建设新型基础设施已成为国家战略。作为承载存储、传输、算力需求的基础平台,以及支撑
随着相关政策的持续加码和数字经济的加速发展,数据中心迎来前所未有的发展机遇。未来3~5年,中国数据中心将呈现“高集聚、高算力、高能效、高技术”的“四高”发展趋势。
目前,业界普遍认同未来数据中心布局会越来越呈现出“热数据集聚在一线城市及周边地区,冷数据集聚于西部资源富足地区”的格局。推动这种“哑铃式”集聚发展格局产生的主要因素有二。
一是市场的力量。以“北上广深”为代表的一线城市,汇聚多数云计算、互联网、金融等业务流量,而这些业务中的移动支付、网络交易、网络游戏、金融结算、数据热备份、虚机迁移等都对时延有较高要求,因此数据中心的主要客户(互联网公司、云计算厂商、金融公司等)愿意支付高溢价将自己的数据存放于一线城市的数据中心。
但随着一线城市用地、用电资源和能耗指标的紧张,大型互联网公司、第三方数据中心企业逐渐布局一线城市周边地区,形成服务于核心城市的区域性数据中心集群。
同时,近年来在国家和地方的一些政策引导下,企业出于经济性因素的考量,也越来越多地将数据中心落户于电力资源供给充足、气候适宜的中西部地区,低成本地满足其灾备需求。
未来,随着网络条件的改善,更多中高时延要求的业务数据(如网页浏览、大数据处理、数据离线分析、人工智能模型训练等)可以部署到中西部的数据中心集群中。
二是政策的推动。当前我国已进入数字经济快速发展的阶段,数据中心是支撑数字经济发展的重要物理底座。通过协调数据中心的布局来推动数据要素在东、中、西部的跨域流通,带动一大批东部沿海的互联网企业、ICT企业将自身产业链环节延伸到西部地区,帮助中西部地区发展数字经济、实现产业升级,是中央政策和中西部地方政策支持的重要方向。
尽管一些中西部地区此前在出台优惠政策吸引数据中心落地方面进行了大量尝试,但受限于用电成本、电网配套、网络配套、产业配套以及人才等因素,实际效果并不理想。
在“新基建”的推动下,2020年12月和2021年5月,国家发改委、中央网信办、工业信息化部、国家能源局四部委联合发布《关于加快构建全国一体化大数据中心协同创新体系的指导意见》和《全国一体化大数据中心协同创新体系算力枢纽实施方案》两份文件(以下简称文件)。
明确提出要通过国家数据中心枢纽节点的布局,引导数据中心向西部资源丰富地区以及距离适当的一线城市周边地区集聚化发展。文件指出,国家将通过明确集群建设的准入标准,调整优化网络结构,加强水、电、能耗指标等方面的配套保障,多措并举引导数据中心优化布局、实现集群化发展。
市场和政策两方面的力量将推动我国数据中心逐步进入集群化、规模化发展阶段。当然,从长期来看,能否实现上述集聚发展格局,仍需看政策的实际落地情况以及市场需求的发展情况。
当前,随着人工智能应用场景的逐渐落地以及各行业智能化转型步伐的加快,全社会对数据中心的计算和存储能力提出了更高要求。顺应这一趋势,未来数据中心会逐渐向更高算力、更高算效演进。
一是单体数据中心的规模和密度仍将逐步提高。在单体数据中心堆集更多的服务器一直是扩充算力的重要方式。近年来,集约化、大型化数据中心加快发展。工业和信息化部通信发展司发布的《全国数据中心应用发展指引(2020)》显示。
截至2019年年底,我国在用数据中心机架总规模达到314.5万架,其中超大型数据中心机架规模约117.9万架,大型数据中心机架规模约119.4万架,同比规模增速为41.7%。大型数据中心增加了机柜和服务器的密度与数量,推动数据中心布局、供电、功耗、制冷、网络和运维管理等各方面技术的持续创新突破。
二是异构算力充分融合。算力是人工智能应用的基础,传统数据中心仅依靠CPU通用服务器已无法满足机器学习无人驾驶、工业仿真、人工智能模型训练等新兴应用场景所需的算力。
除在数据中心部署更多48核或64核等高核心CPU来应对激增的算力需求外,引入GPUFPGAASIC等异构算力来承担新算力需求已成为必然趋势。适应异构算力融合,相关的算力虚拟化调度、面向AI调度的数据中心网络、AI及大数据混合计算加速等技术均在快速发展,以在数据中心基础上,有效实现高性能算力的高效利用和灵活共享分配。
此外为了实现更高算效,加快计算、存储、网络的深度融合,采用更高制程工艺的芯片,提高数据中心IT设施的虚拟化水平等,都将成为数据中心的演进方向。
数据中心是信息基础设施中的耗能大户。据统计,截至2020年底我国数据中心耗电量约占全社会用电量的1%左右,平均PUE为1.6~1.7,总体能效与国际先进水平相比仍有差距,可再生能源利用率低。
按照未来数据中心机架数量每年30%的增速,预计到“十四五”末,数据中心用电量在全社会用电量的占比将超过3%。这对数据中心的运营以及环境的保护带来巨大挑战。提高数据中心能效,不仅是企业降本增效的重要手段,也是实现碳中和目标的重要路径。
在政策层面,将持续推进节能改造并促进可再生能源的使用。一是提高新建数据中心的能效标准。2020年底四部委联合下发的《关于加快构建全国一体化大数据中心协同创新体系的指导意见》明确要求,2025年全国大型、超大型数据中心PUE降低到1.3以下。
