AI数据中心物理特性对比：本地部署还能用吗

人工智能工作负载对图形处理单元（GPU）的电力与冷却需求急剧攀升，直接芯片液冷技术正从可选项变为强制部署方案。

这一判断并非危言耸听。从传统数据中心向AI工厂的转型，正是驱动这场变革的核心力量。

整个数据中心的架构将彻底重构，本地数据中心可能迎来终结——成本与复杂度已超出企业自主管理的边界。

上述观点出自数据中心基础设施供应商施耐德电气近期主办的一场行业研讨会。现场专家深入剖析了数据中心领域的演进方向，并实地探访了安大略湖畔一座由TeraWulf负责建设的750兆瓦级站点。

在四篇连载中，我们将逐一拆解以下议题：TeraWulf站点的建设速度、GPU功率跃升对数据中心设计路线的影响、对电网与水资源的实际消耗，以及“锈带”区域如何让位于AI工厂的全新格局。

AI驱动的能耗激增，正引发数据中心设计的阶段性变革。核心矛盾在于：为GPU供电与冷却的需求，传统风冷架构根本无法满足。AI工厂因此应运而生。

数据中心冷却一度是暖通空调设计中最可预测的环节——将服务器装入机架，用冷风吹扫即可。AI彻底颠覆了这一惯例。

驱动AI革命的硬件，特别是GPU，其热密度与电密度已远超传统风冷方法的处理能力。训练和推理大语言模型所需的芯片，并非靠增加或加速风扇就能解决。

相反，行业正站在一个十字路口：必须全面转向直接芯片液冷技术，并将机架级电力传输升级为800伏直流电。

液冷已无退路

“液冷不是选项，是硬性要求。”施耐德电气旗下热管理公司Motivair（于2024年被收购）首席执行官Rich Whitmore表示，“这是所有高功率处理器的基准。临界点出现在大约700瓦的处理器上，例如H100。那是风冷从物理定律的‘规则弯曲’走向现实的交叉点，人们别无选择。”

支撑这一转变的物理原理很简单：一旦单个处理器超过700瓦阈值，空气根本没有足够快的流动速度和热容量，来防止硅芯片降频甚至熔毁。

历史上，企业级机架的平均功率在10千瓦至50千瓦之间。但现代AI训练环境通常部署140千瓦至150千瓦的集群。200千瓦系统已在路上，而兆瓦级机架的参考架构也将在本十年末成为现实。

这种能量集中度意味着，100%的输入电力都会转化为热量，而其占地面积仅相当于一台冰箱。

矛盾的是，这一转变反而释放了热力学效率。传统数据中心需要耗能的制冷设备制造低温空气；而液冷系统运行温度更高，允许运营商使用高温冷却器或流体-空气干式冷却器。

“风冷数据中心就像老式大众发动机，负载产生的热量直接排到空间里。”施耐德电气冷却技术与产品开发负责人Tuan Hoang打了个比方，“但液冷就像现代汽车——散热器从发动机中带走热量。切换到这种闭环散热器后，冷却AI工厂实际上根本不需要消耗水。”

800伏直流电成为标配

热限制正在将流体动力学引入数据中心的白空间——即放置IT硬件、直接产生收入的区域。但驱动200千瓦至400千瓦服务器配置所需的电流，会直接压垮现有的低压配电框架。

迄今为止，云设施依赖开放计算项目标准，将交流电输送至机架，再由内部电源转换为48伏或54伏直流电供应各台服务器。然而，当机架密度攀升至超过200千瓦时，这种做法在机械和结构上均不可行。

“尝试使用这个架构时，你会发现逐渐失去回旋余地。”施耐德电气AI与数据中心首席倡导者Steven Carlini解释，“这本质上是机械与电气问题。现在，进入高密度机架需要八根电源线。当接近兆瓦级时，你需要32根更粗的电缆穿进去，这根本不现实。”

为绕过这一瓶颈，数据中心设计正果断转向800伏直流供电。更高电压意味着更少电流，进而意味着更细的电缆。通过将配电架构升级为高压直流电，数据中心运营商可以大幅减少进入机柜的铜线厚度、重量和复杂度。

这种电气转型需要新的供电设计：要么是面向混合环境与棕地改造的“边车架构”——将电力转换基础设施从主IT机架中分离出来，放在计算硬件旁边；要么是面向绿地站点的集中式配电——交流-直流转换在设施层、配电间或行尾上游完成。

硅级变革的连锁反应

将数据中心重新设计到硅级别，从根本上改变了基础设施的设计与维护方式。当计算集群以当前速度扩展时，任何微小的电气异常或热偏差都会带来灾难性的商业后果。

“数据中心正在发生根本性变革。”施耐德电气安全电源与数据中心执行副总裁Manish Kumar表示，“我们认为数据中心正演变为规模和复杂度都极为庞大的AI工厂。你必须重新构想如何设计、建造、推向市场，并在整个生命周期中全面审视数据中心。”

这种工业复杂性始于物理部署之前的数字孪生建模。由于AI开发人员每日因GPU闲置等待电力而面临巨额财务罚款，提前模拟热负载与电气选择性可降低资本支出风险并压缩部署时间表。

同时，过渡到800伏直流电框架引入了系统保护问题。与交流系统不同，高压直流电路缺乏天然的零点来断开电路。这需要开发专用固态断路器：若刀片级发生单点故障，仅该特定断路器跳闸，而不会导致整个价值数百万美元的训练集群瘫痪。

