中国储能网讯：通信世界网消息（CWW）随着DeepSeek等大模型与生成式AI的快速演进，智能机器人、智能化科研、数字孪生、智慧城市、虚拟现实等应用场景日益丰富，智算需求呈“井喷式”增长，传统数据中心建设模式已难以满足新的发展要求，智算中心建设正成为数字经济蓬勃发展的新引擎。本文聚焦智算中心发展新形势，从弹性灵活、集约部署、绿色低碳、高效智能等维度深入分析基础设施建设模式的新变化，探究未来技术演进方向，以期为智算中心的建设与发展提供参考。

新形势催生智算中心新变革

在政策层面，国家对算力中心PUE（电能利用效率）的管控持续加码，绿色低碳成为智算中心建设的刚性约束。2024年，国家发展改革委、工业和信息化部等部门发布《数据中心绿色低碳发展专项行动计划》，明确提出到2025年底，新建及改扩建大型和超大型数据中心PUE降至1.25以内，国家枢纽节点数据中心项目PUE不高于1.2，可再生能源利用率年均增长10%，平均单位算力的能效和碳效显著提高。智算中心因高密度算力设备运行与高散热需求，能耗显著高于传统数据中心，需要通过液冷散热、余热回收、AI能效优化等技术革新，以及绿电交易、分布式储能等能源管理模式创新，降低PUE、CUE（碳排放效率），构建符合国家政策要求的绿色低碳基础设施。

在技术层面，上层业务需求倒逼智算中心“风、火、水、电”等底层基础设施加速变革。一方面，AI计算任务的复杂性和数据量的爆炸性增长，要求AI芯片具备更强处理能力和更高运算效率，其设计不断向更高集成度、更多核芯数、更高频率的方向发展，计算能力提升的同时功耗显著增加。另一方面，智算中心业务不确定性强、迭代变化快、流量峰谷波动显著，对供电制冷、监控运维等配套系统带来多重挑战。因此，实现基础设施、服务器、芯片、网络、应用间的高效协同与耦合成为重要方向。

弹性灵活

高密度集群化部署使得供电制冷系统的复杂程度显著增加。一方面，GPU芯片的热设计功耗从过去的百瓦级向千瓦级跃迁，单个机柜功率密度攀升至30～200千瓦，单体楼宇负载或达兆瓦级，亟需新型高效的供电架构。另一方面，智算中心的运算任务会使设备负载动态变化，如大规模AI模型训练时服务器集群的耗电量急剧上升，处理日常数据任务时负载相对较低。业务量波动和高功耗特性，驱动智算中心供电制冷系统须具备弹性灵活、快速响应业务变化的能力。

机房基础设施应综合考虑算力演进，适配多样化算力需求，按需支持多功率密度、多种制冷方案的弹性匹配。在规划设计方面，冷源、电源、机房应适当预留容量或空间，如增加地板出线孔数量、设计容量冗余、确保制冷方式兼容性、实施智能电力管理等。在末端部署上，机柜可采用智能小母线和智能PDU（电源分配单元）实现精细化电力分配、实时监测及智能化能源管理，提高配电系统的灵活性和运行效率。电力模块可采用“旁路满载供电+电池放电逆变补电”的混合模式，确保供电稳定。制冷方式可根据训练和推理业务的占比情况，选择适当比例的风液融合方案，构建机柜微模块、供电模块、制冷模块共用冷源，风冷、水冷、液冷同源且按需分配的架构，以支持算力的弹性部署与迭代演进。中国联通粤港澳大湾区枢纽（韶关）智算中心大规模集成AI调优、智能小母线、光伏、储能等技术，实现机房灵活部署、多场景设计及高扩展性，可适配4~20kW功率并为液冷高功率需求预留空间。

集约部署

AI服务场景业务要求响应速度快，建设模式呈现集约部署趋势。首先是建设部署预制化。传统数据中心建设周期长，通常需要三年以上，难以适应当前算力技术快速迭代和业务智能化升级需求。预制化模式通过标准化设计、工厂预制和现场组装，实现随需部署与弹性扩展，在有效缩短建设周期的同时减少建设过程碳排放，更能适应技术发展和市场需要。中联数据乌兰察布亚信数据港园区1号智算中心在建设过程中采用模块化设计，部署预制式氟泵空调机组、集装箱式柴油发电机组。

