“AI的盡頭是電力”，真不是一句玩笑話。

來自Gartner的報(bào)告顯示，“到2027年，40%的AI數(shù)據(jù)中心將因電力供應(yīng)不足而導(dǎo)致運(yùn)營受限。”國際能源署（IEA）發(fā)布的報(bào)告指出，“越來越普遍的超大規(guī)模數(shù)據(jù)中心的電力需求達(dá)到100MW（兆瓦）甚至更高，每年的用電量相當(dāng)于約35萬至40萬輛電動汽車的電力需求�！�

與一個(gè)傳統(tǒng)數(shù)據(jù)中心幾MW到幾十MW的用電量相比，大型智算中心的涌現(xiàn)，導(dǎo)致用電量的飆升是顯著的，用電和能耗越來越成為AI時(shí)代數(shù)據(jù)中心運(yùn)營面臨的巨大挑戰(zhàn)。

大模型熱潮推動通用算力向AI算力過渡，在這種算力革命中，蘊(yùn)含了數(shù)據(jù)中心的跨越式巨變。

AI時(shí)代的數(shù)據(jù)中心跨越式巨變與挑戰(zhàn)

在華為數(shù)據(jù)中心能源領(lǐng)域總裁堯權(quán)看來，相比傳統(tǒng)計(jì)算，AI時(shí)代主要有2個(gè)變化：第一是從摩爾定律到后摩爾時(shí)代，性能和功率大幅上漲；第二是從“異步”到“同步”計(jì)算方式的變化，AI設(shè)備集群化趨勢明顯。前者以功耗換性能，從CPU到GPU，服務(wù)器、機(jī)柜等功率提升至少10倍；后者推動AI設(shè)備集群化部署以達(dá)到更高的算效比，并帶來十倍的負(fù)載波動率擴(kuò)大，超頻或異常情況下甚至出現(xiàn)毫秒級320%過載的極端情況。

這樣的變化進(jìn)而為DC基礎(chǔ)設(shè)施的建設(shè)帶來了新的挑戰(zhàn)。

以上提及的電力需求大的挑戰(zhàn)是最為直觀的，IDC預(yù)測，AI數(shù)據(jù)中心的能耗將以44.7%的復(fù)合年增長率增長，到2027年達(dá)到146.2TWh（太瓦時(shí)）。隨著1GW數(shù)據(jù)中心正在成為現(xiàn)實(shí)，亟需解決獲取電力難、絕對耗電量增加等難題。

與此同時(shí)，AI的快速發(fā)展也帶來了數(shù)據(jù)中心安全性、高功率和不確定性挑戰(zhàn)。

例如，集群計(jì)算帶來了故障域的增加，一個(gè)環(huán)節(jié)的故障可能會影響整個(gè)集群系統(tǒng)，導(dǎo)致大模型訓(xùn)練任務(wù)中斷等業(yè)務(wù)影響和巨大的經(jīng)濟(jì)損失；伴隨著功率密度提高，配電間占地激增，同時(shí)制冷系統(tǒng)一旦出現(xiàn)故障，故障響應(yīng)時(shí)間由5kW/柜的5~10分鐘縮短至100kW/柜的10s級，否則將出現(xiàn)高溫宕機(jī)；另外，隨著AI芯片的功耗密度跨越從三年一代，加速到一年一代，這時(shí)面臨不確定挑戰(zhàn)，即今天新建的數(shù)據(jù)中心能不能滿足2年后的需求？

一系列挑戰(zhàn)需要新的數(shù)據(jù)中心架構(gòu)、技術(shù)、產(chǎn)品進(jìn)化去應(yīng)對，日前舉辦的華為數(shù)據(jù)中心能源十大趨勢發(fā)布會，為行業(yè)提供了洞見與思考。

安全、彈性與綠色的數(shù)據(jù)中心進(jìn)化之路

發(fā)布會上，華為堯權(quán)分享了數(shù)據(jù)中心基礎(chǔ)設(shè)施建設(shè)的十大趨勢，面向智算時(shí)代的數(shù)據(jù)中心進(jìn)化之路指向了三個(gè)核心原則：安全可靠、彈性演進(jìn)、綠色低碳。

• 安全可靠是智算DC的第一核心訴求

根據(jù)Uptime Institute 2023年全球數(shù)據(jù)中心調(diào)查，55%的數(shù)據(jù)中心運(yùn)營商因電力、冷卻、軟硬件及網(wǎng)絡(luò)問題等，在過去三年內(nèi)遭受過停機(jī)故障，盡管故障頻率在下降。但重大故障造成的損失仍然很大，54%的受訪者表示最近一次重大故障造成的損失超過10萬美元，16%的受訪者表示一次中斷損失超過100萬美元。

