AI 需求暴增，數(shù)據(jù)中心建設面臨挑戰(zhàn)
算力需求的激增已經(jīng)不僅僅是停留在預測層面，根據(jù)國家數(shù)據(jù)局披露的信息顯示，2024 年初中國日均 Token 消耗量為 1000 億，到 2024 年底已增長至 3000 億量級。而這個數(shù)字到了今年 6 月則是達到驚人的 30 萬億的量級，與 2024 年初的 1000 億相比，增長 300 多倍。
此外，IDC 報告顯示，2024 年全年中國公有云大模型調用量為 114 萬億 Tokens，而 2025 年上半年即飆升至 536.7 萬億，反映出 AI 應用進入規(guī)模化爆發(fā)階段。
而 AI 應用的爆發(fā)，自然也帶動智能算力需求的激增，在這背后，是對底層算力基礎設施帶來的考驗，而 AI 也正以 " 算力吞噬者 " 的姿態(tài)重構數(shù)字基礎設施格局，全球 20 億活躍 AI 用戶產(chǎn)生的海量數(shù)據(jù)處理需求，使得 AIDC 從 " 輔助設施 " 升級為 " 核心生產(chǎn)力 "。
在 AI 時代，傳統(tǒng)的數(shù)據(jù)中心建設顯然已經(jīng)不能滿足當前智算對于底層設施的需求，華為發(fā)布的《智能世界 2035》和《全球數(shù)智化指數(shù) 2025》報告中明確，計算領域將突破傳統(tǒng)馮諾依曼架構的束縛，在計算架構、材料器件、工程工藝、計算范式四大核心層面實現(xiàn)顛覆性創(chuàng)新，最終催生新型計算的全面興起。
在華為中國數(shù)字能源數(shù)據(jù)中心能源拓展部部長石憶看來，算力增長的同時，也對基礎設施造成了極大的沖擊，" 當前，智算中心建設主要面臨安全、彈性、高功率、高能耗等挑戰(zhàn)。除此之外，作為長期運營的重資產(chǎn)項目，數(shù)據(jù)中心建設還需要適度超前。"
安全方面，AI 大模型訓練對算力連續(xù)性的要求較傳統(tǒng)通算提升兩個量級：10MW 智算中心的算力密度相當于 100 個傳統(tǒng)通算中心，一旦發(fā)生供電中斷，每秒鐘將造成數(shù)十萬元的算力損失。對此，石憶表示，" 傳統(tǒng)數(shù)據(jù)中心故障響應時間要求 2 分鐘以內(nèi)，但智算中心需壓縮至 30 秒，且故障影響半徑擴大 3 倍，任何單點故障都可能引發(fā)集群癱瘓。"
安全事件在帶來數(shù)據(jù)、服務器等直接損失之外，更可能導致數(shù)月模型訓練成果付諸東流。同時，安全事件的發(fā)生還會對 IDC 服務商的品牌價值，以及客戶對其信任度帶來不小的沖擊。
更嚴峻的是，傳統(tǒng)集中式架構存在單點故障風險，而 AI 計算的連續(xù)性要求，使得這種風險被放大 10 倍以上。AIDC 的安全已不是 " 概率問題 "，而是 " 底線問題 "，任何一次故障都可能終結企業(yè)的 AI 競爭資格。
除了安全問題之外，隨著 ChatGPT 的問世，人們開始發(fā)現(xiàn)機柜的功率越來越高，原本 300W 的單顆 CPU，已經(jīng)不足以支撐業(yè)務，500W 的單顆 CPU 芯片成為主流。與此同時，AI 對于 GPU 的需求，也讓單機柜的功率進一步提升。2.5kW 標準機柜已經(jīng)是過去式，8kW、10kW，甚至 20、50kW 的機柜的不斷出現(xiàn)，也讓單機柜功率越來越高。與此同時，隨著摩爾定律逐漸失效，在后摩爾定律時代下，芯片算力與其功耗仍將大幅提升。機柜功率的不斷攀升，也對數(shù)據(jù)中心的供配電系統(tǒng)提出了新的挑戰(zhàn)。
