几十年来，, 数据中心电源架构 发展遵循着可预测的路径。新型处理器耗电量更大，但创新以摩尔定律所定义的有序速度推进——电力分配和效率的相应提升也轻松适应了这一速度。设施设计理念始终保持着惊人的一致性，电气室和IT室在物理上以及作为独立领域都相互隔离，工程师们在各自的领域内工作，随着技术的进步不断改进设备。.
人工智能工作负载彻底颠覆了以往的做法。高耗能GPU集群、1兆瓦以上的机架以及峰值训练和推理周期的出现，已经向业界敲响了警钟。业界不再面临渐进式的变革，而是直面物理极限，这需要我们以全新的视角来思考电力获取和输送。.
随着芯片性能的提升，人工智能工作负载增加，数据中心扩张，整个行业正朝着……方向发展。 800 VDC架构, 一些长期以来被人们所接受的假设值得重新审视。.
长期以来，机房电源和机架电源一直被视为两个独立的工程领域。一个团队负责设计变电站、开关设备、不间断电源系统 (UPS) 和配电设备；另一个团队则负责设计机架电源配置、服务器电源和电压调节解决方案。我们自身的业务也一直沿用这种分工模式，各自专注于不同的领域。 临界功率 （电网到设施） 嵌入式电源 （机架级解决方案）。虽然这些分类有助于简化复杂的市场，但它们也可能掩盖电力输送是端到端的这一事实。.
尽管如此，该领域的大多数公司要么是关键电源专家，要么是嵌入式电源专家，这就要求数据中心运营商协调这两者，并确保电网电力接入设施后不会出现任何问题。在渐进式变更盛行且这两个领域压力都不大的时期，这尚可应对。但如今的GPU平台功耗几乎是几年前CPU的20倍。芯片和机架层面的决策会影响设施布局、冷却系统、电能质量、能源需求等等，并波及整个电力基础设施。工程师不应将电网基础设施、电力分配和机架级嵌入式电源视为独立的优化问题，而应作为一个协作的多学科团队来评估整个能源分配路径。边界远不如系统的整体性能重要。.
随着吉瓦级人工智能工厂向1兆瓦以上机架的普及迈进，传统的48-54伏直流架构正接近其实际应用极限。这促使运营商开始探索新的方案。 800 VDC架构 为了解决在高功率密度下难以处理且成本高昂的问题，它们并非天生“更好”，而是能够提供独特的优势，尤其适用于以 GPU 为中心的环境，包括：
迁移到 800 VDC 基础设施将有助于数据中心运营商扩展规模，但高密度机架产生的巨大热量使得冷却问题同样重要—— 液体冷却, 具体而言，传统的机房空调/机房空调空气冷却系统以及传统电力系统都已接近其运行极限。液冷系统则是专为现代计算环境而设计的。. 先进技术 提供精确的芯片直接冷却，可支持 TDP 超过 3000 瓦的芯片，并且与传统的微通道冷板相比，热阻可降低三倍。.
作为 国际能源署 值得注意的是，在高效超大规模数据中心中，冷却系统约占总耗电量的 7% 到 15%，而在效率较低的企业级设施中，这一比例超过 30%。功率密度、热密度和系统效率紧密相关，无法单独优化。它们必须作为一个集成系统进行评估和设计，而不是作为独立的解决方案。电力分配决定了有多少电力到达机架，而冷却决定了有多少电力从机架流出。如果业界要管理和扩展基础设施以服务于日益强大的计算能力，电力团队之间的协作必须扩展到冷却团队。在设计过程的早期阶段开展合作，能够让他们考虑整个能量流，而不仅仅是他们最熟悉的部分。.
高昂的资本持有成本、可能延迟产生收入以及昂贵的GPU闲置的风险，促使数据中心运营商寻求简化和加快建设的方法。从电网连接延迟到劳动力短缺，再到某些建设阶段必须先于其他阶段这一简单事实，许多因素都超出了他们的控制范围。但有些决定权在他们手中。选择标准化、, 预制模块化数据中心 (PMDC) 的电力、冷却和 IT 系统 其中之一。.
遵循传统设计/采购/建造/调试流程的设施，由于土建、机电、装修和现场集成等环节需要依次进行，通常需要24至36个月才能完成。采用模块化解决方案可使工厂和现场工作并行开展，从而将部署速度提高30%。由于PMDC解决方案在工厂已预先布线和测试，因此还能减少高达70%的现场测试和布线工作。此外，标准化的模块化设计使工程师能够提前采购交货周期较长的电气和机械设备，从而确保施工进度按计划进行。而且，随着技术的不断更新换代（这是不可避免的），升级或更换模块化解决方案比重建整个数据中心基础设施更加便捷高效，成本也更低。.
行业供应链仍然沿用传统的数据中心架构、扩展速度和建设节奏，但数据中心的动态变化已经发生了翻天覆地的变化。电力分配、电力电子设备、冷却系统、机械设备、母线槽、机架基础设施、控制系统和IT设备都经历了重大升级。在某些情况下，它们甚至被彻底重新设计。几年前还适用的组件，在现代环境中已经过时，甚至根本无法使用。.
对供应链的影响是巨大的。 麦肯锡 值得注意的是，供应商的发展是基于可预测的稳定需求，而不是像超大规模数据中心那样在全球各地同时建设数十个大型人工智能园区。一些值得信赖的供应商可能不得不被淘汰，转而选择拥有更合适组件、设备或技术的初创公司或竞争对手。新设备必须经过设计、测试并逐步投入生产。当需求加速增长时，制造能力就显得尤为重要。原材料获取、交货周期和地缘政治变数等限制因素，使得韧性至关重要，以确保调试时间在可接受的范围内。.
人工智能不仅造成了该领域的短缺，还加剧了各行业对电力设备的竞争，这些设备用于能源分配、电动汽车充电、电气化、可再生能源项目以及工业扩张等各个方面。速度、规模和需求带来的挑战需要我们以全新的视角来审视这些问题。 供应链弹性.
人工智能使得系统集成比单纯的优化更有价值。每一次电源转换都会引入复杂性，每一个接口都会带来工程上的权衡取舍，每一个设计决策都会影响效率、部署速度和长期可扩展性。虽然性能最高的UPS、最高效的电源架或最佳的散热技术固然值得关注，但如果它们不能在数据中心环境中协同工作，那就毫无意义。.
从我们的投资组合到我们的 制造工艺, Flex 从系统角度出发，体现了公用设施互联、关键电力基础设施、嵌入式电源转换、模块化系统和液冷解决方案的融合。我们并不将它们视为独立的产品类别，而是视为共同工程挑战的相互关联的组成部分：以尽可能高效、经济且可预测的方式将电力从电网输送到芯片。.
随着人工智能将数据中心基础设施推向传统极限，最大的机遇或许不在于采用新的架构，而在于采用新的思维方式。.
探索如何通过简化电力分配来帮助提高人工智能规模计算的效率、可扩展性和可持续性。.