以往建設(shè)數(shù)據(jù)中心很關(guān)注成本，因?yàn)檫^去數(shù)據(jù)中心L1建設(shè)費(fèi)用占比在15%左右，而智算數(shù)據(jù)中心服務(wù)器價(jià)值激增，同時(shí)L1基礎(chǔ)設(shè)施占比只有3%左右，因此安全可靠成了L1基礎(chǔ)設(shè)施的最重要要素。

所以，數(shù)據(jù)中心壞不起，尤其面向智算時(shí)代，IT設(shè)備的價(jià)值更高，安全故障的代價(jià)更大。

華為發(fā)布的數(shù)據(jù)中心基礎(chǔ)設(shè)施建設(shè)十大趨勢首要便指出，安全可靠已成為建設(shè)DC基礎(chǔ)設(shè)施的第一核心訴求。如何做到真正的安全可靠？顯然不能局限于單點(diǎn)或局部。華為認(rèn)為從規(guī)劃、建設(shè)到維護(hù)，以高可靠的器件、產(chǎn)品、架構(gòu)，以及智能化管理、專業(yè)化服務(wù)等全生命周期的安全可靠，才是真正意義上的安全可靠。并且，安全可靠的數(shù)據(jù)中心降低故障發(fā)生的風(fēng)險(xiǎn)和損失，這也意味著全生命周期的安全可靠才是真正的低成本。

其次，隨著智算DC的功率密度增加，機(jī)電設(shè)備有著高電壓、大電流的特征，這些設(shè)備的應(yīng)用安全性是不得不考慮的因素，隔離式架構(gòu)是保障算力設(shè)施安全的最優(yōu)選擇。一方面，強(qiáng)電優(yōu)選進(jìn)行拉遠(yuǎn)化部署，確保故障域風(fēng)險(xiǎn)最小化；另一方面，在條件不具備的情況下，強(qiáng)電與IT機(jī)房室內(nèi)獨(dú)立隔離部署，并做到對應(yīng)的鋰離子電池室規(guī)范化部署。

再者，在智算功率密度激增環(huán)境下，正如上文所言，故障響應(yīng)時(shí)間縮短到10s級，連續(xù)式制冷是智算高密場景的必要能力。其一要確保正常運(yùn)行制冷不中斷，如何保證供電連續(xù)、無感切換、規(guī)避器件單點(diǎn)故障是實(shí)現(xiàn)連續(xù)制冷的關(guān)鍵；其二要實(shí)現(xiàn)極端異常場景下的快速恢復(fù)，一鍵最大制冷輸出、設(shè)備中斷后快速重啟、液冷系統(tǒng)快速補(bǔ)液等逃生通道尤為重要。

繼而，預(yù)測性維護(hù)又是保障安全可靠的又一道重要防線，面對數(shù)據(jù)中心的三大主要故障：掉電、起火和高溫，AI將顯著提升DC運(yùn)維主動安全。例如，AI通過擬合電池充放電曲線，精準(zhǔn)預(yù)測備電時(shí)間，避免因放電不足導(dǎo)致掉電；針對鋰電池，AI能通過電、熱、化學(xué)信號識別潛在風(fēng)險(xiǎn)，防止熱失控；此外，AI還能預(yù)測空調(diào)冷量衰減，并分析液冷管路的滲漏風(fēng)險(xiǎn)，防止機(jī)房高溫故障。所以，從故障的被動響應(yīng)到主動預(yù)防，AI能夠發(fā)揮重要作用。

最后，3分靠設(shè)備，7分靠維護(hù)，專業(yè)化服務(wù)是DC可靠運(yùn)行的堅(jiān)實(shí)保障。在部署環(huán)節(jié)，從交付前到交付后，包括環(huán)境/施工/驗(yàn)證等，依靠工具進(jìn)行E2E全流程管控；在維護(hù)環(huán)節(jié)，通過定期巡檢和工具監(jiān)測服務(wù)，提前發(fā)現(xiàn)潛在風(fēng)險(xiǎn)�？傊�，包括專業(yè)的工程師、軟硬件平臺，以及專業(yè)的流程和標(biāo)準(zhǔn)在內(nèi)的專業(yè)化服務(wù)是確保數(shù)據(jù)中心全生命周期安全可靠的關(guān)鍵因素。

• 彈性演進(jìn)構(gòu)建應(yīng)對不確定性的基礎(chǔ)設(shè)施架構(gòu)

彈性演進(jìn)是華為發(fā)布的數(shù)據(jù)中心基礎(chǔ)設(shè)施建設(shè)十大趨勢呈現(xiàn)出的第二個(gè)核心原則。

在芯片迭代加速和AI正面臨圈地激烈競爭環(huán)境下，企業(yè)要贏在起跑線，數(shù)據(jù)中心建設(shè)速度快、交付快，基礎(chǔ)設(shè)施構(gòu)建應(yīng)對不確定性的架構(gòu)，尤為關(guān)鍵。

