- 综合排序
- 最热优先
- 最新优先
- 来自专栏盛世宏博物联网
算力机房高密度环境管控：以太网温湿度传感器（POERJ45）部署方案
算力机房温湿度监控传感器应用方案核心结论：本方案以支持 RJ45 输出、POE 供电及 Modbus TCP/IP 协议的以太网类温湿度传感器为核心，实现算力机房温湿度的精准、稳定、远程监控，适配机房高密度算力设备的环境管控需求 POE供电以太网温湿度传感器一、方案核心目标实时采集机房内关键区域温湿度数据，误差控制在行业标准范围内。通过以太网传输实现数据远程可视化管理，支持异常情况快速告警。 感知层：温湿度数据采集在机房服务器机柜、空调出风口、机房角落等关键区域部署传感器，实现全场景覆盖。传感器实时采集温湿度数据，通过内置处理模块完成数据初步校准。POE供电以太网温湿度变送器2. 配置温湿度阈值，当数据超出范围时，通过短信、平台弹窗等方式触发告警。四、方案关键优势部署便捷：POE 供电 + RJ45 接口，无需额外布线，适配机房复杂布线环境。 稳定性高：以太网传输抗干扰能力强，适配算力机房高强度电磁环境。五、实施保障要点安装位置：传感器应避开空调直吹、设备散热口等极端区域，距地面 1.5-2 米为宜。
25410编辑于 2025-10-28 - 来自专栏盛世宏博物联网
精准选型不踩坑：算力机房以太网温湿度传感器（网口 智能型）选择攻略
算力机房温湿度传感器选型算力机房选择适合算力机房的温湿度监控传感器，需结合机房高密度设备运行特性（高发热、强电磁干扰）、管理需求（远程监控、联动控制）及长期稳定性要求，从核心性能、适配性、功能扩展性等多维度综合评估 测量精度：拒绝 “粗放监测”，适配算力设备敏感阈值• 温度精度：核心机房（如 GPU 集群、服务器机柜区）需≤±0.5℃（25℃环境下），关键区域（如空调出风口、冷热通道）建议≤±0.3℃；普通辅助区域 扩展性：预留 “未来扩容” 接口• 支持通过网络批量配置参数（如阈值、采样频率），新增传感器时可即插即用（自动接入平台），适配算力机房机柜数量动态增加的需求。 总结：不同场景的选型优先级机房类型核心选型指标推荐传感器类型高密度 GPU 智算集群精度 ±0.3℃、POE 供电、露点监测工业级以太网温湿度变送器（Modbus TCP/IP）中小型企业算力机房精度 ，可确保传感器既能精准捕捉算力机房的温湿度变化，又能适配机房复杂的网络架构与长期运维需求，最终实现 “监测 - 预警 - 控制” 的闭环管理。
33810编辑于 2025-10-28 - 来自专栏星融元
边缘机房如何低成本地提高单位空间的算力？
随着物联网、智能驾驶等业务的兴起，边缘网络算力需求愈发明晰，运营商及云服务商纷纷将工作负载及服务从核心迁移到边缘，比如部署5G UPF、5G MEC及边缘网关VNF等。 与此同时，边缘数据中心受限于空间、能耗等限制，无法进行大规模的算力扩展，只能承载有限的计算业务，阻碍了业务应用规模。 并结合网卡的硬件加速引擎进行业务加速（例如深度解析业务报文，对音视频、网页数据进行流分类），提高单位体积的处理性能，在有限的机架空间内低成本地灵活扩展算力。 图片图片电源管理更方便节省机架空间降低功耗并且，多块DPU网卡存储的数据可通过PCIe共享到同一台服务器，以标准服务器+DPU的 “算力资源池" 形式接受云管平台纳管，实现"从云到边"的资源统一管理和分配 目前厂商已将软件和场景开源，开源地址： https://github.com/asterfusion/Helium_DPU图片图片Helium的典型应用场景：OVS卸载+第三方应用图片算力释放：多核ARM
29800编辑于 2023-08-01 - 来自专栏产品经理的人工智能学习库
算力 – computation
