X
鼓楼区
台江区
仓山区
晋安区
马尾区
长乐区
福清市
闽侯县
连江县
永泰县
闽清县
罗源县
思明区
湖里区
集美区
海沧区
同安区
翔安区
芗城区
龙文区
龙海区
漳浦县
云霄县
诏安县
东山县
平和县
南靖县
长泰区
华安县
鲤城区
丰泽区
洛江区
泉港区
石狮市
晋江市
南安市
惠安县
安溪县
永春县
德化县
金门县
三元区
永安市
明溪县
清流县
宁化县
建宁县
泰宁县
将乐县
沙县区
尤溪县
大田县
仙游县
荔城区
城厢区
涵江区
秀屿区
延平区
建阳区
邵武市
武夷山市
建瓯市
顺昌县
浦城县
光泽县
松溪县
政和县
新罗区
永定区
上杭县
武平县
长汀县
连城县
漳平市
蕉城区
福安市
福鼎市
霞浦县
寿宁县
周宁县
柘荣县
古田县
屏南县
相关链接
智算中心建设模式的颠覆与重构 _ 信息化动态 _ 福建省经济信息中心
智算中心建设模式的颠覆与重构
来源:通信世界杂志 时间:2025-07-01 10:35 浏览量:57

    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)。

image.png 

    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。

*本文刊载于《通信世界》 

总第970期 2025年6月25日 第12期 

作者:中国信息通信研究院 王月 张佳琪 李洁 

 

扫一扫在手机上查看当前页面