Центровете за данни с изкуствен интелект пренаписват правилата за проектиране на енергийна инфраструктура. Стелаж с конвенционални CPU сървъри веднъж е изразходвал около 10 kW. Напълно конфигуриран стелаж NVIDIA GB200 NVL72 сега черпи приблизително 120 kW, а пътните карти за 2026 г. вече сочат към стелажи, доближаващи 600 kW. В същото време,Международната агенция по енергетика очаква глобалното търсене на електроенергия в центрове за данни да се удвои до около 945 TWh до 2030 г., с AI като най-големия драйвер. За операторите това измества основния въпрос. Вече не е така"имаме ли достатъчен общ капацитет?"но"може ли нашата захранваща архитектура да достави чисто, излишно и видимо захранване от електрическата връзка по целия път до всеки -GPU шкаф с висока плътност?"
Колко мощност всъщност се нуждае от AI Rack?
„Значително повече мощност“ не е планово число. Честният отговор е, че мощността на стелажа с изкуствен интелект зависи от GPU платформата, целта за резервиране и метода на охлаждане, но публичните референтни точки вече са достатъчно конкретни, за да се проектира спрямо тях.
- Стелаж за процесор-с общо предназначение:до около 12 kW.
- Стелаж с въздушно{0}}охлаждане от клас H100:приблизително 40 kW, близо до практичния таван за въздух.
- NVIDIA GB200 NVL72:приблизително 120 kW на стелаж и около 132 kW напълно конфигуриран, доставен чрез множество захранващи рафтове на 415–480 V трифазни захранвания в DC шина.
- Следващо поколение (пътна карта за 2026 г.):стелажни-мащабни системи, проектирани към 240–600 kW.
За контекст колко крайно е това: theГлобално проучване на Uptime Institute за 2025 гпоставя средната плътност на стелажите на приблизително 9 kW, а повече от 80% от операторите все още съобщават, че няма стелажи над 30 kW.По-малко от 1% от операторите използват стелажи над 100 kW, а тези, които го правят, използват предимно традиционни високо{0}}компютри. С други думи, една капсула GB200 изисква от сградата да направи нещо, което 99% от индустрията никога не са правили. Тази празнина, а не суровите мегавати, е мястото, където повечето проекти за захранване с ИИ изпадат в беда.
Защо работните натоварвания на AI нарушават предположенията за наследена мощност
Обучението на AI, изводите и HPC зависят от плътни клъстери от ускорители, сървъри, съхранение и тежка мрежа отвисоко{0}}скоростна оптична мрежа. Тези системи не се държат като конвенционалните корпоративни ИТ. Традиционен стелаж беше планиран около стабилно равенство; стелажът с изкуствен интелект избутва далеч по-висока пикова мощност и рязко променя потреблението си, докато графичните процесори растат заедно. Когато десетки стелажи правят това в един и същи момент, ефектът се движи покрай шкафа и достига разклонителни вериги, PDU на стелажи, разпределителни пътища, UPS модули и охладителна инсталация.
Ето защо мощността, готова-за AI, трябва да се третира като система от един--край до край. Вход за комунални услуги, разпределителна уредба, UPS, разпределение, шина, PDU в стелаж, мониторинг и охлаждане не са отделни позиции за обществена поръчка тук. Те са една единствена верига и веригата е толкова разгръщаема, колкото и най-слабото й звено.
Критичните AI предизвикателства за мощността на центъра за данни
1. Плътността на мощността на стелажа изпреварва наследената инфраструктура
Най-видимото предизвикателство е, че площта на пода и електрическият капацитет вече не се подреждат. Стая, оценена за 8–10 kW на шкаф, не може да побере стелаж от 120 kW само защото плочката е празна.
Какво означава това на практика:при модернизация първата стена рядко е с общ полезен капацитет. Това е броят на разклоненията-на веригата, капацитетът на шините, натоварването на пода (багажник от клас GB200 надвишава 1300 kg) или просто разстоянието между вратите и пътеките. В много стаи свършват доставящите се ампера на шкаф и структурната височина, много преди залата да свърши мегаватите. Планирайте капацитета както на ниво стелаж, така и на ниво клъстер и потвърдете колко използваеми ампера можете действително да поставите във всеки шкаф.
2. Динамични натоварвания на графичния процесор Преходен отговор на UPS
AI натоварванията са бурни и синхронизирани. Стъпка на колективно намаляване на всички- или запис на контролна точка може да премести тегленето на клъстер с десетки процента за милисекунди, след което да го изпусне отново.