文章目录 人工智能里的算力是什么？ 在普通电脑中，CPU就提供了算力帮助电脑快速运行。玩游戏的时候需要显卡提供算力，帮助电脑快速处理图形。 而在 人工智能中，需要有类似CPU和GPU的硬件来提供算力，帮助算法快速运算出结果。 之前在算法里讲过，在制造木桌的过程中，工厂的流水线就是算法。 在那个例子中，工厂中的机器就像算力，机器越好越先进，制造的过程就越快。 ? 算力越大，速度越快 维基百科版本 Techpedia版本 算力是使用计算机技术完成给定目标导向任务的过程。 算力可以包括软件和硬件系统的设计和开发，用于广泛的目的 – 通常构建，处理和管理任何类型的信息 – 以帮助追求科学研究，制作智能系统，以及创建和使用不同的媒体娱乐和交流。 查看详情 维基百科版本 算力是使用计算机的任何活动。它包括开发硬件 和软件，以及使用计算机来管理和处理信息，进行交流和娱乐。算力是现代工业技术的一个至关重要的组成部分。
2.6K30发布于 2019-12-18 - 来自专栏星融元
星融元：边缘机房如何低成本地提高单位空间的算力？
DPU算力的池化应用图片Helium智能网卡基于高性能DPU芯片的25GE/100GE以太网智能网卡，符合PCIe及以太网协议，提供PCIe*8或PCIe*16 Gen3.0/Gen4.0通道接口，可以直接插入到标准服务器或者 Helium DPU资源池解决方案采用标准服务器+多块Helium DPU智能网卡的形式为客户打造高性能算力资源池。 从而帮助客户在数据中心到边缘场景实现网络加速、算力扩展和资源共享，降低客户总体拥有成本，提高投资回报率，助力业务增长。
29930编辑于 2023-08-04 - 来自专栏盛世宏博物联网
液冷机房温湿度精准监控方案：从传感器矩阵部署到露点预警全链路设计
液冷算力机房温湿度监控系统方案设计添加图片注释，不超过 140 字（可选）液冷算力机房（含冷板式、浸没式、喷淋式等）因高密度算力设备（单机柜功率常达 40-100kW）依赖液体介质高效散热，其温湿度环境呈现 精准捕捉特殊温湿度场：覆盖液冷设备（冷源、管路、机柜）与机房环境的温湿度梯度，温度监测精度达 ±0.2℃，湿度 ±2% RH，捕捉 0.5℃级微小波动。2. 四、实施案例参考（某 1000 机柜浸没式液冷智算中心）添加图片注释，不超过 140 字（可选）• 部署规模：800 个机柜内传感器（监测出液温度）、40 个冷源区传感器、60 个环境温湿度传感器，合计 • 运行效果：设备因温湿度异常导致的故障率下降 92%，年节省冷源电费超 180 万元。机房五、部署与维护要点1. 该系统通过针对性解决液冷机房的 “低温适配、冷凝预警、系统协同” 核心痛点，实现温湿度监控从 “被动监测” 到 “主动防控” 的升级，为高密度液冷算力设备提供稳定的环境保障。
36910编辑于 2025-10-28 - 来自专栏大语言模型，算力共享
算力共享：环形结构的算力分配策略
目录算力共享：环形结构的算力分配策略方法签名方法实现注意事项nodes.sort(key=lambda x: (x[1].memory, x[0]), reverse=True)end = round (start + (node[1].memory / total_memory), 5)算力共享：环形结构的算力分配策略这段代码定义了一个名为RingMemoryWeightedPartitioningStrategy
94920编辑于 2024-07-26 - 来自专栏科技云报道
算力之后，“存力”上位
当算力芯片的摩尔定律逐渐逼近物理极限，存力开始从幕后走向台前，成为AI领域下一个关键赛点。 长期以来，伴随企业数字化转型所建设的“烟囱式”AI基础设施各自为战，数据奔流，价值却困于“堰塞湖”。 存力中心作为新型的数据基础设施，正成为AI时代数据流通和融合应用的破题关键。 AI时代的 “数据决定论” AI技术的发展离不开三大要素：数据、算法和算力。 在训练方面，高性能并行文件系统可以提升大模型训练效率，超大带宽和容量支持超万卡集群无瓶颈扩展，EB级扩展能力适应海量数据，加速卡直通技术使数据从存储到算力“一跳直达”。 构建AI时代新型 “数据粮仓” 与算力聚焦在“算”不同，数据存力聚焦在“数”和“存”，是数据生产要素处理的综合能力体现，肩负着为数字经济各种场景提供源源不断的“生产资料”的使命。 将目光投向更长远，新型AI存储很可能是撬动人工智能时代杠杆的另一个支点，“以存强算”“以数助算”亦是弯道超车的重要落点。当AI产业具备扎实的存力底座，才能登高远眺，看见AI时代最美的风景。
