AI 工厂设计——从高密度设计到完整的 AI 工厂

数据中心设计的起点

数据中心参考设计是一种经过预先验证、完成全套工程规划的标准化设计蓝图，明确配电、制冷及IT基础设施的整体搭建逻辑，助力打造稳定可靠、弹性扩容且适配 AI 算力需求的数据中心。

采用经过验证的标准化布局。
确保各类基础设施兼容适配。
降低部署过程中的风险。
支持 AI 工作负载。
有助于加快数据中心建设进度。

我们携手各大主流 GPU、TPU、服务器厂商及系统集成商，持续丰富完善全套工程级参考设计方案库，紧跟行业高速发展与技术变革趋势，全力满足人工智能产业日益增长的参考设计需求。

如果现有基础设施是交流供电架构，那么眼下需要考虑的问题并非是否要彻底拆除重建，而是应在何处布局直流转换环节，并尽可能将转换单元贴近机柜部署。实际需要权衡的是：在保留上游交流配电的同时，在机柜旁增设外置电源模组，同时预留充足的物理空间与电力余量，以支持未来800伏直流负载接入需求。借助外挂电源模组、机柜级电源单元等方案，运营商无需将整座数据中心全面改造成直流供电，即可兼容 800 伏直流设备。现阶段 800伏直流技术优先应用于高密度 AI 算力集群，并非全站所有负载，该方案实用性极强。远期大规模算力扩容时，可再搭建集中式 800 伏直流供电体系，此类布局属于机房集群级优化方案，并非现阶段全站改造的硬性要求。

核心在于灵活性与独立隔离性之间的平衡。采用共用供电链路，在动力设备负载降低时（例如冷水机组低负荷运行阶段），运营方可调配更多富余电力供给 IT 负载。

采用供电分离架构，能为 IT 侧后续改造升级（含 800 伏直流改造）划定清晰独立边界，但也会导致动力设备侧电力难以二次调配，其电力容量只能局限在专属供电链路内使用。

确定供电架构前，运营方需全面核验季节性运行模式、设备维护场景、发电机组负载能力、CDU供电路径，以及风冷、液冷设备与未来直流供电 IT 设备的用电配比规划。

现有两种应用方案，选择哪种取决于业务负载能否承受供电中断。面向高可用推理业务、无法快速异地迁移的核心负载，UPS 仍是最优就近供电保障，可实现无缝续电、短时电网波动防护，同时平稳调节 AI 负载供电。BESS 储能系统定位不同，主要用于电网调频调峰、功率限容、消纳新能源电力、长时储能及负载均衡调节。二者核心差异：BESS 一般可储能 1-2 小时，更偏向线路互动式供能设备。简言之，BESS 可完善站点整体能源布局，但在明确业务负载与无缝续电需求前，不可直接用来替代 UPS。

预制化应用不局限于动力撬块，运营方需梳理规划，将部分现场施工作业移出项目关键工期路线。主要预制构件包含中压配电设备、电气预制舱、低压动力总成、动力撬块、IT 预制方舱、一体化集成机柜、内置泵组式集成冷水机组，以及预制集成管路与机房运维通道集成组件。其实际应用价值在于减少电气施工、机电安装、项目管理及调试团队之间的现场协同工作量。动力撬块可集成UPS、开关柜、储能电池、自动转换开关及配套管理软件，现有成熟配置包含 480V/60 Hz、1250 kW 规格，以及 400V电压等级下 2 MW、2.25 MW、2.5 MW 多种规格。

看待参考设计时，不应局限于“标准与定制”的对立，而是“经过验证的起点与从零开始的设计”。适配 AI 场景的参考设计，可为项目团队提供电力、制冷、IT 布局及控制系统集成的成熟工程基准，有效缩短规划周期。施耐德电气现有参考设计涵盖：7.392 MW 英伟达 GB200 NVL72 液冷 AI 集群方案、7.536 MW 英伟达 GB300 NVL72 方案、10 MW-12.4 MW Vera Rubin NVL72 方案，以及 1 MW 十二机柜预制化 AI 整体解决方案。这类方案的应用逻辑为：虽然模块化组件可以分大块预制，但整体园区架构仍需统筹整合市政外电接入、制冷动力站、中压配电系统、IT 部署策略与施工工序排布。

