ITPub博客

导语 过去十年，数据中心行业最常被提及的一个指标是 PUE（Power Usage Effectiveness，电能利用效率）。从早期普遍高于 1.8，到如今新建大型数据中心被要求向 1.3 甚至更低水平靠拢，PUE 的下降曲线几乎成了行业绿色化的代名词。但一个容易被忽略的事实是：PUE 只回答“电用得省不省”，并不回答“电从哪来”，也不回答“热往哪去”。当 PUE 被压到接近理论极限，真正的难题才刚刚浮出水面——能源结构、散热方式与余热出路，正在取代单纯的能效数字，成为数据中心下一阶段的核心命题。 一、PUE 的天花板：省电不等于低碳 PUE 的定义是数据中心总能耗与 IT 设备能耗之比。这个比值越接近 1，说明用于制冷、供配电等辅助系统的能耗越少。问题在于，无论 PUE 压得多低，只要 IT 设备还在运行，

导语 过去几年，数据中心里最矛盾的一件事是：CPU 核数在涨，内存带宽在涨，但内存容量和拓扑的灵活性几乎没怎么变。每台服务器还是插着自己那几根 DIMM，用完就锁死，别的机器再缺内存也借不到。CXL（Compute Express Link）想解决的，正是这个结构性僵局。它不只是一个更快的互连协议，而是试图把"内存"从服务器主板的附属品，变成数据中心里可以被调度、被共享、被池化的资源。 这篇文章从协议演进、内存扩展与池化、与 DDR/HBM 的关系、对主板和云厂商的影响，以及当前落地瓶颈几个角度，做一次偏媒体视角的梳理。 一、CXL 是什么，为什么现在被反复提起 CXL 建立在 PCIe 物理层之上，核心是让 CPU、加速器、内存设备之间用一套缓存一致（cache-coherent）的协议通信。它最初被关注，是

导语 过去很长一段时间，液冷在数据中心行业里更像一个“技术储备”而非“采购必选项”。风冷方案成熟、生态完善、运维体系稳定，大多数企业没有足够动力去改变。但随着高密度机柜和 GPU 算力的快速演进，这一平衡正在被打破。液冷是否已经从“可选”走向“必选”，需要分场景、分阶段来看。依据现有素材判断，这个问题没有统一答案，但趋势方向已经比较清晰。 一、推力来自哪里：高密度机柜与 GPU 功耗墙 液冷讨论升温的直接原因，是单机柜功率密度的持续攀升。传统风冷数据中心在单柜功率达到一定量级后，散热能力会明显吃紧，继续堆叠风扇和空调不仅效率下降，还会带来噪音、能耗和空间上的连锁问题。 GPU 的引入进一步放大了这一矛盾。以 AI 训练和高性能计算为代表的工作负载，往往需要多卡密集部署，单机柜功耗被迅速推高。当风冷逐渐逼近物理和

华为坤灵要做的正是把每一个场景做透，把每一个痛点解决到位，让智能真正落到每一家企业的日常经营中去。华为坤灵正在用行动回答我此前的疑问：深耕，不是慢，而是快；不是窄，而是深。当分销市场的智能化转型进入“最后一公里”，真正稀缺的不是更多的方案名称，而是能解决实际问题的场景化能力。

导语 过去十年，企业存储的关键词从“容量”逐渐转向“性能”与“效率”。当 NVMe 协议、PCIe 5.0/6.0 以及 QLC 闪存逐步成熟，全闪存数据中心不再只是互联网大厂的专属配置，而开始进入更多行业的采购清单。但“全闪存”是否已经走到普及临界点？答案并不简单。本文从接口演进、介质特性、TCO 结构和场景适配四个维度展开讨论。需要说明的是，本文依据现有公开技术趋势与行业常识进行判断，未引用具体厂商产品版本或未公开数据。 一、NVMe 与 PCIe：全闪存的“高速公路”已经铺好 全闪存之所以能成为数据中心的主流选项，底层接口的演进功不可没。 NVMe 协议 ：专为闪存设计，取代了为机械盘时代服务的 SCSI/SAS 协议。它大幅降低了协议开销，提升了队列深度与并发处理能力，让 SSD 的低延迟优势真正释放。

导语：当算力集群从千卡走向万卡，GPU的利用率却常常被一个更“传统”的环节拖住——存储。checkpoint写入、数据加载、并行文件系统与对象存储分层，正在共同决定一场大模型训练的真实成本。本文基于公开的行业共识与技术逻辑，梳理大模型训练对存储层的真实需求，以及企业如何避免“算力等存储”。 一、被忽视的瓶颈：GPU在等谁 大模型训练的性能讨论，长期被FLOPS、互联带宽、显存容量占据。但在真实集群里，工程师们越来越频繁地遇到另一类问题： 训练任务启动后，数据加载跟不上，GPU利用率长时间上不去； 训练中途保存checkpoint，整个集群出现明显的I/O停顿； 节点故障后恢复训练，读取checkpoint的时间以小时计； 存储成本随集群规模线性甚至超线性上涨，预算失控。 这些现象指向同一个事实： 存储不再是训练