這個挑戰(zhàn)一方面是來自供配電穩(wěn)定性和連續(xù)性的保障；另一方面，更容易被人們所忽視的是：傳統(tǒng)數(shù)據(jù)中心 " 白空間 "（服務器區(qū)）與 " 黑空間 "（配電區(qū)）的比例大致為 2:1，而在 AIDC 時代，這個比例將被徹底逆轉，部分高密 AIDC 甚至出現(xiàn) 1:3 的極端情況，這意味著 3/4 的場地被配電、散熱設備占據(jù)。而對于 IDC 客戶而言，" 白空間 " 是用來創(chuàng)造價值的，" 黑空間 " 則屬于純成本支出，獲得更多的 " 白空間 " 才能獲得更大的收益。
與此同時，在 AI 時代，用戶對于數(shù)據(jù)中心交付周期的要求也越來越高。而作為算力的底層支撐，數(shù)據(jù)中心的建設周期之長，是業(yè)內(nèi)的共識。
而 AI 等 IT 技術的演進日新月異，數(shù)據(jù)中心機柜密度也隨之飛速提升，" 傳統(tǒng)建設方式，規(guī)劃階段規(guī)劃的單柜功率普遍在 5-10kW/ 標準柜，而目前單臺支持大模型的 AI 服務器功耗就已達 10kW 以上，數(shù)據(jù)中心的規(guī)劃建設速度難以滿足各行業(yè)對算力持續(xù)高速增長的迫切需求。" 此外，還有一個尖銳的矛盾擺在面前：服務器的更新周期是 3 到 5 年，而數(shù)據(jù)中心基礎設施的設計壽命是 10 至 15 年。對此，石憶告訴筆者，傳統(tǒng)數(shù)據(jù)中心 18 到 24 個月的建設周期，與算力 " 一年一迭代 " 的速度形成致命錯配?？蛻艚桓吨芷谝髲摹辍?，壓縮至‘月’，甚至出現(xiàn)‘ 6 個月必須上線’的硬性指標，這種情況對數(shù)據(jù)中心的建設速度提出了更高的要求。
而在這些挑戰(zhàn)的背后，還有一個不容忽視的問題—— AI 時代帶來的傳統(tǒng)異步計算向同步計算的轉型。這個過程使得供電、制冷、網(wǎng)絡的協(xié)同要求達到 " 微秒級 "，而現(xiàn)有基礎設施的 " 煙囪式 " 架構根本無法實現(xiàn)這種協(xié)同。更嚴峻的是，技術迭代帶來的標準混亂問題——不同廠商的 GPU、液冷設備接口不統(tǒng)一，導致 AIDC 建設陷入 " 定制化陷阱 "，進一步拉長周期、推高成本。
安全是 AIDC 的首要條件
面對挑戰(zhàn)，華為數(shù)字能源在 2025 全聯(lián)接大會上提出的 RAS 理念（Reliable 安全可靠、Agile 彈性敏捷、Sustainable 綠色低碳），而華為也正是沿著這三條路徑向前推進 AIDC 建設的。
而 RAS 理念中，最為重要的就是 "R" ——安全。AIDC 的安全底線不僅關乎設備存續(xù)，更決定算力服務的連續(xù)性。" 安全是 1，沒有安全，一切都是 0。"
IDC 的安全可靠不僅是某個環(huán)節(jié)的安全可靠，更是要構建涵蓋數(shù)據(jù)中心全生命周期的防護體系。不同于傳統(tǒng)數(shù)據(jù)中心的單點防護思維，華為構建了覆蓋產(chǎn)品、架構、管理、運維的四層防護體系，實現(xiàn)從器件到系統(tǒng)的全生命周期可靠。
數(shù)據(jù)中心安全體系化，首先要做的就是將原有的集中式的架構轉變?yōu)榉植际郊軜?。摒棄集中式設計，確保單一故障點不會引發(fā)系統(tǒng)性崩潰。例如，制冷系統(tǒng)需要實現(xiàn)風冷或液冷單元相互隔離，按需部署，一臺故障時其他單元能迅速補上冷量。