41600编辑于 2025-06-19 - 来自专栏科技云报道
要算力更要“算利”，“精装算力”触发大模型产业新变局？
面对如此巨大的算力需求，企业如何在平衡算力与能耗开支的前提下，高效地利用和管理算力资源，是实现降本增效的重要命题。这其中，对算力基础设施和软件平台的精细化运营管理成为破题的关键。 大模型对算力的需求是显而易见的，但更关键的点可能在于能否把算力更高效地挖掘出来。在不同的阶段，企业对于算力需求也不尽相同。 《中国算力发展观察报告》显示，有些算力中心整体算力利用率不足30%，大量的算力资源在沉睡中等待被唤醒，算力供需矛盾凸显。 这种演进使智能算力变得不可或缺，且不再局限于简单的算力叠加或升级，而是在多元重构驱动下实现算力的极致拓展与跃迁。 所谓“精装算力”，就是依托宁畅定制化与全栈全液能力，以算力栈为交付形态，从用户需求与体验出发，提供全体系软硬协同的精细化算力服务。
81700编辑于 2025-03-04 - 来自专栏ADAS性能优化
生存VS算力
英國「金融時報」報導，鑒於美國近期祭出制裁來壓制中國電腦運算能力，中國科技企業阿里巴巴和壁仞科技為了避免受制裁，正將各自最先進晶片的設計微調，以降低運算處理速度。 華府10月宣布的制裁措施，禁止任何運算能力超過一定門檻的半導體產品出貨至中國除非得到许可。這打亂了上述中國科技企業的發展計畫。 但中國工程師表示，要判斷哪些晶片產品不受制裁並不簡單，因為華府對於如何計算這個速率沒有清楚規範。 根據研究集團伯恩斯坦（Bernstein）計算，從壁仞官方網站存檔紀錄來看，在美國宣布制裁之前，壁仞首款處理器BR100的規格算出傳輸率是640 GB/s，超過限制門檻；但根據壁仞官網目前發布的BR100
1.2K20编辑于 2022-12-20 - 来自专栏运维开发王义杰
函数算力计算
对于一个函数消耗的算力，我们通常用它的运行时间来衡量，例如在基准测试中。你可以测量一个函数运行一次（或者多次）所需要的时间，然后用这个时间来比较不同函数或者同一个函数的不同实现。 然而，这种方法并不能直接测量一个函数消耗的CPU算力。为了获得这种信息，你可能需要使用一种叫做CPU profiling的技术，它可以测量程序在CPU上花费的时间。Go的pprof包提供了这种功能。
74110编辑于 2023-08-16 - 来自专栏鲜枣课堂
世界算力简史（下）
这些公司购买了大量的服务器，建设了机房，为用户提供服务。例如邮箱服务、音视频下载服务、网页访问服务等。 信息科技的发展方向开始发生变化。一种新的算力服务模式，开始逐渐向我们走来。 埃里克·施密特 云计算的本质，是把零散的物理算力资源变成灵活的虚拟算力资源，配合分布式架构，提供理论上无限的算力服务。 算力趋势 2010年至今，算力发展出现两个显著趋势。 一，泛在化。 各个行业对算力有着不同的需求。于是，算力逐渐开始细分，分为通用算力、超算算力、智能算力。 不同的算力需求，也使得算力芯片产生了不同的形态。 除了传统的CPU和GPU之外，NPU、DPU等算力单元开始出现，并成为大众关注的焦点。 在高性能计算上，算力集群成为超算和智算的新宠。 我们对算力的需求，还在疯狂增长。 在摩尔定律逐渐走向瓶颈的前提下，我们该如何实现算力的倍增？以量子计算为代表的新型算力，是否会全面崛起？ 就让时间来告诉我们答案吧！ —— 全文完 ——
65320编辑于 2023-08-21 - 来自专栏大语言模型，算力共享
算力服务标识封装
