主页搜索
搜索
选择时间
搜索范围
全部的
‘模块化数据中心’新闻 2个
-
LG CNS采用预制模块化基础设施加速人工智能数据中心建设LG CNS将采用预制方式构建模块化基础设施，进军人工智能（AI）数据中心市场。 LG CNS于29日在新加坡举行的亚洲最大数据中心博览会'数据中心世界亚洲2026'上展示了其下一代AI基础设施能力。 在此次活动中，LG CNS发布了'预制模块化数据中心（PMDC）'和'AI工厂全栈服务'，以进军AI工厂市场。 PMDC是将实现AI工厂所需的GPU、服务器、电力和冷却设备等标准化模块预先制作，然后在数据中心现场进行安装的方式。LG CNS在此次展览中展示了PMDC的缩小模型。 以往，数据中心的建设通常是在现场搭建机械、设备和管道（MEP）设施以及AI基础设施。PMDC的特点在于主要设备预先制作，从而最大限度地减少现场作业。这使得数据中心的建设速度得以加快。 根据AI运算需求灵活扩展基础设施也是其特点之一。在必要时，可以增加模块以扩大数据中心的AI基础设施规模。 LG CNS将LG集团的AI基础设施能力整合到PMDC中。基于LG CNS的数据中心设计、建设和运营（DBO）能力，结合LG电子的模块化冷却基础设施解决方案和LG能源解决方案的电池解决方案，提供构建AI工厂所需的基础设施架构。 LG CNS基于40多年积累的数据中心DBO能力，正在扩大AI数据中心业务。还在推进将国内现有数据中心基础设施升级为AI数据中心的项目。 LG CNS AI云业务部副总裁金泰勋表示：“AI工厂是数据中心、GPU基础设施和AI服务的综合服务，客户不再需要单独的服务，而是需要能够通过AI实现成果的综合性AI工厂。”※ 本报道经人工智能（AI）系统翻译与编辑。
2026-09-30 23:12:00 -
AIDC提升GPU利用率应对AI计算需求随着人工智能（AI）计算需求的急剧增加，如何高效利用数据中心中的图形处理单元（GPU）成为新的挑战。 根据市场调研机构Gartner、IDC和NVIDIA等的数据，麦肯锡分析预计，全球数据中心的AI工作负载需求将从2025年的44GW增长到2030年的156GW，约增加3.5倍。同期，整体数据中心需求也将从82GW增至219GW。特别是AI推理需求预计将从2025年的20.9GW以年均35%的速度增长到2030年的93.3GW，增速超过学习需求的22%。 仅仅增加GPU的数量难以应对不断增长的计算需求。由于高性能GPU的大规模部署，机架的电力密度增加，冷却负担也随之加重。因此，AI数据中心开始采用液冷等新型冷却技术以应对高密度GPU环境。 业界关注如何利用AI的两大主要工作负载——学习和推理的特性，来高效配置GPU。学习需要集中进行大规模计算，但可以容忍一定程度的延迟或中断；而推理则要求实时向用户提供结果，因此低延迟和稳定的处理能力至关重要。 麦肯锡分析认为，由于这两者的特性差异，学习和推理将对数据中心的选址、设计和电力供应策略产生不同的影响。 尤其是在实时服务流量减少的时段，将推理用GPU用于其他任务的方式被提出作为解决方案。在推理需求高峰时，将GPU优先配置给实时服务，而在需求减少时，则将闲置的GPU用于学习、再学习和部署等任务。 红帽公司在今年3月发布的报告中提出了这种策略，称之为“白天推理，夜间学习”。红帽表示，推理任务需要低延迟和持续可用性以实现实时响应，而学习任务相对可以容忍延迟或中断，因此适合在推理需求减少的夜间进行。还建议通过动态分配GPU资源的编排，减少闲置GPU的数量。 在韩国，这种方式也成为提高GPU效率的替代方案。Kakao在考虑下一代AI基础设施运营方案时，也在审视按时段利用GPU的方式。Kakao AI协同副总裁金世雄表示：“需要实时响应的推理服务器在白天根据流量使用，剩余的GPU则在夜间用于学习，这就是韩国式的GPU运营方式。” 国内AI基础设施企业不仅在按时段分配资源方面进行探索，还根据工作负载的特性设计数据中心以提高效率。Ellis集团根据学习和推理的需求，设计了不同的AI模块化数据中心（PMDC）。学习方面利用GPU和超低延迟集群以确保最大性能，而推理则强调NPU和高可用性及成本效益的结构。 业界人士表示：“在AI数据中心中，GPU的数量固然重要，但更关键的是如何高效利用这些GPU进行实际计算。由于推理和学习的特性不同，未来将根据流量和电力情况灵活分配GPU，并提高冷却等基础设施的效率，这将决定数据中心的运营竞争力。”