其次是产品设备集成化。以基础设施层供电系统为例，电力模块将电源转换单元、控制电路、保护装置、监测传感器等供电相关组件整合成功能完备的模块化单元，打破传统供电系统中各组件独立设置、相互连接的模式，实现供电功能的高度集成与优化。华为融合极简电力模块解决方案采用高密UPS和开创式融合架构设计，通过铜排预制缩短供电链路。维谛技术的Liebert@APM2系列大功率模块化UPS凭借超高双变换系统效率、较小占地面积和丰富灵活的配置，显著节约了运营成本。在IT层，应统筹规划软硬件集成，使基础设施与IT设备适配，避免重复建设和资源浪费，确保高效算力输出。目前，规划建设和设备部署的协同设计，以及供电制冷等机房基础设施如何更好匹配业务发展，进而支撑算存网发挥最大性能，也是重要的研究方向。

绿色低碳

中国信通院数据显示，截至2024年底，我国算力中心用电量超过1660亿kWh，未来几年仍将高速增长，2030年或超过4000亿kWh。智算中心的绿色低碳发展趋势正驱动商业模式创新：绿色低碳不仅是用户选购智算中心及算力服务的重要考量，也是企业服务方案的核心竞争力，应从基础设施、IT设备到算力平台、应用，进行全方位、全流程、全技术栈的能效优化与碳排放管理。在基础设施层，可通过布局绿色能源、开展绿电交易、应用“源网荷储”等技术，实现算力与绿色能源的协同发展。合盈数据在张家口地区开拓“绿电供绿产”模式，依托区域内的可再生能源、新型电力系统及储能配套设施，结合创新节能减排技术，使合盈数据（怀来）科技产业园实现充足稳定的绿电供应，CUE值处于较低水平。

在IT设备层，多项政策强调提升算力能效和碳效水平，应关注AI芯片、CPU、显存、带宽等设备的利用率，持续优化单位能耗的算力输出，充分发挥算力性能，减少算力设备的无效、低效运行时间。在平台侧，应通过灵活的算力资源选择与迁移能力、算力编排管理系统、碳排放监测与统计平台等，适应不断变化的应用需求和能效要求。蚂蚁集团GreenOps绿色减碳平台有效解决了大规模集群资源合理分配、分钟级有效调度、智能流量预测等行业难题，显著提升了资源利用率。从2017年到2023年，蚂蚁集团服务器CPU利用率增长了5倍。

高效智能

随着技术的飞速发展，运维架构也历经了显著变革。早期传统运维架构主要依靠人工运维，运维人员需要手动执行服务器配置、软件部署、故障排查等各类任务，效率低下且易出错。面对算力中心现场生产和远程集中化管理的运维需求，可借助动环监控、高效智能的DCIM等平台或工具，通过运维大模型等算法整合的方式实现自动化、智能化运维，并对执行过程进行监管。

在全面拥抱AI的今天，为确保智算中心满足AI业务高并发、海量数据处理、实时性要求高、模型迭代频繁的需求，行业应监控更多维度指标：不仅要关注服务器CPU、内存等常规指标，更要重点监控GPU利用率、显存占用、网络带宽时延等关键指标，同时跟踪模型训练进度、推理准确率等业务指标。因此，亟须构建更完善的联动运维机制，整合供电制冷、“算存运”等多源数据，实现智能分析与快速响应，以满足AI业务对智算中心的复杂运维需求。例如，普洛斯怀来大数据科技产业园采用自研GLP DCBASE智慧化运营系统，通过AI智能算法高效耦合运维管理系统，切实满足用户快速部署大规模算力集群的应用场景需求。

总体来看，智算中心历经早期探索、技术生态大爆发阶段，随着新变革的推进，今后将提供更成熟的社会级服务（如图1所示）。

图1智算中心演进的三个阶段

围绕六大特征持续演进

随着上层业务愈加复杂多元，智算中心算力性能和服务等软能力输出备受关注。智算中心将呈现高算力、高安全、高可用、高能效、智运营、优服务六大特征。在高算力方面，综合考量现存容量与带宽、互联技术及系统架构设计等因素下的真实有效算力表现。在高安全方面，从网络、数据、应用等层面构建完善的安全保障体系。在高可用方面，构建资源管控、故障分级、故障检测修复等全套能力，延长无故障运行时间。在高能效方面，从硬件、软件、平台、应用等维度构建全方位能效管理体系，优化单位算力的能效与碳效。在智运营方面，通过智能化管理平台、运维大模型等工具，实现从数据采集到预测性维护全流程的数智化。在优服务方面，适配业务场景提供灵活弹性的算存运服务，开展数据处理、模型迁移开发等，提高算力普适普惠服务水平。

未来，智算中心将围绕上述六大特征持续演进，成熟度内涵从基础设施、IT设备、软件平台向应用领域拓展，各系统高效协同与耦合的趋势不断深化，从而推动智算产业高质量发展。