为了解决这一问题，算力服务标识封装技术应运而生，旨在实现算力服务与IP层的解耦，提升算力服务的灵活性和可扩展性。 这个overlay层用于封装算力服务标识，使得算力服务可以在不改变现有IP网络架构的情况下独立部署和管理。 算力服务标识：在overlay层中封装的算力服务标识是区分不同算力服务的唯一标识。 IP层解耦：通过算力服务标识封装，算力服务的路由和管理不再依赖于IP层。这意味着网络中间转发节点在转发数据时，无需识别算力服务标识，仅做普通路由转发即可。 可扩展性：随着算力服务的发展，可以通过增加新的算力服务标识来扩展网络功能，而无需改变现有网络架构。兼容性：算力服务标识封装技术可以与现有网络架构兼容，实现平滑过渡。 数据中心网络：在数据中心网络中，算力服务标识封装技术可以提升数据中心的资源利用率和服务质量。算力服务标识封装技术是一种实现算力服务与IP层解耦的有效手段。
47120编辑于 2024-07-28 - 来自专栏软硬件融合
算力芯片，如何突围？
作为常年从事计算机算力芯片相关工作的我，今天就从算力芯片这个视角出发，谈谈对国内算力芯片如何实现突围的个人的一些看法。 核心的原因在于，这是目前的GPU计算集群所能支撑的算力上限： 一方面，单芯片算力已经瓶颈，算力增长极度缓慢。 可以在工艺落后1-2代的情况下，实现单个芯片的算力更优。 方法二，算力网络。通过算力网络、东数西算，实现跨集群的算力调度和算力协同，可以实现算力资源的高效利用。 方法三，智能网联。 更庞大算力节点，更高性能更低延迟的网络，更强大的算力基础设施，实现更强大的宏观数字系统。 从ChatGPT等大模型的兴起，看未来计算芯片的发展趋势 从算力网络发展，看未来十年的宏观算力体系 超异构处理器HPU和系统级芯片SOC的区别在哪里？
70020编辑于 2023-11-16 - 来自专栏软硬件融合
算力网络系列文章（二）：从云计算到算力网络
编者按 算力网络，对行业来说，是“整合”还是“分工”？ 一直以来，我都认为算力网络是行业整合的过程，通过算力网络运营商把全国的算力资源统筹到一起，形成高效的统一算力供应。 而在算力网络时代，最主要做的是构建后台算力中心（从数据中心升级到算力中心）和前台算力服务运营解耦分工的新业务模式。 算力中心，专注于算力中心建设，专注于算力的最优性能和最低成本（包括建设成本和运营成本）；同时，还要有非常广阔的算力销售渠道，确保算力的广泛销售，最大限度减少闲置算力资源。 3.3 算力生产和算力运营的解耦 在云计算时代，算力供应和运营是一体的，客户是算力需求方。像电商的平台、卖家、买家三方关系一样，算力网络时代，需要实现算力供应和算力运营的解耦： 算力供应商。 依据规模从大到小，包括：大规模算力中心、小规模边缘算力中心、用户现场算力机柜，以及批量算力终端。 算力需求方。数字化业务需求的各类企业。
2.1K12编辑于 2024-03-27 - 来自专栏鲜枣课堂
世界算力简史（中）
接上集：世界算力简史（上） 在上一篇里，小枣君提到了ENIAC的诞生。 其实，在1945年-1948年，也就是我们中国还处于内战时期时，除了ENIAC诞生外，科技领域还发生了好几件大事。 它改变了计算机产业的商业模式，标志着算力不再仅为少数大型企业服务（大型机），而是开始昂首走向了普通家庭和中小企业。 技术蓄力 除了处理器之外，计算机存储设备和网络技术也有显著进步。 未完待续…… 敬请期待——《世界算力简史（下）》 参考文献： 1、《计算机的发展历史汇总》，网络； 2、《算力发展简史》， 庐山真容； 3、《世界上第一台个人电脑是哪台？》
72520编辑于 2023-08-21 - 来自专栏SDNLAB
“东数西算”培育壮大算力经济