Какво означава това на практика:на UPS с двойно{0}}преобразуване тези колебания се появяват като стъпки на натоварване, през които инверторът и статичният байпас трябва да преминат чисто. Недо-координираните прекъсвачи могат да причинят-препъване при изкачване и да убият много-дневно тренировъчно бягане; лошо споделените паралелни UPS модули могат да се бият помежду си по време на прехода. Посочете UPS и защита за бързи стъпки на натоварване и проверете координацията на прекъсвача спрямо реалния профил на натоварване, а не средната стойност на табелката. -Съхранението на батерията на място все повече се използва специално за поемане на тези колебания в мащаба на съоръжението.
3. Висока-разпределение на мощността за GPU шкафове
Фиксиран път на разпространение, който работи за статични корпоративни натоварвания, рядко поддържа гъсти GPU редове, поетапен растеж и A/B излишни канали едновременно.
Какво означава това на практика:при A/B канали, истинският тест е случайът на отказ. Когато една пътека падне, оцелялата пътека трябва да понесе пълния товар на стелажа, без да превишава своите прекъсвачи или да изглажда съседните шкафове. Оразмеряването на всяко захранване за N капацитет вместо за излишния товар е често срещана и скъпа грешка. Надземните шини често улесняват добавянето или преместването на капацитет, отколкото фиксираните разклонители, но правилният избор зависи от плътността, разположението на помещението и стратегията за поддръжка.
Разпределението също е мястото, където окабеляването се конкурира с мощността за едни и същи тави и тръбопроводи. Единична капсула от 120 kW прекратява стотици влакнести връзки към листови и гръбначни превключватели и това влакно споделя маршрута и пътищата на въздушния поток със захранващите източници. В плътни редици,MPO/MTP магистрално окабеляванеподдържа броя на връзките и обема управляеми, така че да не блокира въздушния поток или достъпа до услугата. Обхватът също има значение: късите връзки от GPU-към-листа обикновено се изпълняват в многомодов режим, докато гръбначните връзки и връзките към кампуса се преместват къмвлакно с един-режим (OS2).за по-дългите разстояния.
4. Качеството на захранването се превръща в проблем за непрекъснатостта на бизнеса
В съоръженията с изкуствен интелект качеството на захранването не е само проблем с електричеството. Това пряко влияе върху времето за работа, живота на хардуера и дали тренировката оцелява.
Какво означава това на практика:висок{0}}превключвател-коефициент на превключване-натоварвания в режим и небалансирани еднофазови-фазови кранове-изключвания тласкат нагоре неутралните токове, хармоничните изкривявания и фазовия дисбаланс. Оставен без наблюдение, дисбалансът обикновено се появява първо като гореща връзка или прекъснато разклонение, а не като подредено предупреждение на таблото. Тъй като ИТ е скъпо и прекъсванията са скъпи, наблюдавайте непрекъснато качеството на захранването, вместо да чакате прекъсвач да открие проблема вместо вас.
5. Захранването и охлаждането трябва да се планират заедно
Всеки ват, доставен на ИТ, се превръща в топлина, която трябва да бъде отстранена. Над приблизително 30 kW на стелаж въздушното охлаждане вече не е жизнеспособно, поради което течното охлаждане директно-към-чипа вече е стандарт за системи от клас GB200.Комитетът TC 9.9 на ASHRAEдобави клас с висока{0}}плътност (H1) към своите топлинни насоки и през 2024 г. публикува технически бюлетин за устойчивостта на течно охлаждане, обхващащ демаркацията на модула за разпределение на охлаждащата течност (CDU), топлинна инерция за внезапни промени в натоварването и моделиране на преходни процеси.
Какво означава това на практика:студените плочи пренасят по-голямата част от топлината на графичния процесор към CDU, но 10–20% от натоварването на стелажа (памет, мрежови карти, оптика, преобразуване на енергия) може да остане въздушно-охлаждано, така че стаята все още се нуждае от обработка на въздуха. Поставянето на CDU, температурата на подаване на охлаждащата течност (обикновено около 25–45 градуса), балансът на потока и маршрутът-за откриване на течове трябва да бъдат уредени преди пристигането на стелажа. Разклонението-от всеки превключвател към сървърите -MPO/MTP прекъснато окабеляване- трябва да бъде насочен умишлено, така че никога да не стои на пътя, от който зависи охлаждането.
