
亚马逊云科技在其数据中心运营着由领先的服务器组成的全球网络。尽管这些服务器承载着全球领先的技术,它们最终仍然会像所有硬件一样,需要不断更新换代。为了延长硬件的使用寿命,亚马逊云科技将数据中心里面所有功能齐全、经过数据擦除的退役服务器和组件发送到逆向物流中心,将服务器进行安全拆解,对其组件进行修复和测试,以供重复利用。
该项目作为亚马逊推行《气候宣言》的其中一项举措,将助力亚马逊云科技实现2040年“净零碳排放”的目标。亚马逊云科技的服务器遵循三大循环经济原则:设计时遵循允许重复使用的原则,保持设备高效运行,以及通过再利用、维修和回收从安全退役的设备中回收价值。因此,亚马逊云科技能够尽可能长时间地保持资源的最高价值,尽量避免在全球运营中产生废物,并减少原材料使用和整个供应链的碳排放。
下面是亚马逊云科技逆向物流计划让组件再利用成为可能的具体流程。
1. 从退役的服务器中擦除客户数据

服务器被运送到亚马逊云科技逆向物流中心后,亚马逊云科技首先将擦除所有存储介质上的数据,以确保客户数据都被安全删除。服务器随后退役并进行功能测试。
2. 逆向物流中心接收退役服务器和硬件组件

目前,亚马逊云科技在全球主要区域都设有逆向物流中心,处理来自本区域数据中心的硬件。每个中心都包括一个IT资产处理中心,用于接收数据中心中服务器和单个组件,以及一个故障分析实验室,用于测试和修复使用过的组件。在逆向物流过程中的每个阶段,安全始终都是重中之重。 “对于这些退役的服务器,我们所采取的安全标准与正在数据中心服役的硬件一样。”亚马逊云科技北美逆向物流运营高级经理Lisa Anderson表示。
3. 将服务器小心地拆解成独立的组件

在拆解过程中,服务器被分解成零散的组件。随后,亚马逊云科技技术人员对每个组件进行处理和评估,以确定其最大的再利用潜力。其中,Amazon Nitro芯片、电源装置(PSU)、图形处理器(GPU)、交换机、双列直插式内存模块(DIMM)和光纤是优先进行再利用的组件。
4. 把零散组件送往故障分析实验室进行维修和测试

故障分析实验室是亚马逊云科技逆向物流中心的核心。它由两部分组成:维修实验室和测试实验室。在故障分析实验室,技术人员会检查组件是否存在物理损坏。亚马逊云科技北美故障分析实验室经理Julie Scudder解释道:“技术人员会查找所有可能影响这些组件在数据中心再次使用的缺陷。”检查后,技术人员会根据需要对组件进行维修,并在将组件送去测试之前进行清洁。
5. 故障分析测试确保组件功能

在故障分析实验室,技术人员会让服务器持续运行以进行全面的性能评估。例如在光纤站,亚马逊云科技的技术人员会进行数据传输测试,以确保它们之间的连接状况。在其他测试环节,技术人员会模拟数据中心的运营压力测试或使用脚本文件来测试组件功能。
6. 在模拟数据中心服务器环境的测试设备上安装Nitro芯片

Amazon Nitro芯片及其测试平台由亚马逊Annapurna实验室制造。一旦将Nitro芯片安装在测试设备上以后,故障分析实验室技术人员就会运行一系列脚本文件,以确保Nitro芯片性能与新出厂的芯片都满足相同的高质量标准。Nitro芯片是Amazon Nitro系统的一部分,它提供了增强的安全性、保密性和性能,加速了Amazon Elastic Compute Cloud(Amazon EC2)弹性存储服务的创新。
7. 测试结果发送给亚马逊云科技硬件工程团队进行分析,并用于改进未来设计

在Nitro芯片测试中收集到的数据将被直接发送到亚马逊Annapurna实验室。在分析这些数据的过程中,Annapurna实验室可以尝试进行硬件和软件的进一步调整,以此寻找优化未来新产品开发和进一步延长现有Nitro芯片使用寿命的机会。
8. 功能正常的组件将送回库房,以便在亚马逊云科技数据中心重复使用

逆向物流计划的最后一步是对功能组件进行处理并送回数据中心。 “我们对自己所做的工作感到非常自豪,因为我们知道,我们处理的这些产品仍然能够发挥重要的作用,”Anderson说。“我们所维修的组件虽然很小,但它们有可能对我们的公司、客户乃至整个地球产生重大影响。”
好文章,需要你的鼓励
2025年,企业技术高管面临巨大压力,需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展,完善了项目优先级排序方法。然而,CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现,一些CIO预期明年将带来劳动力策略变化。
这篇论文提出了CJE(因果法官评估)框架,解决了当前LLM评估中的三大致命问题:AI法官偏好倒置、置信区间失效和离线策略评估失败。通过AutoCal-R校准、SIMCal-W权重稳定和OUA不确定性推理,CJE仅用5%的专家标签就达到了99%的排名准确率,成本降低14倍,为AI评估提供了科学可靠的解决方案。
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具,新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集,增加了跨工作负载成本分摊跟踪列,以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长,技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商,小企业可能使用两家,同时还有数据中心、SaaS和许可等服务。
NVIDIA团队开发出Fast-FoundationStereo系统,成功解决了立体视觉AI在速度与精度之间的两难选择。通过分而治之的策略,该系统实现了超过10倍的速度提升同时保持高精度,包括知识蒸馏压缩特征提取、神经架构搜索优化成本过滤,以及结构化剪枝精简视差细化。此外,研究团队还构建了包含140万对真实图像的自动伪标注数据集,为立体视觉的实时应用开辟了新道路。