“东数西算”工程旨在通过国家枢纽节点的规划和建设，引导东部数据中心建设集约化发展，西部数据中心建设跨越式发展，实现东西部算力需求与供给统筹调度，各级数据中心集群由中心城市向城市周边转移，推动算力、网络、 “东数西算”将为我国建设一张算力大网，又可成为算力网络。 我国对算力网络早有布局。 并且，根据《中国算力发展指数白皮书》发布的数据显示，中国算力资源中每投入1元带来的经济收益是3-4元。 ，包括《中国联通算力网络白皮书2019》、《算力感知网络技术白皮书2019》、《中国通信学会算力网络前言报告2020》、《多样性算力技术愿景白皮书2021》、《中国算力发展指数白皮书2021》、《中国移动算力网络白皮书 ，整个市场的技术创新和卡脖子技术的沉淀相对薄弱；然后，虽然我国在算力网络标准规范方面已有初步布局，形成了网络5.0产业联盟算力网络特设工作组；CCSA TC621 算网推进组；ITU 算力网络标准等，但是在具体方向上仍有许多空白
1.7K30编辑于 2022-04-29 - 来自专栏Python项目实战
云端算力调度算法研究：算力不是不够，是你不会“分”
云端算力调度算法研究：算力不是不够，是你不会“分”大家好，我是Echo_Wish。今天想跟你聊一个看起来很高大上、但本质特别接地气的话题——云端算力调度算法。 很多人一提算力调度，第一反应是：“那不是云厂商、Kubernetes、调度器干的事吗？跟我有啥关系？”但我可以很负责任地说一句：你系统慢、成本高、资源利用率低，90%跟算力调度有关。 二、云端算力调度，调的到底是什么？别被“算力”这两个字骗了，它不只是CPU。 在真实云环境里，调度对象至少包括：CPU/vCPU内存GPU/NPU磁盘IO网络带宽拓扑结构（NUMA/跨机房）所以调度算法面对的，其实是一个多维约束优化问题。 2️⃣冷启动与预热容器拉镜像GPU初始化JVM启动很多时候：不是没算力，是算力“没热身”。3️⃣异构算力调度现在的云，不只有CPU：GPUNPUFPGA调度策略必须知道：“这活，谁干最合适。”
23810编辑于 2025-12-30 - 来自专栏智能相对论
算力形态进化后，AI超算能解开数据科学团队的算力桎梏吗？
几乎所有AI场景对算力的需求都在加速膨胀，过去一些年，市面上能够提供给数据科学团队的算力形态，在一定的条件下都未必能很好地满足需要，尤其是主流的基于CPU的庞大数据中心，在计算能力上离支撑快速迭代要求的算力水准还有较大差距 需求变化推动着供给变革，算力供给形态这些年也在持续进化，其中，一类可以承担人工智能数据中心职责、提供符合需求算力的产品——“AI超级计算机”开始走向台前。 而在具体场景中，很多组织也在通过AI超算获得算力。 可以看到，AI超算正在满足不同类型组织中的数据科学团队需要。 除了算力，AI超算 还将解决数据团队的“要素配置”难题？ 小结 如同PC的发展，从一间房到半张桌，从KB到GB到TB，从专业团队操作到人人可用，AI算力设备也在经历类似的过程，高能力、低门槛，优质算力资源正在实现更好的触达，让组织的数据科学团队更好地获取匹配的算力
1.4K30发布于 2021-07-22 - 来自专栏云头条
算力服务哪家强？
数字技术正在融入生产生活的每一个环节，算力成为数字经济时代的新生产力，算力的价值正在超越资源本身，算力服务应运而生。作为一个新兴产业，我们该如何评估算力服务？ 站在用户视角，算力服务是一项产品，产品力也是算力服务评估模型的核心维度。 算力服务价值评估模型的意义在于，在某种程度上给业界以指引，算力服务厂商可按部就班补足自己的短板；放大到算力产业，众多厂商形成合力，认知到建设算力产业生态的正确“姿势”，形成新型算力服务的潮流。 算力最终要落到实际应用场景才能兑现价值，千行百业需要的不只是单纯的算力，更是以算力为基础的服务体系，需要多维度考量用户应用、成本、算力兼容性等因素。 从整体资源分配角度来看，一站式算力服务平台可以将多方、异构资源整合，实现资源的有效调度、管控，解决由于算力区域间不平衡而导致的供需矛盾问题，一站式完成算力生产、算力聚合、算力调度、算力释放。
2.8K20编辑于 2022-09-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号