2023人工智能带来的颠覆：数据中心设计的挑战及相关指南白皮书-施耐德电气_20页_1mb

人工智能带来的颠覆：数据中心设计的挑战及相关指南总结

人工智能（AI）正快速改变数据中心的负载结构和基础设施需求。当前AI工作负载主要包括训练与推理两类，其中训练负载以高功率密度和持续峰值运行为主要特征，推理负载则需在低延迟与高可用性间权衡。预计到2028年，AI相关电力需求将从当前43GW增长至135-200GW，是数据中心总负载CAGR（11%）的两到三倍。

主要挑战与应对指南

供配电系统：

1. 传统120/208V配电无法满足高密度AI集群需求，需转向240/415V配电以减少回路数量。
2. 标准60/63A机架式PDU容量不足，尤其在液冷配置下仅能提供69-87kW功率。建议采用800A规格配电模块或定制化高电流rPDU。
3. 高功率密度导致弧闪风险增加，需通过风险评估确定连接器与插座的额定温度，确保设备符合IEC60320标准。
4. 不建议依赖现有基础设施的超量设计，需根据实际峰均比（接近1）调整上游断路器容量，确保负载总和不超过设计阈值。

制冷系统：

1. 风冷系统难以支持20kW以上功率密度，需转向液冷方案。冷板式液冷因兼容性优势成为当前首选，但浸没式液冷需注意绝缘液的可持续性（如GWP为零的油基绝缘液）。
2. 液冷改造面临标准化缺失、物理空间限制（如高架地板高度不足）和化学物质管理复杂性。建议通过数字化工具（如iSLD）进行可行性分析，并采用冗余设计降低风险。
3. 需协调制冷循环泵与UPS连接，防止漏液风险，同时关注冷却液选择对环境影响（如避免高GWP的碳氟化合物）。

机柜设计：

1. 标准600mm宽机柜难以容纳高功率AI设备，建议采用750mm及以上宽度机柜并配合液冷分液器。
2. 机柜深度需扩展至1200mm以上以适应深服务器与复杂布线需求，同时提升静态承重能力（>1800kg）和动态承重能力（>1200kg）。
3. 需优化机柜空间布局，通过可调节安装轨道适配不同设备深度，并确保通风路径不受阻塞。

软件管理：

1. 部署DCIM（数据中心基础设施管理）和EPMS（电气性能管理）工具，实现对高密度负载的实时监控与容量规划。
2. 建议创建IT空间的数字孪生，通过规则驱动建模功能优化设备布局，避免资源闲置和人为误操作。
3. 针对AI集群的特殊性，需使用CFD工具优化气流分布，并根据热负荷动态调整制冷策略。

未来技术展望

• 新型rPDU设计：支持更高功率密度，减少冗余插口，如150A规格rPDU可提供86kW容量。
• 中压配电技术：采用13kV变压器降低铜缆用量和安装成本，缓解480V配电的供应链限制。
• 固态变压器与断路器：提升电力转换效率，快速切断故障电流，降低弧闪风险。
• 可持续液冷方案：发展高效散热绝缘液及超深机柜，实现更高密度部署的同时降低环境影响。
• 智能负载管理：通过电网互动优化（如动态迁移负载至冗余区域）平衡电力需求与供应。

本白皮书强调，AI带来的挑战需通过系统性设计调整与技术适配解决，既要关注基础设施的扩展性，也需重视安全性与可持续性。现有数据中心改造需优先评估电气容量、制冷能力及物理承重，而新建设施应前瞻性纳入液冷、高功率模块等技术方案。同时，软件工具的数字化应用成为优化AI负载管理的关键支撑。