AI算力驱动数据中心功率密度向30kW跨越

AI算力推动数据中心功率密度从5kW向30kW跨越。传统架构难适应新需求,模块化设计与液冷技术成为关键,决策周期缩短至数月,设施需具备三年后的扩容能力以应对非渐进式变化。

在人工智能浪潮席卷各行各业的当下,数据中心基础设施面临的挑战已从单纯的容量扩张转向对高密度计算支持的适应性考量。过去两年间,金融、医疗等受监管行业的客户咨询重点主要围绕正常运行时间、认证资质及成本;如今,关于 AI 算力支持能力及扩容时间表的问题已成为首要关注点。

功率密度迈向30kW

AI 驱动的需求增长迫使决策周期从数年缩短至数月,这从根本上改变了设施设计与运营逻辑。对于首席信息官和技术领导者而言,评估供应商的核心问题不应仅局限于“当前是否有可用容量”,而应聚焦于“现有设计能否适应三年后所需的功率密度”。

功率密度成为核心挑战:从 5kW 到 30kW 的跨越

全球范围内的基础设施瓶颈主要集中在电力密度、冷却效率及电网容量上。传统数据中心架构针对低功率密度设计,而 AI 工作负载要求单机架承载更高功率并配备先进冷却系统。

数据表明,两年前标准企业工作负载的机架功率为 5 至 10 千瓦,目前已被要求在 18 个月内支持 15 千瓦,且未来几年需具备支持 25 至 30 千瓦的能力。这种非渐进式的变化需要全新的物理设计,通常采用模块化性能优化数据中心(POD)架构和内行冷却技术,以实现电力和冷却能力的逐步增加,从而控制投资并提高效率。

由于缺乏足够的密度适应能力,包括欧洲部分枢纽在内的成熟市场正难以跟上需求增速。例如,某设施曾在 30 天内重新配置 POD 以满足客户变化的需求,这证明了只有将适应性融入初始设计,而非事后补救,才能实现此类快速转型。

冷却技术演进:模块化与液冷优势

随着 AI 处理需求增加产生的热量管理成为关键议题。好消息是,冷却技术的进步使得高密度部署不再依赖寒冷气候条件。

通过模块化设计,冷却能力可随 IT 负载的增加而动态扩展。客户通常先建立初始设置,随后根据需求逐渐扩大容量。在此过程中,排列冷却单元按需激活,确保资源仅在必要时刻和地点部署。此外,基于冷却剂的液冷系统逐渐取代以水为基础的冷却系统,提高了能源和水资源的使用效率,这也符合监管机构及社区日益严格的审查标准。

可持续性需融入日常运营而非愿景口号

面对公众对数据中心占用土地、水和电力资源的负面报道,行业需正视其经济与社会影响。除直接运营岗位外,数据中心还带动了安全、维护、清洁、物流及运输等领域的间接就业,并推动周边能源和连接基础设施的投资。

可持续性必须成为经营性指标,而非事后的倡议。这意味着在日常运营中落实高效冷却设计、透明的社区参与以及对熟练工程人才的投入。通过与地方政府合作,确保当地电力和能源基础设施获得正确投资,是实现可靠、设计精良且运营良好的基础设施的关键。这类设施不仅能服务银行、政府云及 AI 客户,还能吸引后续的技术投资和数字技能生态发展。

首席信息官的基础设施评估清单

鉴于 AI 需求带来的根本性转变,企业在评估基础设施时应避免仅依赖容量表格,转而关注以下设计维度:

  • 供应商的设计如何适应功率密度,而非仅仅关注地面空间?
  • 是否有证据证明该设施能在实际条件下满足需求,而不仅仅是纸面参数?
  • 可持续性是否已整合进日常运营(如冷却设计、社区参与、人才储备),还是作为独立举措存在?
  • 随着密度增加,供应商是否已规划空气冷却失效后的替代冷却技术及基础设施方案?

正确处理上述问题的组织,往往比拥有最激进 AI 路线图的组织更能确保持续稳定的基础设施支持。

评论 0

0/500

评论需审核后展示,请文明发言

💬
还没有评论,来说两句

相关阅读