绿色数据中心建设看似高投入,看不到比较快的回报率,事实并非如此。
探讨之前提到的分布式不间断电源系统,分布式采用锂电方案,在经济效益上具有双重提升:一方面在建设阶段带来经济效益,另一方面在运维管理上同样实现成本优化。
大家发现,当前数据中心空置率,反映出目前在数据中心领域,它的业务发展、运营以及建设方面存在不均衡现象。
这就意味着数据中心并非能够迅速达到最佳运营点,通常需要经历一个业务增长的过程,我们称之为“业务爬坡期”,甚至有可能某些数据中心的资源上架率最终也不会很高。
尤其是在算电协同背景下,协同意味着“算”和“电”的建设应当是伴随式发展。所需的算力支撑应与电力供给相匹配,即根据实际需要的算力水平来购买相应的电力支持。
而相较于传统的集中式方案,这种伴随式建设就会遇到很大的瓶颈。
传统的UPS+铅酸方案,确实一定程度上通过规模效应实现了成本效益,单个设备容量可达到600kVA,甚至更高,均摊到每个机柜的成本确实较低。
然而,实际面临的问题是:当我们按照整个楼层的容量来建设UPS + 铅酸系统后,业务增长是否能够迅速跟上?
在大多数情况下,业务增长很难立即匹配这样的规模,通常需要一两年,甚至三四年时间来逐步增长,有的最终可能都无法达到预期的上架率。
相比之下,采用分布式方式进行建设,用多少机柜,就上多少机柜的电力建设,这显得尤为宝贵。
从投资的角度,我们进行过投资曲线的测算。集中式方案通常是分阶段、大阶梯式进行建设,每个建设阶段以几百个机柜为增量单位。
与集中式方案不同,分布式电源的建设模式是以单个机柜为单元,呈现斜线式线性增长。

在集中式方案中,起步就是一个较大的投资台阶,而到了下一个周期阶段,又是一次大的投资跃升,如上图所示。
运维方面,众所周知,铅酸电池作为传统的电池类型,其循环寿命非常有限。通常情况下,在UPS主机寿命到达之前,铅酸电池大约每四至五年就需要更换一次。
这不仅给数据中心的整体运营带来了较大的压力,而且铅酸电池的维护本身也较为耗费人力和电力,这是导致运营成本增加的一个重要因素。
相比之下,采用分布式锂电方案可以显著提升经济效益。
同时,业界也在探讨将新兴的储能技术应用于数据中心。
从备电的角度来看,锂电池的电量及其性能完全能够满足削峰填谷的应用需求,这样的话,很大程度,尤其在峰谷电价比较大的区域,采用分布式锂电方案能够给数据中心带来很好的电费节省。
这种技术转型,无疑将为数据中心带来更为高效和经济的运维体验。
好文章,需要你的鼓励
今年是AI智能体的爆发年。聊天机器人正演进为能代表用户执行任务的自主智能体,企业持续投资智能体平台。调研显示,超半数高管表示其组织已在使用AI智能体,88%在智能体上投入过半AI预算的公司已从至少一个用例中获得投资回报。Gartner预测,到2026年40%的企业软件应用将包含智能体AI,2035年智能体AI可能驱动约30%的企业应用软件收入。企业开始将AI智能体视为员工,建立招聘培训体系。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
谷歌的Nano Banana Pro AI模型生成的图像逼真度令人震惊,其关键在于完美模拟了手机相机的拍照特征。这些AI生成的图像具备手机拍照的典型特点:明亮平坦的曝光、较大的景深范围、略显粗糙的细节处理,甚至包含噪点。该模型还能自动添加符合情境的细节元素,如房产照片的水印等,使图像更加真实可信。这种技术进步意味着辨别AI生成内容变得更加困难。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。