Не одобрявайте мощностен капацитет, без да потвърдите отхвърлянето на топлина. Охлаждането, което не може да премахне натоварването, е единствената най-честа причина мощността с висока-плътност да блокира и да стане неизползваема.
6. Ограничената видимост прави планирането на капацитет рисковано
Мониторингът на ниво-стая или UPS-скрива точно това, което има значение в зала с изкуствен интелект: дисбаланс на-фази, локализирано претоварване, скокове на-ниво на стелаж, ограничения на-веригата на разклоненията, влошено резервиране и блокиран капацитет.
Какво означава това на практика:интелигентни стелажни PDU с измерване на-изход, наблюдение на-веригата на разклонение, UPS телеметрия и DCIM интеграция позволяват на екип да отговори на три въпроса в реално време - колко капацитет се използва сега, къде е рискът и колко допълнителен AI товар може да се добави безопасно. Без тази детайлност планирането на капацитета е догадки и първият признак за проблем е пътуването.
7. Мащабируемост и ограничения на мрежата Бавно внедряване на AI
Растежът на AI сега изпреварва традиционните цикли на планиране. Дори и с подово пространство, на даден сайт може да липсва помощ, UPS, разпределение или капацитет за охлаждане за следващото поколение GPU. С търсене на център за даннинараства с около 15-17% годишно, времето за изпълнение на взаимното свързване на комуналните услуги на ограничените пазари се е проточило на няколко години, поради което някои разработчици се обръщат към -генерирането на място и съхранението на батерията.
Какво означава това на практика:дизайн за поетапно разрастване вместо едно генериране на хардуер - модулно UPS, разширяемо разпределение, допълнения на капацитет на базата на шина-, стандартизирани блокове за захранване на стелажи и ясно резервиране и точки за задействане. Целта е използваем, разполагаем и поддържаем капацитет във времето, а не най-голямата възможна система за ден-един.
Традиционен срещу AI дизайн на мощността на центъра за данни
| Площ | Традиционен център за данни | AI Център за данни |
|---|---|---|
| Плътност на стелажа | Умерен, предвидим (често под 10 kW) | Високо и бързо нарастващо (възможно е 100 kW+ на стелаж) |
| Поведение при натоварване | Относително стабилен | Динамичен, бурен, синхронизиран |
| Модел на планиране | Ниво-стая или ниво-ред | Рак-ниво и клъстер-ниво |
| UPS приоритет | Капацитет и резервно време за изпълнение | Капацитет, резервиране и преходен отговор |
| Разпределение | Фиксирана или бавна{0}}промяна | Гъвкав и{0}}готов за разширяване |
| Мониторинг | Ниво на стая, UPS или шкаф | Ниво на система, клон, фаза, стелаж и изход |
| Охлаждане на отношенията | Често планирани отделно | Координиран със сила от самото начало; общо течно охлаждане |
| Основен риск | Недостатъчен общ капацитет | Усукан капацитет, претоварване, нестабилност, термични граници |
Как да планирате енергийна инфраструктура за стелажи с изкуствен интелект с висока -плътност
Стъпка 1: Дефинирайте Rack{1}}Level и Cluster-Level Demand
Започнете от работното натоварване и хардуерния план. Оценете потреблението на всеки стелаж, всеки клъстер и всяка фаза на внедряване, включително графични процесори, сървъри, мрежи, съхранение и оборудване за захранване на нивото на стелаж-. Използвайте реалистични предположения за растеж - AI хардуерът се преобръща бързо, така че ден-зареждането е грешната цел за проектиране.
Стъпка 2: Проверете капацитета нагоре по веригата и излишъка
Извървете целия път: комунални услуги, разпределителна уредба, трансформатори, UPS, разпределителни табла, шини или кабели, PDU в стелажи, разклонителни вериги и A/B захранвания. Потвърдете, че системата поддържа както очакваното натоварване, така и нивото на резервиране при условия на поддръжка или повреда, а не само в нормален режим.
Стъпка 3: Съпоставете UPS архитектурата с поведението на AI при натоварване
Погледнете общото количество kW. Оценете преходния отговор, мащабируемостта, резервирането (N+1 или 2N), ефективността при частично-натоварване, времето на работа на батерията, паралелната работа и наблюдението. Модулният UPS е полезен, когато клъстерът ще се разширява на фази, тъй като добавя капацитет, без да се увеличава в първия ден.
