4月22日，阿里巴巴达摩院发布全球首个自动驾驶“混合仿真测试平台”。 仅需30秒，系统日虚拟测试里程可突破800万公里，大幅提升自动驾驶AI模型训练效率。
道路测试是实现自动驾驶的核心环节。 研究表明，自动驾驶汽车需要积累177亿公里的测试数据楼宇自控系统仿真，才能保障自动驾驶感知、决策、控制全链路的安全。 传统的纯虚拟仿真测试平台可以快速完成自动驾驶路测里程，但仍面临极端场景训练效率低下的关键问题：极端场景数据不足，无法还原真实路况的不确定性，系统无法准确应对真实路况中的突发情况，自动驾驶将难以取得进一步突破。
针对极端场景下数据不足的问题，平台可以任意增加极端路测场景的变量。 在实际路测中，再现一个极端场景接管可能需要一个月的时间，但该平台可以在30秒内完成雨雪天气、夜间光照条件差等特殊场景的搭建和测试。 支持的场景构建数量达到数百万。
业内专家指出，该平台解决了大规模复现极端场景的问题，将这些关键场景的训练效率提升了数百万倍，将加速自动驾驶向L5阶段加速。
在邦总看来，自动驾驶的实现是一个长期的发展过程，需要多行业协同发展。 它关系到人类未来的出行安全，需要循序渐进，夯实基础，稳步前行。
数据中心的特性决定了它需要不间断地运行。 要做到这一点，稳定持续的冷却是基本条件之一。 但是，冷却需要电力才能运行。 一旦停电，柴油发电机等备用电源需要一段时间才能开始稳定供电。 电力恢复后楼宇自控蓄冷罐原理，冷水机的恢复也需要时间。 这将导致冷却不足并影响服务器。 在严重的情况下，甚至可能会停机。
因此，数据中心应配备备用冷源或应急冷源，以保证不间断制冷。 冷库是数据中心提供冗余和应急冷却的重要方式之一。 目前正在逐步发展中。 关于其应用优势和隐患的讨论也越来越多。
冷库既可应急，又可削峰填谷
从原理上看，冷库是一种利用自然冷源的冷源储存方式。 借助昼夜冷热交替，利用夜间河谷段多余的电能降温，并用低温水储存冷源。 目前，蓄冷方式有水蓄冷、冰蓄冷和相变材料蓄冷三种。 其中，水冷蓄冷是我国广泛采用的一种蓄冷方式。 具有丰富的设计和运营经验。 近年来，其在数据中心的应用逐渐增多； 随着技术和产品的成熟，冰存储也成为数据中心冷存储目前正在尝试的可行方案。
对于冷库，我国也提出了相应的规范。 根据《GB 50174-2017数据中心设计规范》（以下简称规范），采用冷冻水空调系统的A级数据中心应配备冷藏设施，冷藏时间应满足电子信息设备的操作要求。
规范条款还详细描述了冷库的应急供冷场景： 1、当两路电源切换时，需要重启冷水机。 此时空调的冷源由蓄冷装置提供； 2、电源中断时，电子信息设备由不间断电源系统设备供电，空调的冷源也由蓄冷装置提供。
因此，冷库装置的降温时间不应少于不间断电源设备的供电时间。 蓄冷装置提供的冷量包括蓄冷罐及相关管路的蓄冷量和主机房的蓄冷量。
规范显示，当使用柴油发电机作为备用电源时，A级数据中心不间断电源系统的电池备用时间最短为15分钟。 也就是说，蓄冷装置提供的冷却时间至少为15分钟。
图：截取整理自《GB 50174-2017数据中心设计规范》
冷库的初衷是提供不间断的冷却。 但是，考虑到数据中心的制冷现状和冷水机组的冗余，冷库也可以起到调节能量储备的作用，以削峰填谷。 冷库储存的冷能可以在白天用电高峰期释放出来供数据中心使用，帮助数据中心获得峰谷电价差收益，降低用电成本。
目前，数据中心已经得到实践，取得了良好的效益。 在第十六届中国IDC行业年度盛典（）上，与会企业代表表示，公司为北京某数据中心设计的冷库容量配置是一般冷库常规设计的6倍以上数据中心。 实现全天高峰期供冷，保证连续供冷的长期缓冲，使连续供冷更加冗余，每年可降低运维成本100万元以上。
冷库发展中遇到的问题
冷库是利用天然冷源。 可提供应急冷源，削峰填谷。 对数据中心降本增效具有重要意义。 但是，有两个方面。 在实际应用中，冷库也面临不少“问题”。
可能导致PUE增加
PUE是衡量数据中心能效水平的重要指标，降低PUE已成为数据中心建设和运营的重要目标。 但冷库可能会导致PUE值升高。 这主要是因为冷库需要能源供应来维持冷库状态，这会增加除IT设备以外的功耗，导致PUE增加。
在水冷库和冰冷库方面，在水冷库方面，目前很多数据中心都采用中温水进行冷却，效率高，但是冷库密度比较小，所以占用空间大. 为了节省空间，除了在设计中预留空间和使用消防水池和一些不重要的空间外，水冷会通过降低冷库的温度来增加冷库的温差，从而可能导致减少在提高主机效率和增加冷库功耗方面，按照PUE的正常计算，会产生负面影响。
冰冷库占用空间虽小，但其冷库温度较低。 据资料显示，其制冰温度一般为-4℃至-8℃，远低于水冷库4℃的冷库温度。 维持这个温度，也会产生更多的能源消耗，这也会影响PUE。