其次是主動安全，特別是在高風險環(huán)節(jié)如鋰電池儲能上。智算時代，通過鋰電池取代原有占地面積大、生命周期短的鉛酸電池，已經(jīng)成為數(shù)據(jù)中心降低后續(xù)運營成本，提升數(shù)據(jù)中心 " 白空間 " 面積的重要舉措之一。
作為國內(nèi)較早探索鋰電池應用的企業(yè)之一，華為在數(shù)據(jù)中心鋰電池安全方面提出了 " 既要快速響應，也要預知風險 " 的策略。石憶告訴筆者，鋰電池出現(xiàn)安全風險之時實現(xiàn)快速處置，避免損失僅僅是基礎操作，更為重要的是，在故障發(fā)生前就能精準定位并更換有風險的電池，如此才能將風險降到最低。目前，華為對鋰電池告警的覆蓋率達到了 92%，報警的準確率是 97%，而且這個告警最高可以提前七天。
彈性需求如何滿足？
" 行百里者半九十 "，當安全基礎 " 打牢 " 之后，如何滿足用戶在智算時代的需求，成為服務商能否獲得更多份額的關鍵。" 智算時代唯一不變的就是變化，彈性是應對變化的唯一選擇 " ——這句話已經(jīng)成為行業(yè)內(nèi)公認的事實，也指出了當前很多數(shù)據(jù)中心 " 建成即過時 " 的痛點。
面對此，華為給出了 " 解耦化、模塊化、預制化、高密融合 " 的 " 四化 " 解決方案。通過此，讓 AIDC 建設速度與 IT 技術迭代實現(xiàn)同頻共振，相較于傳統(tǒng)方案，將數(shù)據(jù)中心的交付周期縮短 60% 以上。
這個過程中，最為重要的一步是——實現(xiàn)子系統(tǒng)的解耦。傳統(tǒng)數(shù)據(jù)中心，基礎設施層與服務器的供配電、供冷系統(tǒng)是緊耦合的狀態(tài)，一旦一方發(fā)生變化，無異于將數(shù)據(jù)中心 " 推倒重建 "。即便在通算時代，一代服務器的 " 壽命 " 平均在 5 年左右，而數(shù)據(jù)中心基礎設施層的 " 壽命 " 則應在 10~15 年左右。這也就意味著，一個數(shù)據(jù)中心需要兼容三代服務器的更迭。
而當時間來到智算時代，服務器更迭速度只會比通算時代快，緊耦合的狀態(tài)，對于需求敏捷的客戶來說，一點也不敏捷。所以，在石憶看來，數(shù)據(jù)中心實現(xiàn)彈性的第一步就是實現(xiàn)解耦。" 華為將 AIDC 拆分為 IT、供配電、制冷三大獨立子系統(tǒng)，實現(xiàn)串行施工向并行施工的轉變。" 石憶介紹道。
在華為云（蕪湖）數(shù)據(jù)中心項目中，基礎設施與服務器的解耦設計，使得機電安裝僅用 71 天完成，較傳統(tǒng)方案節(jié)省 50% 時間，整體項目耗時 3 個月。不僅于此，石憶表示，這種設計還支持 " 按需擴容 "，" 客戶可先部署基礎框架，待確定服務器功率后再上配電單元。" 石憶進一步指出。
當系統(tǒng)都實現(xiàn)解耦之后，就可以進一步通過模塊化的方式，在工廠預生產(chǎn)后，進行現(xiàn)場組裝即可完成數(shù)據(jù)中心建設。
互聯(lián)網(wǎng) " 快 " 的特點也在新一輪人工智能的浪潮下得以延續(xù)，用戶對于數(shù)據(jù)中心交付周期的要求也越來越高。模塊化似乎已經(jīng)逐漸成為近年來數(shù)據(jù)中心建設的主流方式，石憶告訴筆者，模塊化不是終點，還要將模塊預制化，減少現(xiàn)場施工工程量，將現(xiàn)場的設備安裝、集成、調試提前到工廠來完成，實現(xiàn)工程產(chǎn)品化。其最大的價值就是用工廠的標準化、高質量生產(chǎn)和測試，確保了高效率以及高質量，把現(xiàn)場的工程變得最小化，極大減少現(xiàn)場安裝，助力 AIDC 快速高質量建設。