Стъпка 4: Изберете гъвкаво разпределение на мощността
Редовете с висока{0}}гъстота обикновено се нуждаят от повече гъвкавост от статичните панели-и-дизайн с камшик. Сравнете традиционното панелно разпределение, надземна шина, PDU с висока -плотност в стелажи, двойно захранване и интелигентно измерване. Нова зала с изкуствен интелект често оправдава оразмеряването на автобусната линия за бъдеща плътност; модернизация може да бъде ограничена до съществуващи панели.
Стъпка 5: Координирайте захранването и охлаждането преди внедряване
Валидирайте охлаждащата технология, пътя на въздушния поток, изискванията за течно охлаждане, местоположението на CDU, температурата и потока на охлаждащата течност, натоварването на пода, сервизния достъп и откриването на течове, преди да инсталирате стелажи. Това избягва класическата повреда на наличието на достатъчен електрически капацитет, но неспособността да работи с багажника при пълно натоварване.
Стъпка 6: Изграждане за поетапно разширяване
Отнасяйте се към електроенергийната система като към пътна карта. Дефинирайте капацитет за-първия ден, капацитет за разширяване, точки за задействане на UPS или надстройки на дистрибуцията, прагове за наблюдение, изисквания за излишък и бюджетни етапи, така че инженерингът, операциите и доставките да споделят един план.
Контролен списък за планиране на захранването на центъра за данни с изкуствен интелект
| Слой | Какво да потвърдим | Често срещана точка на повреда |
|---|---|---|
| Комунални и разпределителни уреди | Потвърден междусистемен капацитет и реалистична дата за захранване | Много{0}}годишни срокове за изпълнение на ограничени пазари |
| UPS | kW височина, преходна реакция, резервиране, ефективност при частично-натоварване | Оразмерен за стабилно състояние, а не за стъпки на натоварване от милисекунди |
| Разпределение | Амплитуда на шина/PDU; A/B канали, оразмерени за случай на отказ | Всяко захранване е оразмерено за N вместо за пълното излишно натоварване |
| Rack PDU | Измерване на-изход, правилна мощност на щепсела и прекъсвача, баланс на фазите | Претоварване на клона, преди шкафът да е физически пълен |
| Охлаждане | DLC/CDU капацитет, температура и поток на охлаждащата течност, остатъчен въздушен товар, откриване на течове | Одобрена мощност без валидиране на отхвърляне на топлина |
| Окабеляване | Магистърът на оптичните влакна и маршрутът на прекъсване се пазят от въздушния поток; достъпът до услугата е запазен | Претоварването на кабела блокира въздушния поток и поддръжката |
| Мониторинг | Видимост на системата, разклонението, фазата, стелажа и изхода; DCIM интеграция | Заседнал капацитет и дисбаланс невидими до пътуване |
| Структурни | Натоварване на пода за 1300 кг+ стелажи; пространство за врати и пътеки | Rack не може физически да влезе или да бъде поддържан |
Какво да търсите в готовите за AI-решения за захранване
Модулен UPS.Заслужава си, когато внедряването расте на фази; той добавя капацитет и опростява поддръжката, без да плаща за неизползвани kW в първия ден.
Разпределение с висока-плътност.Busway или други гъвкави системи се изплащат при бързо-сменящи се редове, където стелажите се добавят или преместват и където двойното захранване и безопасната поддръжка са от значение.
Интелигентен шкаф PDU.Видимостта на-изход или на-багажник позволява на екипите да уловят дисбаланса, да предотвратят претоварване и да планират точно капацитета. Това е слоят, който най-често се-посочва в компилации с изкуствен интелект.
Мониторинг на качеството на захранването.Потърсете видимост за напрежението, тока, фактора на мощността, хармониците, фазовия баланс и тенденциите в натоварването, така че проблемите да изплуват, преди да станат прекъсвания.
DCIM интеграция.Свързването на данни за мощността с топлинни данни и използване на шкафове е това, което превръща мониторинга в планиране на капацитета. Когато работата в мрежа е част от една и съща конструкция, на инженерРъководство за избор на MTP срещу MPOпомага да се запази страната на влакната на стелажа също толкова преднамерена, колкото и страната на мощността.
Често срещани грешки, които трябва да избягвате
- Планиране само за общия капацитет на съоръжението.Един обект може да има достатъчно мегавати и пак да се провали в шкафа. Проверете ограниченията за-нивото на стелажите и-разклоненията.
- Третиране на охлаждането като по-късно решение.Охлаждането, планирано след захранване, е водещата причина за блокиран капацитет.
- Пренебрегване на поведението при динамично натоварване.Дизайн за преходна реакция и качество на захранването, а не средно натоварване.