二是完善数据中心能效标准体系和监测体系。2021年5月发布的《全国一体化大数据中心协同创新体系算力枢纽实施方案》提出,要完善数据中心综合节能评价标准体系,不仅包括传统的电能使用效率标准,还包括算力使用效率和可再生能源利用率等指标,从更多维度促进数据中心能效的提高。目前,一些地方已开始推进数据中心实时能耗监测体系。
三是推进对存量数据中心的关停改造。作为全球数据中心大国,美国政府推出数据中心整合计划和优化计划,关闭了一批低效老旧的数据中心。中国政府倡导类似的做法。《北京市数据中心统筹发展实施方案(2021—2023)》已明确提出,要按照“四个一批”的总体思路推进数据中心的存量优化和新增前瞻布局。
四是通过完善机制促进可再生能源的使用,如扩大可再生能源市场交易范围、支持配套可再生能源电站等。
在技术层面,绿色低碳的新技术将逐步扩大使用范围。在IT设备方面,云计算等技术将数据中心资源池化、虚拟化,大幅提高相同能耗水平下服务器的利用率。在制冷方面,间接蒸发冷却、液冷等新技术已逐渐成熟,可根据需要在数据中心进行大规模部署。
供配电系统方面,模块化UPS、高压直流供电、市电直供等技术的有效应用,将降低供配电系统的电能损耗。此外,通过人工智能技术优化运营管控,正在成为降低数据中心能耗的重要途径。
在基础设施层面,基于历史数据,通过,采集和分析数据中心温度、湿度等各项数据,自动优化调节制冷系统、供配电系统等,可进一步降低PUE,突破传统节能“天花板”。
数据中心传统上主要向市场提供机柜、带宽租用等基础资源服务,其运营者竞争的核心是土地、电力、能耗、带宽等资源的获取以及基础设施的维护能力。近年来随着行业数字化转型的加速,特别是新冠肺炎疫情后,越来越多的企业客户向云端迁移,再叠加AI技术的广泛应用,对数据中心带来显著影响。
一是数据中心网络技术成为创新的焦点。首先,在数据中心内部网络方面,在云计算、AI发展的推动下,以在线搜索、并行计算为代表的业务迅速起量,需要数据中心内大量的分布式计算集群支持,导致数据中心内部东西流量需求快速增长。
解决数据中心在网络方面的瓶颈,保证数据在服务器之间能够更快、更高效地传输,将逐渐成为提高数据中心性能的关键所在。在这一趋势下,无损网络、智能网卡、可编程网络等新技术应运而生,成为技术研发的新热点、新方向。
其次,在数据中心网间互联方面,由于大多数企业采用公有云和私有云混用的形式,因此降低不同云连接时的网络时延是技术难点之一。
从云计算IaaS层服务来说,目前网络的虚拟化技术相对较为滞后,同时要考虑东西向流量的安全防护问题,对多数据中心网络互联技术要求更高。这在很大程度上也将推进我国互联网骨干网架构的变革。
二是智能化管理成为重要发展方向。随着大型、超大型数据中心占比的增加,海量的设备和复杂的系统为数据中心的高效管理带来了巨大挑战。建设数据中心基础设施管理系统(Data Center Infrastructure Management,DCIM)。
对数据中心关键设备进行集中监控和管理,并在此基础上利用人工智能和大数据技术,提高数据采集的实时性、准确性,研究训练节能优化、设备预警、故障预测等数据模型,从而提升运维管理的自动化和智能化水平。同时,AI配合自动化巡检机器人,可以实现无人值守,进一步提高数据中心的运维效率和安全等级。
此外,上层ICT设备的演进创新,将持续倒逼数据中心基础设施技术加快变革,例如推动预制化技术加快向纵深发展,供配电系统和制冷系统持续优化等,以适应新的业务趋势。
数据中心运营者的竞争将不再仅局限于资源获取能力,技术创新能力和应用新技术的能力将逐渐成为新的核心竞争力。
在数字经济时代,随着云计算、人工智能、区块链等新一代数字技术应用的广泛普及,数据中心的地位正在从信息基础设施的边缘迈向核心,并成为承载和牵动技术革新的重要底座。未来3~5年,仍将是数据中心的高速发展期。我们必须按照经济社会发展的要求,明确数据中心的发展趋势,共同推动数据中心的高质量发展。
文章出处:【微信号:txshj123,微信公众号:通信世界】欢迎添加关注!文章转载请注明出处。
,又是能耗“大户”,需要应对不断提升的“绿”电、节能要求,全面及时的检测维护对于
静压主轴是用于机械加工中的一种设备,它通过静压平衡的原理,实现高速旋转并保持较高的精度和稳定性。本文
,上海,2023年9月20日] 在华为全联接大会2023期间,华为发布《
精细化建设策略分析 /
,亚马逊云科技不断地将其在构建可持续的云基础设施和云服务方面的全球实践和经验分享给本地运营合作伙伴
【国产FPGA+OMAPL138开发板体验】(原创)5.FPGA的AI加速源代码
【米尔-全志T113-i开发板试用】JPG硬件编码的实现、YUV转换neon加速和对比测试
【先楫HPM5361EVK开发板试用体验】(原创)6.手把手实战红外线传感器源代码