通過模塊化方式，還能實現(xiàn)硬件設備的即插即用——通過預留通用接口的方式，讓后續(xù)無論是制冷系統(tǒng)，還是服務器的更換都可以 " 傻瓜式 " 即插即用，進一步提升了部署速度。
不僅于此，模塊化的方式，還能大幅降低數(shù)據(jù)中心在建設過程中的碳排放，實現(xiàn)全生命周期內(nèi)的降碳，這點也正好呼應了 RAS 理念中——綠色低碳。
綠色低碳從 " 責任 " 變成 " 生存需求 "
在 " 雙碳 " 目標與能源危機的雙重驅動下，綠色低碳已從社會責任升級為 AIDC 的生存需求。傳統(tǒng)模式下，IDC 服務商與客戶都存在 " 降低能耗總量 " 的誤區(qū)。然而，隨著機柜功率不斷攀升，降低總能耗已經(jīng)是一條 " 不可行之路 "，面對此，華為提出了 " 提升系統(tǒng)效率 " 的核心思路，通過高效供電、高效制冷、系統(tǒng)高效、算電協(xié)同等四大路徑，實現(xiàn)全鏈路降碳。
高效供電方面，通過技術創(chuàng)新降低損耗。例如，華為 UPS 在 S-ECO 模式下效率高達 99.1%。
高效制冷方面，隨著智算時代液冷的普及，制冷能耗得到進一步降低，但風冷系統(tǒng)仍將繼續(xù)存在，風冷和液冷系統(tǒng)走向融合化，冷源統(tǒng)一化，通過 AI 手段對制冷系統(tǒng)做系統(tǒng)級能效調優(yōu)，進一步降低制冷能耗，提升制冷效率。
系統(tǒng)協(xié)同方面，通過系統(tǒng)協(xié)同，實現(xiàn)能源與算力的智能匹配。" 打通 L1 能源基礎設施與 L2 算力基礎設施的信息流，通過 AI 算法根據(jù)負載波動調節(jié)設備狀態(tài)，讓每瓦電力都能承載更多算力。" 石憶強調。
算電協(xié)同方面，綠電直供，就近消納是目前數(shù)據(jù)中心綠色低碳化的不可或缺的一步，而從國家規(guī)劃的八個算力樞紐節(jié)點布局上就不難看出國家在綠電直供，就近消納的布局。八個節(jié)點除了北上廣這樣的一線算力需求高度集中的城市之外，其余節(jié)點幾乎都處于盛產(chǎn)綠電的地方。
在面對行業(yè)存在 " 安全與低碳不可兼得 " 的誤區(qū)——認為冗余設計會增加能耗，節(jié)能措施會犧牲安全，石憶表示，高安全與高能效可以協(xié)同實現(xiàn)，關鍵在于系統(tǒng)級的優(yōu)化設計。
整體來看，數(shù)據(jù)中心正在向超高功率、超高密度和超大規(guī)模發(fā)展，智算中心的建設不僅是應對當前挑戰(zhàn)的務實選擇，更是贏得未來 AI 競爭的戰(zhàn)略布局。同時數(shù)據(jù)中心的設計思路也在變化，從 " 大系統(tǒng) " 向 " 標準化 + 模塊化分布式架構 " 演變，更彈性應對未來需求的不確定性，此外還要從軟硬件層面考慮網(wǎng)絡安全、供應安全和備電安全等問題。
可以說，AI 算力的洪流既帶來了 " 最好的時代 " 的機遇，也引發(fā)了 " 最焦慮的時代 " 的挑戰(zhàn)。在這場 AIDC 變革中，唯有以全棧專業(yè)能力與經(jīng)驗沉淀為底色，才能實現(xiàn)智能進化、再造卓越，而華為正在這條路上挺進。（文｜Leo 張 ToB 雜談，作者｜張申宇，編輯丨蓋虹達）