导语：高性能计算（HPC）长期被视为“硬件堆料”的竞技场，但当算力规模跨过千万亿次、系统复杂度逼近工程极限，行业竞争的焦点正在从单点性能转向体系化能力。三项高性能计算机行业标准的正式发布，或许正是这一转折的标志性事件。 一、事件本身：标准落地，意味着什么？ 据现有信息，三项高性能计算机行业标准已正式发布。依据现有素材判断，目前尚未披露标准的具体编号、名称、起草单位及实施日期等细节，因此本文不对此做进一步展开。 但仅从“三项标准同时发布”这一事实出发，已经可以读出几层信号： 标准不是孤立的技术文件，而是产业共识的固化。 能形成行业标准，说明相关技术方向已经过了“各家自说自话”的阶段，进入了需要统一接口、统一评测、统一规范的规模化应用期。 三项标准集中发布，通常对应 HPC 系统的不同层面。 依据现有素材判断，可能

提到数据中心，很多人第一反应是一排排摆满服务器的机房。似乎只要完成建设、设备安装并通电运行，就可以交付使用。但近年来发生的数据中心火灾、数据泄露、监管处罚及工程款争议表明，数据中心早已不是普通的厂房或机房工程，而是承载企业核心数据、用户信息和关键业务的“数字保险柜”。 从拿地规划、图纸设计，到设备采购、现场施工，再到竣工验收和最终交付，数据中心项目始终面临两类相互交织的风险：一类是工期、质量、工程价款等传统建设工程风险；另一类是灾备不足、账号权限失控、测试数据泄露、安全测评缺失等数据安全与合规风险。例如，主数据与备份数据未实现有效隔离，可能导致事故发生时数据与备份同时灭失；测试账号、远程接口和配置文件未及时清理，可能形成系统入侵和数据泄露。 海润天睿合伙人徐婧媛律师及团队在相关法律服务中注意到，部分争议并非单纯

导语：过去十几年，存储几乎是整个 IT 世界里最稳定、最不引人注目的成本项——容量年年翻倍，单价年年走低。但这一轮周期正在打破惯性：从内存到闪存，从企业级到消费级，涨价信号密集出现。对技术从业者而言，这不只是一次采购预算的波动，而可能是整个数据基础设施成本模型的一次重估。 一、一个被长期忽视的变量，重新回到台前 在讨论 AI、算力、大模型的时候，存储往往是被放在最后才被提起的一环。GPU 是主角，网络是血管，而存储更像是“仓库”——重要，但不性感。 然而，恰恰是这个“仓库”，正在成为新一轮技术成本压力的传导中枢。 依据现有素材判断，本轮存储价格持续高涨，已经不是一个短期促销或单一品类的问题，而是呈现出跨品类、跨市场的普遍性特征。这意味着，它更可能是一次由供需结构变化驱动的周期性上行，而非偶发的市场噪音。 二、这

随着AI训练与推理集群将单机柜功率从过去的10~30kW迅速推向100kW甚至更高，数据中心供配电架构正面临一场变革。传统交流供电在电流增大、铜缆数量增加、配电空间占用和能效优化等方面日益吃力，800V直流由此被推向舞台中央。

近日，2026华为全联接大会在上海召开。借此大会契机，神州鲲泰正式推出基于鲲鹏、昇腾950技术路线的新一代产品矩阵。首批发布的新品包括基于鲲鹏950的KunTai R722 K3均衡型服务器，以及基于昇腾950DT的KunTai A989 I5标准服务器、KunTai A989 I5风冷超节点、KunTai PoD2000 A5液冷超节点。

2026算力大会已经落幕。如果要用一句话概括本届大会的主线，那就是：行业关注的重心，正在从“建算力”转向“用好算力”。 过去几年，算力话题的核心常常是建设规模、芯片性能和集群数量。而在本届大会上，一个更清晰的趋势是：行业关注点正在从“有没有算力”转向“算力是否好用、是否用得起、是否能高效支撑智算业务”。这不仅是话题的迁移，更意味着算力产业的评价体系正在被重写。 一、大会主线：从规模竞赛转向效率竞赛 需求结构的变化，是这场转向的根本原因。 大模型训练、推理服务、行业智能化应用同时推进，让算力需求不再只是集中式、单一类型的峰值需求，而是呈现出多场景、多地域、多任务并行的特征。单纯堆叠硬件，已经难以解决资源利用率、能耗、调度效率和成本控制等问题。 因此，本届大会围绕算力与智算的讨论，更强调系统能力：网络互联、异构计算