您可动用冗余容量提升算力，但运营方应将其视作运行模式调整，而非可随意使用的富余容量。传统可并行维护的数据中心会预留电气与设备侧冗余余量，保障设备停机维保期间，既定 IT 负载持续平稳运行。AI 场景改变了成本效益逻辑，受电网容量、建设投产速度与算力需求影响，闲置冗余容量愈发难以合理规划配置。举例来说，一座按并行维保工况设计、承载 200 兆瓦 IT 负载的数据中心，硬件层面可承载 240 兆瓦更高负载，但这部分额外的算力资源，来自此前用于保障设备维护与故障应急的预留冗余。真正的抉择在于，企业更看重单站点 Token 产出，还是坚守原有冗余保障设计原则。在压缩冗余余量前，需明确划分各类运行工况：标准冗余运行模式、高算力输出模式、设备维保模式以及故障应急处置模式。

运营方明确园区定位后，就应当以业务负载为核心主导设计方向，确认园区是面向通用托管业务、高密度新型云计算客户、AI 训练集群、推理业务，还是多种业态混合布局。通用托管型数据中心在租户明确需求前，需在整体供电与制冷层面保留灵活性。而专注于 AI 云计算及 AI 工厂的园区，可直接依据既定 GPU 迭代规划、集群架构、机柜功率密度及制冷需求开展定向设计。施耐德电气 AI 数据中心解决方案，针对高性能 AI 业务负载，整合制冷、供配电、软件、预制舱及机柜系统一体化基础设施，并搭配全生命周期服务，系统化解决此类设计规划问题。

切勿按照所有负载都将改用 800 伏直流供电的思路来统筹整座数据中心设计。实际设计核心在于确定 800 伏直流供电的接入位置，以及直流转换单元的配置规模。前期项目可在现有交流供电数据中心内部署机柜旁置 sidecars，通常适配 1 至 2 个 GPU 机柜，无需对上游配电系统开展大规模改造。后续大型算力集群可配置 2 MW~5 MW 集中式 800 VDC 供电单元，后续可继续扩容；长远规划架构可搭建约 10 MW 级、基于固态变压器的中压变流供电体系。针对单机柜功耗超 400 kW 的高密度应用场景，800 VDC 架构将交直流转换模块移出 IT 机柜，借助动力机柜与 sidecars 完成适配，大幅降低对现有交流供电园区的改造影响。

核心取舍在于供电隔离性与容量动态共享能力之间的权衡。独立动力系统能够明晰 IT 基础设施与制冷基础设施的供电边界，尤其当大型冷水机组、CDU 和数据机房无法按照同一配置规模精准匹配时优势更为明显。共用供电架构可在自然冷却工况下保留调度灵活性，在变压器及下游配电架构允许的前提下，富余的机械动力供电容量可调配供给 IT 负载使用。完全分离供电存在电力资源闲置隐患：若机械制冷负载下降，但 IT 侧变压器已满载运行，运营方无法将制冷侧闲置电力资源调配给算力业务使用。重点提示：该设计选型不能直接定为通用标准，必须结合项目现场实际，围绕机房规模、冷水机组单元容量、变压器配置、冗余设计目标与季节性运行模式开展专项建模测算。

方案定稿前必须完成电气、气流以及液流仿真建模，三类模型可分别应对不同类型的运行故障风险。电气建模用于校验故障电流、配电保护机制、运行安全性与可靠性，同时模拟设备维保、负载扩容等各类预设工况。计算流体力学及气流仿真可验证冷热气流隔离效果、风冷承载能力与冗余制冷运行状态。管路与流体流量建模，用以核验在常规运行、冗余运行及设备维保工况下，所有机柜均可获得足额冷却介质流量。下一步需实现 IT 负载特性与基础设施运行状态联动仿真，在园区正式带实际负载投运前，提前推演 AI 算力负载波动对配电系统、冷却分配单元、冷水机组控制系统及制冷回路带来的整体影响。

该模型应从设计阶段开始搭建，待接入现场实测数据后，逐步完善并用于运营阶段的各类工况推演分析。传统静态电气仿真模型可完成维保线路切换、设备新增部署、配置方案是否超出电气设施承载极限等离线场景测算。更为实用的运营级模型能够将实际负载数据接入仿真系统，方便运维人员在现场调整操作前，提前预判冷水机组停机、负载异动、大型 AI 算力集群功率爬升等各类工况带来的影响。其中，EcoStruxure 电力监控专家系统可实现电力运行分析、电压扰动波形分析、告警分类管理、系统容量监测以及电能质量分析；EcoStruxure IT 系统则可统筹完成设备监控、方案规划、仿真建模、电力能耗分析与制冷系统优化等工作。