- Под-указване на наблюдение.Ограничената видимост означава бавно отстраняване на проблеми и ненадеждно планиране на капацитета.
- Изграждане на твърда архитектура.AI хардуерът се развива за месеци; фиксираният дизайн се превръща в пречка преди съоръжението да достигне края на живота си.
ЧЗВ
В: Колко мощност се нуждае от стелаж с изкуствен интелект?
О: Зависи от платформата, но референтните точки са конкретни: -CPU шкаф с общо предназначение черпи до около 12 kW, въздушно{2}}охлаждаем клас H100 шкаф около 40 kW и напълно конфигуриран NVIDIA GB200 NVL72 приблизително 120–132 kW. Пътната карта за 2026 г. сочи към 240–600 kW на шкаф.
В: Могат ли съществуващите центрове за данни да поддържат стелажи с изкуствен интелект?
О: Някои могат, но много се нуждаят от надстройки. Ограничаващият фактор обикновено е мощността на стелажа, капацитетът на UPS, разпределението, охлаждането, натоварването на пода или мониторинг - не общата мощност на съоръжението. Необходима е пълна оценка на мощността и охлаждането преди внедряване.
В: Центровете за данни с изкуствен интелект винаги ли се нуждаят от течно охлаждане?
О: Не винаги. Внедряванията на AI с по-ниска-плътност все още могат да използват оптимизирано въздушно охлаждане. Над приблизително 30 kW на стелаж въздушното охлаждане вече не е жизнеспособно, така че системите от клас GB200-използват течно охлаждане директно-към чип, обикновено с CDU и вода в съоръженията в диапазона 25–45 градуса.
Въпрос: Защо работните натоварвания на AI влияят върху стабилността на мощността?
О: AI обучението синхронизира големи групи графични процесори, които се увеличават и намаляват заедно, когато започват задачи, контролна точка или фаза на промяна. Тези координирани колебания създават бързи преходи на мощността, които натоварват UPS системите, PDU устройствата и разпределението нагоре по веригата.
В: Какво UPS е най-добро за центрове за данни с изкуствен интелект?
О: Няма еднозначен отговор, но за натоварванията с изкуствен интелект решаващите фактори са преходна реакция, мащабируемост, излишък и ефективност при частично-натоварване, а не само общ брой kW. Модулният UPS е подходящ за поетапни клъстери, тъй като капацитетът може да се добавя с нарастването на внедряването.
В: Как избягвате блокирания мощностен капацитет?
О: Валидирайте охлаждането, преди да одобрите захранването, потвърдете разклонителната-верига и капацитета на PDU на всяка стойка и наблюдавайте на ниво клон, фаза, стойка и изход. Повечето блокирани мощности идват от охлаждане, което не може да премахне топлината, или от граници на разклоненията, които са невидими без гранулирано измерване.
Въпрос: Каква е ролята на интелигентните стелажни PDU в центровете за данни с изкуствен интелект?
О: Интелигентните PDU за стелажи осигуряват видимост на -нивото на стелажа и изхода-, което позволява на екипите да проследяват натоварването, да улавят фазов дисбаланс, да предотвратяват претоварване и да планират точно капацитета. В среда с висока -плътност тази детайлност е това, което прави възможно безопасното разширяване.
Въпрос: Какво представлява архитектура за захранване,-подготвена за AI?
О: Това е мащабируема, наблюдавана, резервирана система, която доставя надеждно захранване от помощния източник до -GPU стелажи с висока плътност. Обикновено съчетава подходящ капацитет на UPS и преходна реакция, гъвкаво разпределение, интелигентни PDU устройства, мониторинг на качеството на захранването и охлаждане, координирано с мощността от самото начало.
Окончателна храна за вкъщи
Дизайнът на захранването на центъра за данни с изкуствен интелект не означава добавяне на повече електрически капацитет. Става въпрос за доставяне на използваема мощност - безопасно, видимо и надеждно - до стелажи, които могат да черпят повече от десет пъти повече от това, за което е създадена наследената инфраструктура. Планирайте от мрежата до шкафа, координирайте мощността с охлаждането, наблюдавайте на ниво клон и изход и проектирайте за следващото поколение GPU, а не за текущото. Преди внедряване, оценете плътността на стелажа, разпределителните пътища, преходната производителност на UPS, качеството на захранването, мониторинга и охлаждането заедно. Енергийната система, изградена по този начин, прави повече от предотвратяване на прекъсвания; позволява на AI инфраструктурата да се мащабира по график, вместо да спира при първото тясно място.
