12月1日,工信部印发《国家工业和信息化领域节能技术装备推荐目录(2022年版)》,超聚变基于软硬件协同的数据中心服务器节能技术成功入选。
为加快推广应用先进适用节能技术装备,促进企业节能降碳、降本增效,推动工业和信息化领域能效提升,工信部编制了《国家工业和信息化领域节能技术装备推荐目录(2022年版)》。超聚变绿色节能技术成功入选该目录,是国家对超聚变绿色节能技术的高度认可。
超聚变基于软硬件协同的数据中心服务器节能技术由能效可动态调优的机架服务器技术、高功率风冷集成散热节能服务器技术、液冷整机柜服务器技术等三大系列技术组成,既有面向风冷场景的通用节能技术与高功率节能技术,也有行业领先的液冷整机柜节能技术,可满足数据中心各类场景的节能减排需求,助力数字经济绿色发展。
能效可动态调优的机架服务器技术包括服务器部件能效动态寻优、整机级能效动态寻优以及数据中心能效动态寻优技术三个维度。基于超聚变的整机工程能力与软件开发能力,可实现部件根据负载状态动态调整自身参数,达到自身能效最优;整机级无需重启即可实现能效管理参数动态调整并生效;服务器系统网管,实现数据中心制冷与业务联动,达到数据中心能效最优。
高功率风冷集成散热服务器技术是一套具有自主知识产权的体系化节能技术,通过高通风率系统设计、高风量节能风扇设计、高效处理器散热技术、高密度电源系统设计等系列创新技术的研发应用,使得风冷场景也能满足高功率密度服务器的散热需求,在保证高算力输出的同时,保证服务器散热性能与节能性能。
液冷整机柜技术主要通过整机柜服务器一体化设计与液冷散热技术助力数据中心整体能效提升。超聚变整机柜独创行业三总线全盲插技术、分布式备电及48V集中供电技术,电源模块内置STS实现双输入N+1备份技术,智能功耗封顶与削峰填谷四大节能技术,同时在冷板式液冷技术基础上,研发了高可靠漏液检测与隔离技术,实现了液冷的大规模部署。原生液冷设计实现天然可靠性保障,支持 100% 液冷散热,PUE 达 1.1 以下,满足国家对大型数据中心枢纽节点的要求。
超聚变始终践行绿色理念,发展绿色算力,持续以科技创新推动数字经济可持续发展。
好文章,需要你的鼓励
这篇研究论文介绍了"Speechless",一种创新方法,可以在不使用实际语音数据的情况下训练语音指令模型,特别适用于越南语等低资源语言。研究团队通过将文本指令转换为语义表示,绕过了对高质量文本转语音(TTS)系统的依赖。该方法分三个阶段:首先训练量化器将语音转为语义标记;然后训练Speechless模型将文本转为这些标记;最后用生成的合成数据微调大型语言模型。实验表明,该方法在越南语ASR任务中表现出色,为低资源语言的语音助手开发提供了经济高效的解决方案。
《Transformer Copilot》论文提出了一种革命性的大语言模型微调框架,通过系统记录和利用模型训练过程中的"错误日志"来提升推理性能。研究团队受人类学习者记录和反思错误的启发,设计了一个"副驾驶"模型来辅助原始"驾驶员"模型,通过学习错误模式并在推理时校正输出。这一方法在12个基准测试上使模型性能提升高达34.5%,同时保持计算开销最小,展现了强大的可扩展性和可迁移性,为大语言模型的优化提供了全新思路。
德克萨斯大学Austin分校的研究团队提出了RIPT-VLA,一种创新的视觉-语言-动作模型后训练范式。该方法通过让AI模型与环境互动并仅接收简单的成功/失败反馈来学习,无需复杂的奖励函数或价值模型。实验证明,RIPT-VLA能显著提升现有模型性能,在轻量级QueST模型上平均提升21.2%,将大型OpenVLA-OFT模型推至97.5%的前所未有成功率。最令人惊叹的是,仅用一个示范样本,它就能将几乎不可用的模型在15次迭代内从4%提升至97%的成功率,展现出卓越的数据效率和适应能力。
北京大学与华为诺亚方舟实验室研究团队共同开发了TIME基准,这是首个专为评估大语言模型在真实世界场景中的时间推理能力而设计的多层级基准。该研究提出了三个层级的时间推理框架,包含11个细粒度任务,并构建了涵盖38,522个问答对的数据集,针对知识密集型信息、快速变化的事件动态和社交互动中的复杂时间依赖性三大现实挑战。实验结果表明,即使是先进模型在构建时间线和理解复杂时间关系方面仍面临显著挑战,而测试时扩展技术可明显提升时间逻辑推理能力。