近日，以“赋能AI计算的未来”为主题的Arm Everywhere China年度大会盛大召开。在AI从生成式走向智能体的关键节点上，产业界对计算底座的关注度正在急剧升温。这一趋势带来了系统级挑战：工作负载变得更加分布式；模型和计算需求日趋多样化；系统愈发异构和自主；软件环境也各不相同。行业需要一个既能提供开发者所需一致性，又能赋能差异化创新的平台。Arm正在试图证明，它就是这样的平台。

导语** 算力大会今日召开。在模型规模持续膨胀、推理需求快速上升的背景下，“算力”与“存力”正在从两条平行赛道走向深度耦合。本文基于公开技术趋势与产业共识，对本次大会可能聚焦的方向做前瞻分析。 ## 一、为什么“算力”和“存力”必须放在一起谈 过去几年，谈 AI 基础设施，第一反应往往是 GPU、加速卡、集群规模，也就是“算力”。但真正把大模型跑起来的人越来越清楚：算力决定“能算多快”，存力决定“能喂多饱”。 一个直观的逻辑链条是： - 模型参数从十亿级走向千亿级、万亿级，训练侧需要更高的并行度和更密集的通信； - 推理侧从“一次性问答”走向长上下文、多轮对话、Agent 调用，KV Cache、上下文窗口、检索增强都在吞噬内存与存储带宽； -...

2026算力大会前瞻：算力、智算、存储与超节点，哪些方向值得关注？ 算力大会最不缺的就是数字。FLOPS、TFLOPS、卡数、机柜功率密度，每年都在刷新。但近两年的行业语境已经发生变化：单纯比较峰值算力的意义在下降，讨论重心转向有效算力与算力利用率。如果2026算力大会要覆盖算力、计算、智算、存储、集群、超节点与液冷，真正值得关注的不是某一个孤立的产品参数，而是这些环节能否组成一套可落地、可运维、可持续的算力系统。 ## 一、算力与计算：从“堆规模”转向“提效率” 算力大会最核心的看点，永远是“算力本身”。但依据现有素材判断，2026年若涉及计算主题，大概率会围绕“单位功耗下的有效算力”展开，而非单纯刷新峰值数字。 值得关注的几个问题： -...

2025年的夏天，如果说有什么比天气更热，那一定是“苏超”。那只被网友调侃“输到连名字笔画都没了”的常州队吉祥物让人印象深刻，绿色小恐龙的形象以AIGC短视频的形式在去年狂揽全网流量。从“苏超”赛场的内容破圈，到荔枝大模型的三年布局，再到与华为联合发布智能广告系统、发起“传媒智能助手”应用创新挑战赛，江苏广电总台正一步步揭开数智蝶变的幕后逻辑。

在齐鲁大地北端，黄河之畔的滨州，一场关于制造业未来的静默变革正在发生。然而，一个核心命题随之浮现：动辄千万、上亿参数的大模型，如何真正走下云端，适应高温、高噪、高精度的工业产线？被誉为新石油的算力，如何才能精准地注入实体经济最渴求的脉络？带着这些问题，笔者实地探访了已跻身国内第一梯队的魏桥国科智算中心。

近日，中科曙光发布新一代词元加速方案ParaCache。它不是算力芯片，不是大模型本体，而是一个聚焦于KV Cache全层级管理的词元引擎。在AI基础设施领域，这不是一个容易引发关注的概念，但ParaCache公布的一组数据却让行业眼前一亮：在120K长文本下，单轮对话首词元时延最高降低98.5%，仅400毫秒；高并发场景词元吞吐量最大提升27倍。

近日，2026戴尔科技峰会在上海盛大召开，走进现代化数据中心展区会发现，戴尔科技展示的并不是单纯的算力、存储或网络产品，而是一整套现代化数据中心架构。其中，网络弹性尤其值得关注。因为对于今天的企业而言，智能化转型的终点并不仅仅是“把业务跑起来”，而是要让业务在复杂、动态的网络环境中持续跑下去，并且在遭遇攻击后快速恢复。

过去二十年，企业IT的叙事经历了从“信息化”到“数字化”的演变，如今正加速迈入“智能化”的新阶段。当大模型和智能体开始成为企业新的生产力工具时，一个根本性问题浮出水面：支撑这一切的“数据底座”，准备好了吗？戴尔科技给出的，不只是答案，更是方向。