第210章 探讨人工智能（1 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
谈及专业领域，亚瑟·格雷彻底打开了话匣子。
他不再有任何保留，结合自己三十年的经验，开始为陆风系统性拆解了当下全球数据中心的所有核心痛点与技术难点。
“目前全球所有商用数据中心，无论北美、欧洲，还是你们国内的头部云平台。最大的通病，永远是能耗与散热，这是行业卡脖子的核心难题，至今没有完美解决方案。”
亚瑟·格雷，句句切中要害。
现阶段主流的数据中心，全部依靠传统风冷、水冷两套体系支撑散热。
风冷技术成本低，维护简单，但散热效率极差，一旦服务器集群高负荷运转，算力拉升的同时，温度会瞬间飙升。
只能被动降低算力上限，导致大量服务器性能冗余被浪费，无法实现满负荷持续运转，严重限制算力输出。
水冷散热效率更高，可以承载大规模集群持续高负荷运行，但弊端同样致命，建设成本极高，管道铺设，设备搭建，防水防漏，日常运维，成本是风冷的数倍不止。
而且极度依赖水资源，后期损耗极大，一旦出现管道老化，水滴渗漏，局部温差过大，就会引发集群宕机，硬件烧毁，数据丢失等重大事故。
除此之外，两套传统散热体系还有一个共同的致命缺陷。
能耗恐怖。
亚瑟·格雷给出了精准的行业数据佐证。
“目前全球顶尖数据中心，算力能耗占比尚且可控，但散热能耗，普遍占据总能耗的百分之四十以上，很多中小型数据中心，散热能耗甚至超过算力本身能耗，大量电力资源浪费在温控降温上，极其不划算。”
“这也是为什么，全世界都在拼命扩建数据中心，却始终无法彻底解决算力成本高，算力资源紧缺的核心原因，散热技术，就是当下大数据与人工智能行业的最大瓶颈。”
陆风脑海中快速将教授讲解的内容，与自己前世记忆中的成熟技术体系相互对应，印证，完善。
他原本只知道传统散热技术落后，能耗高，效率低。
却没有这么系统，这么细致地梳理过全部痛点与底层逻辑。
果然，不愧是行业宗师，讲解的内容覆盖了重要因素，能把当下全球数据中心技术的短板，剖析得淋漓尽致。
“除了散热难题。，下的数据中心，还有第二个核心痛点，算力调度僵化。”
亚瑟·格雷继续讲解，神色愈发严肃。
“现在所有集群的算力分配，都是固定算法，固定模板，哪里负载高就强制导流，没有预判，没有智能梯度，一旦遇到瞬时流量爆发，突发算力需求，就会出现局部拥堵，局部闲置的尴尬情况，资源利用率极低。”
“未来人工智能大规模落地之后，AI训练、深度学习、大数据推演，需要的是持续性、稳定性、超高精度的动态算力。传统调度体系，完全撑不起AI时代的算力需求。”
陆风适时开口提问。
“教授。按照您的判断，未来数据中心的终极迭代方向，应该是什么样的？有没有可以突破现有瓶颈的技术路径？”
这个问题，问得极为深远。
直接跳过了当下的技术修补阶段，是行业未来的终极形态。
↑返回顶部↑