数据中心正站在岔路口。运营商与企业基础设施面临战略分叉：要么放弃传统风冷与低压电力传输，要么随着AI时代的物理现实淘汰现有基础设施，被时代抛弃。

直接芯片冷却会终结本地数据中心吗？

首席信息官们曾处于一种舒适的平衡状态：企业数据模型演变为混合模式——非关键的弹性工作负载迁移至公共云，而敏感的核心业务系统、专有数据集和可预测的处理负载保留在企业内部传统风冷的本地服务器机房中。

AI可能打破这种平衡。随着从标准CPU计算转向加速GPU集群，现代AI硬件的物理要求与传统本地设计完全无法兼容。

那么，当下一代硅芯片强制要求直接芯片液冷与前所未有的功率密度时，这是否意味着本地企业数据中心将走向终结？

液冷对大多数企业不可行？

正如前文所述，基础设施的拐点植根于AI硬件的热密度。

对于行业内部分人士来说，部署液冷框架所需的复杂度与资本支出，意味着本地AI对绝大多数企业不可行。

过去，企业可以建造高质量的数据中心建筑，安装电气与冷却基础设施，然后在15年内可靠地运行三代、四代甚至五代连续的IT硬件更新，完全无需改变底层设施。

AI硬件打破了这一模式。芯片设计的加速意味着每一代AI处理器都会带来新的物理尺寸、功率配置和流体流动要求，这些与仅一年前建造的基础设施根本无法兼容。

“在数据中心旧时代，你建造建筑、设施、电力和冷却系统，然后可以支撑三次、四次甚至五次IT更新。”Cloudflare客户经理Chris Burnett说，“如今的数据中心……很少有人会为下一代建造双倍规模的电力和冷却系统。你是为今天而建，这极具挑战性。”

对企业首席信息官而言，商业影响非常直接：建造一个能处理200千瓦机架的本地数据中心，需要数百万英镑的专业前期资本支出。若这个定制设施在一个IT生命周期内就因下一代硅芯片需要不同的流体动力学或更高电压而过时，财务投资回报将瞬间蒸发。

因此，外包给大型公共云超大规模提供商或专业多租户托管提供商的理由显得非常有力。

还是人人可及的民主化部署？

但也有人认为，现在宣布企业数据中心死亡还为时过早。从这个角度看，企业AI的长期未来不会仅由单一的基础模型训练构成——这部分无疑属于专业的超大规模环境。相反，普通企业的真正商业价值在于：在专有企业数据上微调更小、高度安全、特定领域的模型。

“企业会部署直接液冷吗？还是说这超出了他们的能力范围？我认为他们肯定会。”施耐德的Carlini说，“他们一定会转向直接芯片液冷。”

他认为，随着直接芯片液冷技术成熟，市场将经历工业标准化过程。届时，基础设施提供商将提供模块化、自包含的“即插即用”液冷机柜，专门设计用于适应现有企业占地面积。

Carlini强调，一旦跨越最初的机械障碍，液体系统固有的热力学效率就会对企业有利。“凭借液冷的效率和运行温度，用水量会少得多。”

通过以明显更温暖的流体温度运行，这些系统消除了对大型复杂外部制冷装置的需求，可能使本地化高密度计算在运营上反而比传统风冷系统更高效率。

混合模式或许是答案

与此同时，还有另一种可能性：采用围绕AI生命周期阶段构建的混合方法。

对于资源密集型的训练阶段——数千个GPU必须紧密集群，在数周或数月内摄取PB级数据——企业数据中心绝对行不通。这项工作必须外包给那些拥有原生800伏直流电配电与高容量液冷回路的专业超大规模或托管环境。

但一旦模型训练完成，运营重点就转向推理。每次查询所需计算密度低得多，推理必须在物理上靠近公司的运营数据存储，以最小化网络延迟并遵守数据保护法规。

这正是Carlini描述的本地液冷服务可能找到归宿的地方。在这种情况下，企业数据中心会被改造，支持紧凑、高效的液冷推理区域。

首席信息官应审核自身需求

直接芯片液冷的出现，彻底瓦解了传统数据中心手册。传统企业服务器机房根本无法适应现代加速硅芯片的物理特性。

试图将AI工作负载强行塞入传统风冷配置的首席信息官，可能会面临热降频、能源浪费和成本飙升。同样，试图在本地复制超大规模数据中心的人，也面临基础设施资本锁定的风险——这些设施可能在下一代芯片时就被淘汰。

前进的道路需要一种严格的、以应用为导向的基础设施规划方法。首席信息官应拆解AI应用管道，区分高密度训练需求与本地化推理需求，分别进行审核。

混合模式可以充分利用专业托管提供商的规模来承担繁重的训练任务，同时企业团队可为安全推理准备标准化的闭环液体系统。

常见问题解答

Q1：为什么GPU必须采用液冷？

A：当单个GPU处理器功率超过700瓦阈值时，空气无法移动得足够快或容纳足够的热能来防止硅芯片降频或熔化。现代AI训练环境的机架功率通常达到140-150千瓦，甚至200千瓦，传统风冷已完全过时，液冷成为硬性要求而非可选项。

Q2：800伏直流电供电相比传统供电有哪些优势？

A：随着机架密度攀升超过200千瓦，传统低压配电需要大量粗大电缆，接近兆瓦级时需32根甚至更多大型电缆，在机械和结构上不切实际。800伏直流电采用更高电压、更少电流的方式，显著减少进入机柜的铜线厚度、重量和复杂度。

Q3：本地数据中心会因AI技术完全消失吗？

A：不会完全消失，更可能形成混合模式。资源密集型的AI模型训练需要外包给专业超大规模数据中心，但训练完成后的推理阶段，企业仍需在本地部署以减少网络延迟并满足数据保护法规。企业数据中心将被改造为支持紧凑高效的液冷推理区域。