模态任务、长文本生成、实时应用及隐私问题上面临挑战[[arxiv.org/pdf/2406.02430](https://arxiv.org/pdf/2406.02430)]。
562 7