破局智算中心挑战，施耐德电气的应对之道

2022年底，ChatGPT的横空出世引爆了全球对生成式人工智能的关注热潮。紧随其后，多模态大模型、AI视频生成、代码自动生成等技术的突破，正在重塑千行百业的创新范式。AI技术的飞速发展，在推动企业业务创新，提高企业生产效率的同时，也给数据中心带来了前所未有的压力。

然而，在这场看似属于算法与数据的竞赛背后，却是一场关于算力、供配电与制冷能力硬核基础设施的较量。

AI加速数据中心技术变革，基础设施面临三重考验

近年来，AI大模型发展被按下“提速键”，加速向多场景渗透，以前所未有的深度和广度改变数据中心的传统面貌。中国信通院数据显示，截至2024年6月，我国在用算力中心超过830万标准机架，算力规模达到246 EFLOPS(FP32)，智算同比增速超过65%。

在笔者看来，大模型应用爆发增长的背后，是AI工作负载对数据中心基础设施提出的严峻挑战。主要有以下三点：

一是功率密度大幅跃升。传统数据中心单机柜功率通常在5-10kW，而AI服务器集群直接将这一数字推高至30kW、50kW甚至100kW以上。以英伟达最新的GB200为例，更是将单机柜功率密度推向120kW。

二是电力质量要求严苛。AI训练任务通常需要连续运行数周甚至数月，任何电力中断都可能导致训练任务失败，造成巨大经济损失。同时，AI工作负载具有剧烈动态波动特性，50毫秒内可达30%-165%波动，对供配电系统的可靠性提出了极高要求。

三是制冷瓶颈凸显。随着芯片功耗不断提升，风冷已逐渐触及物理极限。未来，单个GPU功耗超过1kW或将成为常态，传统风冷方式无法有效解决高密度计算节点的散热问题，液冷将成为必然趋势。

近期，在施耐德电气卡车巡展北京站现场，施耐德电气关键电源业务，IMDC及边缘计算产品经理汤熠指出，当前，芯片性能提升速度已经超越了摩尔定律，机柜功率密度及功耗均将实现指数跃迁。毫无疑问，智算中心将以惊人的速度进化，AI更将突破奇点。

施耐德电气关键电源业务，系统业务产品经理连博指出，AI驱动下的算力变革亦在深刻重塑电力需求与使用模式。为有效应对能源供应的严峻挑战，数据中心亟待部署更多、更优质的电力资源。

施耐德电气的应对之道：创新产品与解决方案

面对AI时代数据中心面临的诸多挑战，施耐德电气凭借其深厚的技术积累和前瞻性的市场洞察，推出了一系列创新产品和解决方案。其中，冷板式液冷