当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 软通动力与澳江网能达成战略合作,依托浸没式液冷技术共推AI大模型基础设施

软通动力与澳江网能达成战略合作,依托浸没式液冷技术共推AI大模型基础设施

来源:搜狐 2023-05-25 10:43:15 0浏览 收藏

偷偷努力,悄无声息地变强,然后惊艳所有人!哈哈,小伙伴们又来学习啦~今天我将给大家介绍《软通动力与澳江网能达成战略合作,依托浸没式液冷技术共推AI大模型基础设施》,这篇文章主要会讲到等等知识点,不知道大家对其都有多少了解,下面我们就一起来看一吧!当然,非常希望大家能多多评论,给出合理的建议,我们一起学习,一起进步!

随着AIGC等影响行业变革技术的演进,对底层算力需求也愈加强烈,数据中心逐步朝着大功率、高性能、超大规模方向的转变,高性能芯片和集成电路的使用越加广泛,以往的风冷技术已难以满足超高的散热需求,液冷技术开始出现在大众视野。

液冷技术,尤其是浸没式液冷技术能够实现100%液体冷却,对比风冷技术具有更优的高散热效果、温度均匀、低噪声无污染、高集成度、高可靠性等优势,随着散热要求的提高,未来在超算等行业的可应用性及发展潜能非常可观,液冷系统有望保持较快的增长速度。据中国液冷数据中心发展白皮书预测,预计到2025年,中国液冷数据中心市场规模将达到1283-1330亿元,增速保持在23-30%左右。

近日,软通动力与澳江(无锡)网络能源有限公司(以下简称“澳江网能”)达成了战略合作协议,澳江网能是一家专注于液冷技术的高新技术企业,公司自主研发相变液冷技术,已实现了国产化并拥有多项发明专利,经过长期研发积累已逐步掌握了数据中心、5G基站、风力发电、储能电站等领域的高效散热模式,并在通讯行业得到成功应用。

软通动力与澳江网能达成战略合作,依托浸没式液冷技术共推AI大模型基础设施

(液冷全氟化合物&超算液冷柜发明专利)

作为国内领先的软件与信息技术服务企业,软通动力始终坚持在数字创新服务+AI赛道领域深耕,拥有丰富的数字化建设经验和技术实力,能够为客户提供端到端的数字化产品和服务。软通动力积极推动行业信创实践,打造全方位国产化信创体系,为客户提供信创产品和全栈技术服务,包括信创咨询、基础硬件、基础软件、云平台、应用软件和信息安全等多个方向。

软通动力与澳江网能的强强联合,意味着双方开始在新兴数字化领域展开深入合作。未来,双方将共建基于液冷系统的AI算力中心和AI一体化产品及解决方案,帮助客户降低AI算力建设成本,同时共同建设算力调度平台,为人工智能、自动驾驶、超级计算、元宇宙等行业提供更优质、更可靠的服务,为客户数字化转型注入更强动力!

到这里,我们也就讲完了《软通动力与澳江网能达成战略合作,依托浸没式液冷技术共推AI大模型基础设施》的内容了。个人认为,基础知识的学习和巩固,是为了更好的将其运用到项目中,欢迎关注golang学习网公众号,带你了解更多关于软通动力,澳江网,AI大模型基础设施的知识点!

版本声明
本文转载于:搜狐 如有侵犯,请联系study_golang@163.com删除
Microsoft Teams怎么更改缩放大小?Microsoft Teams更改缩放大小教程Microsoft Teams怎么更改缩放大小?Microsoft Teams更改缩放大小教程
上一篇
Microsoft Teams怎么更改缩放大小?Microsoft Teams更改缩放大小教程
用于AR场景交互,专利显示苹果或为iPad加入数码表冠
下一篇
用于AR场景交互,专利显示苹果或为iPad加入数码表冠
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    416次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    496次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    504次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    450次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    281次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码