这导致了对数据中心冷库设备布置的更多关注，对冷库设备的发展形成了一定的障碍。
有一定概率引发安全问题
安全是数据中心的立身之本，冷库设备的增加本身就可能带来新的安全隐患。
一方面，设备的安装可能会增加安全故障的概率。 尤其是冷库，体积大，设备复杂，安装难度极大。 其施工可能会引起安全事故，如冷库沉降事故，由于冷库与主体建筑沉降的差异。 ，导致冷库与系统连接的管道被割断，造成工程事故等； 因此，冷库设备的设计和布置会有所不同，对内部布水器的设计也有不同的要求。 受这些因素的影响，一旦冷库的制冷时间达不到实际需要，就有可能影响使用过程中的制冷量。 数据中心安全。
对整体布局影响大
数据中心是一个整体。 冷库设备占用空间大，与数据中心交互多。 它的构造对整体布局影响很大。
例如，冷库设备的规划不仅要考虑自身的运维、调试和维护，还要评估运维和维护对数据中心运行可能产生的影响。 及时发现隐患和问题，确保系统的安装和正常运行； 又如在蓄水工程建设过程中，错峰填谷蓄水可与应急降温相结合，也可与应急冷却水池、消防池相结合。 为了保证该池在应用时不会对其他池功能产生负面影响。
冷库设备对数据中心的规划建设影响很大，这意味着数据中心需要在运营上投入更多，建设难度更大，这在一定程度上影响了冷库设备的应用。
解决方案及发展方向
从冷库的角度来说，可以保证数据中心的正常运行，充分利用自然冷源，降低数据中心的运营成本。 存在于数据中心是很有必要的，但是要想完成更大范围的推广应用，就需要解决以上问题。 结合相关实践和探索，主要包括以下方案和方向：
PUE综合计算
PUE在衡量数据中心能效水平的过程中起着举足轻重的作用。 要想充分发挥冷库的降温作用，避免冷库对PUE的负面影响，就需要充分考虑冷库的降温效果，考虑其降低能耗的作用。 这个协同方面的效果被用作一个变量，可以灵活地计算 PUE。
目前，已经有地方可以对此进行探索。 例如，《上海市数据中心建设导则（2021年版）》提出综合考虑多项技术对提高数据中心自身和城市整体能效的作用，鼓励有效应用的技术。 综合PUE指标是在基准PUE指标的基础上计算得出的，综合PUE指标作为各数据中心指南的约束条件。
综合PUE的计算公式为：PUE综合=PUE基准-∑γi
γ错峰冷库系数衡量被评估数据中心采用冷库技术降低峰值电力负荷的程度。 根据当年总冷量占总冷量的比例，可确定不同的错峰冷库系数：
推动冷库技术发展
技术是推动行业进步、提升产品应用范围的动力源泉。 目前冷库面临的安全问题以及对整体建设的影响，都可以通过技术来缓解甚至解决。
从目前的实际来看，冷库技术的进步主要分为两个方面。 一是智能技术的提升。 无论是削峰填谷，冷库温度的控制都需要结合数据中心的状态进行。 只有高度智能化才能在现有基础上进一步实现精确控制和协调，提高能源利用效率； 另一方面，基于冷库的技术有待不断完善，目前相关探索也在不断增加，比如动态冰库系统。 其中，冰浆系统以其效率高、体积小、故障率极低等特点，成为数据中心冰蓄冷系统的可选技术之一。
与电力存储完全集成
数据中心储能是指存储新能源为数据中心供电，与冷库结合是指利用新能源发电进行冷库存储。
冷库具有夜间山谷用电的特点，新能源也需要时间来完成充电。 两者结合可以充分结合这一特点，实现时间和能量效率的进一步利用。 如太阳能、光伏设备可以在白天储存能量，晚上为冷库供电。
同时，通过储冷一体化，在原有提供应急供冷和削峰填谷的基础上，进一步提升新能源的利用，实现节能减碳。数据中心将得到推广。 在现阶段，这也为新能源消费和储能的发展提供了新的思路。
联动多行业冷源供应
随着“双碳”目标的临近，能源的利用越来越充分、互联互通，数据基础设施也有望与众多民生产业形成联动。
数据中心作为与能源息息相关的行业，不仅需要大型冷库，还产生大量热能，成为超级能源综合体成为可能。 通过开发冷能和余热，为多行业提供能源，形成多行业多场景能源互动联动发展，将高负荷能源转化为高能源供应。
在冷库方面，理论上数据中心可以结合丰富的场景，如毗邻滑雪场、大型冷链物流等，通过提供源源不断的冷源，形成高能的用能生态系统效率和低碳排放。 当然，这个场景的形成有很多前提条件，包括冷库稳定、冷源充足、经济效益等。 目前，这些条件都比较缺乏。
综合来看，作为应急冷源，冷库是数据中心实现不间断制冷的重要选择，可用于削峰填谷，但其对PUE的负面影响、安全隐患、建设成本高难度等不容忽视。 数据中心要想用好冷库，需要在多方面进行探索，比如选择水冷库和冰冷库，比如及时调整PUE计算的考虑因素和方法，比如发展技术和安全。 沉重而遥远。