華為指出，模塊化架構(gòu)是應(yīng)對AI DC需求不確定性的關(guān)鍵。模塊化架構(gòu)通過機(jī)房標(biāo)準(zhǔn)化、功能模塊化和機(jī)電解耦化，實(shí)現(xiàn)核心子系統(tǒng)按需部署和彈性擴(kuò)容，靈活適應(yīng)未來業(yè)務(wù)演進(jìn)。

另外，子系統(tǒng)預(yù)制化是AI DC快速交付的有效手段。一方面，預(yù)制化帶來更高的生產(chǎn)效率，讓DC產(chǎn)品更快地完成現(xiàn)場交付；另一方面，子系統(tǒng)預(yù)制化不是全預(yù)制，也不是部件預(yù)制，而是將解決方案產(chǎn)品化，需要經(jīng)過專業(yè)的設(shè)計(jì)、仿真、測試和自動化工裝等方式，實(shí)現(xiàn)匹配彈性需求的各子系統(tǒng)相互獨(dú)立且預(yù)制化，為AI數(shù)據(jù)中心快速且高質(zhì)量交付提供保障。

• 綠色低碳破解智算集群電力獲取難、高能耗難題

綠色低碳是華為發(fā)布的數(shù)據(jù)中心基礎(chǔ)設(shè)施建設(shè)十大趨勢呈現(xiàn)出的第三個(gè)核心原則。

正如我們上文指出，AI的盡頭或者說算力的盡頭是電力，智算的電力需求大是嚴(yán)峻挑戰(zhàn)，對此帶來的是成本的高企。推動數(shù)據(jù)中心綠色節(jié)能有著巨大的經(jīng)濟(jì)收益，例如對于一個(gè)500MW的數(shù)據(jù)中心來說，PUE降低0.1，每年就能節(jié)省超過2億的電費(fèi)。如何實(shí)現(xiàn)綠色低碳？

首先，在以液冷為趨勢的場景下，和風(fēng)冷追求溫控效率不同，供電高效在AI DC的價(jià)值日益凸顯。在此過程中，供電效率從模塊高效走向系統(tǒng)高效變得越來越必要，即追求數(shù)據(jù)中心UPS的極致能效。S-ECO（智能在線模式）突破供電效率瓶頸，是提升整體系統(tǒng)效率的理想選擇，并解決了切換時(shí)延和均流問題。

其次，AI將賦能DC綜合能效提升。在供電方面，尤其是S-ECO模式下，需要AI來對供電設(shè)備進(jìn)行輪巡控制，根據(jù)電力模塊負(fù)載情況靈活調(diào)控，賦能供電能效提升；在制冷方面，尤其是風(fēng)液共存的制冷方案下，調(diào)參的復(fù)雜度較大，AI能力能更精細(xì)地根據(jù)設(shè)備環(huán)境情況來調(diào)整制冷能效，賦能制冷能效提升。

第三，算電協(xié)同將成為DC建設(shè)的新模式。一系列權(quán)威報(bào)告已經(jīng)說明，未來AI數(shù)據(jù)中心因電力供應(yīng)不足導(dǎo)致運(yùn)營受限是現(xiàn)實(shí)問題。破解之策在于，采用綠電直供，如在數(shù)據(jù)中心周圍建設(shè)光伏，滿足DC電力容量需求。與此同時(shí)，電網(wǎng)協(xié)同也能更好地做到調(diào)頻調(diào)峰，實(shí)現(xiàn)更高的出電率。另外，數(shù)據(jù)中心還可以根據(jù)自身訓(xùn)練、推理的需求，按需調(diào)度負(fù)載，實(shí)現(xiàn)綜合效率最優(yōu)。

筑牢AI基石，讓數(shù)字世界堅(jiān)定運(yùn)行

總體來說，安全可靠、彈性演進(jìn)、綠色低碳指明了通用算力向AI算力過渡中，數(shù)據(jù)中心基礎(chǔ)設(shè)施建設(shè)的演進(jìn)之路與趨勢。

據(jù)Gartner預(yù)測，到2026年，超過80%的企業(yè)將使用生成式人工智能API，或部署生成式人工智能的應(yīng)用程序。毋庸置疑，AI浪潮已呼嘯而來，在此背后，智算基礎(chǔ)設(shè)施是促進(jìn)各領(lǐng)域產(chǎn)業(yè)智能化升級的底座和發(fā)動機(jī)。

在AI推動的算力革命中，筑牢算力新時(shí)代的基石至關(guān)重要，安全可靠、彈性演進(jìn)、綠色低碳的數(shù)據(jù)中心讓數(shù)字世界堅(jiān)定運(yùn)行。