2026-09-02 01:12:00
-
LG CNS采用预制模块化基础设施加速人工智能数据中心建设
LG CNS将采用预制方式构建模块化基础设施，进军人工智能（AI）数据中心市场。 LG CNS于29日在新加坡举行的亚洲最大数据中心博览会'数据中心世界亚洲2026'上展示了其下一代AI基础设施能力。 在此次活动中，LG CNS发布了'预制模块化数据中心（PMDC）'和'AI工厂全栈服务'，以进军AI工厂市场。 PMDC是将实现AI工厂所需的GPU、服务器、电力和冷却设备等标准化模块预先制作，然后在数据中心现场进行安装的方式。LG CNS在此次展览中展示了PMDC的缩小模型。 以往，数据中心的建设通常是在现场搭建机械、设备和管道（MEP）设施以及AI基础设施。PMDC的特点在于主要设备预先制作，从而最大限度地减少现场作业。这使得数据中心的建设速度得以加快。 根据AI运算需求灵活扩展基础设施也是其特点之一。在必要时，可以增加模块以扩大数据中心的AI基础设施规模。 LG CNS将LG集团的AI基础设施能力整合到PMDC中。基于LG CNS的数据中心设计、建设和运营（DBO）能力，结合LG电子的模块化冷却基础设施解决方案和LG能源解决方案的电池解决方案，提供构建AI工厂所需的基础设施架构。 LG CNS基于40多年积累的数据中心DBO能力，正在扩大AI数据中心业务。还在推进将国内现有数据中心基础设施升级为AI数据中心的项目。 LG CNS AI云业务部副总裁金泰勋表示：“AI工厂是数据中心、GPU基础设施和AI服务的综合服务，客户不再需要单独的服务，而是需要能够通过AI实现成果的综合性AI工厂。”※ 本报道经人工智能（AI）系统翻译与编辑。
2026-09-30 23:12:00 -
AIDC提升GPU利用率应对AI计算需求
随着人工智能（AI）计算需求的急剧增加，如何高效利用数据中心中的图形处理单元（GPU）成为新的挑战。 根据市场调研机构Gartner、IDC和NVIDIA等的数据，麦肯锡分析预计，全球数据中心的AI工作负载需求将从2025年的44GW增长到2030年的156GW，约增加3.5倍。同期，整体数据中心需求也将从82GW增至219GW。特别是AI推理需求预计将从2025年的20.9GW以年均35%的速度增长到2030年的93.3GW，增速超过学习需求的22%。 仅仅增加GPU的数量难以应对不断增长的计算需求。由于高性能GPU的大规模部署，机架的电力密度增加，冷却负担也随之加重。因此，AI数据中心开始采用液冷等新型冷却技术以应对高密度GPU环境。 业界关注如何利用AI的两大主要工作负载——学习和推理的特性，来高效配置GPU。学习需要集中进行大规模计算，但可以容忍一定程度的延迟或中断；而推理则要求实时向用户提供结果，因此低延迟和稳定的处理能力至关重要。 麦肯锡分析认为，由于这两者的特性差异，学习和推理将对数据中心的选址、设计和电力供应策略产生不同的影响。 尤其是在实时服务流量减少的时段，将推理用GPU用于其他任务的方式被提出作为解决方案。在推理需求高峰时，将GPU优先配置给实时服务，而在需求减少时，则将闲置的GPU用于学习、再学习和部署等任务。 红帽公司在今年3月发布的报告中提出了这种策略，称之为“白天推理，夜间学习”。红帽表示，推理任务需要低延迟和持续可用性以实现实时响应，而学习任务相对可以容忍延迟或中断，因此适合在推理需求减少的夜间进行。还建议通过动态分配GPU资源的编排，减少闲置GPU的数量。 在韩国，这种方式也成为提高GPU效率的替代方案。Kakao在考虑下一代AI基础设施运营方案时，也在审视按时段利用GPU的方式。Kakao AI协同副总裁金世雄表示：“需要实时响应的推理服务器在白天根据流量使用，剩余的GPU则在夜间用于学习，这就是韩国式的GPU运营方式。” 国内AI基础设施企业不仅在按时段分配资源方面进行探索，还根据工作负载的特性设计数据中心以提高效率。Ellis集团根据学习和推理的需求，设计了不同的AI模块化数据中心（PMDC）。学习方面利用GPU和超低延迟集群以确保最大性能，而推理则强调NPU和高可用性及成本效益的结构。 业界人士表示：“在AI数据中心中，GPU的数量固然重要，但更关键的是如何高效利用这些GPU进行实际计算。由于推理和学习的特性不同，未来将根据流量和电力情况灵活分配GPU，并提高冷却等基础设施的效率，这将决定数据中心的运营竞争力。”
2026-09-02 01:12:00
