数据中心的电力与冷却账：PUE、供电与散热的物理极限

问题的量级：AI 数据中心是「耗电巨兽」

传统数据中心的机柜功率 5–10kW；AI 数据中心的机柜功率 40–130kW（8 卡 H100 服务器约 10kW，NVLink 机柜级 130kW）——功率密度提升了一个数量级。一个 10 万卡集群：仅 IT 负载就约 1GW（10 万 × 700W 的 H100 ≈ 70MW，加上网络存储与开销）——一座小型城市的用电量。电力因此从「后勤保障」变成了「AI 竞争的第一性资源」：选址看电力、扩张等电力、甚至「买电的能力」成为云厂商的核心竞争力（本库算力产业篇的资本开支竞赛背后是电力的竞赛）。

电力的账本：从 IT 负载到市电引入

数据中心的电力账本三层。层一：IT 负载——真正干活的设备的功率（GPU 服务器的 TDP 之和 + 网络 + 存储）。层二：设施开销——冷却、供配电的损耗、照明等。层三：市电引入——从电网拿到手的总功率。PUE（Power Usage Effectiveness）是衡量效率的指标：PUE = 总用电 ÷ IT 用电——PUE 1.5 意味着每 1 度 IT 电要额外 0.5 度开销电；传统机房 PUE 1.5–2.0，AI 数据中心的工程目标 1.1–1.3（液冷接近 1.1 的极限）。AI 数据中心的账本特点：IT 负载占比极高（GPU 直接吃掉大部分电），设施开销的绝对值依然巨大——1GW 的 IT 负载按 PUE 1.2 就是 1.2GW 的市电需求。供电链路的层级：电网 → 变电站 → 数据中心变配电 → UPS（不间断电源的整流与电池）→ 机柜 PDU → 服务器——每一级都有损耗与容量限制，AI 数据中心常常需要新建变电站（现有电网接入不够——「等电网」成为扩张的真实瓶颈）。

冷却的技术路线：从风冷到液冷的必然

冷却的技术演进由功率密度逼出来。风冷的极限：每机柜 15–20kW 是风冷的现实上限（风量与气流组织的物理限制）——AI 机柜 40kW+ 直接超出风冷能力。液冷的两种形态：冷板式（直接-to-chip）——冷却液流过服务器内的冷板（贴着 GPU 的散热器）带走热量——当前 AI 数据中心的主流（改造相对容易、散热效率高数倍）；浸没式（immersion）——整台服务器泡在绝缘冷却液里——散热效率最高、但改造与运维复杂（相对小众）。液冷的工程含义：「水」成为数据中心的新的关键资源（冷却水的供给与水质管理）、漏液的运维风险（水在机房里——漏液检测与快速隔离）、以及余热的回收（液冷的热水温度高——余热供暖与再利用的探索）。冷却与算力的联动：GPU 的功耗随负载动态变化——冷却系统要跟随算力负载调节（AI 智能调温——冷却的电力开销直接进 PUE）。

「电力成为瓶颈」的产业含义

电力约束对 AI 产业的四层影响。影响一：选址的新逻辑。数据中心的选址标准变成「哪里有大量便宜且稳定的电力」（核电附近的招商、水电丰富的地区、电力富余的区域——美国的电力富裕区与中国的西部枢纽逻辑相同）。影响二：能源形态的选择。核电成为 AI 巨头的新宠（科技巨头直接投资核电——「为 AI 买一座核电站」的新闻标志着能源与算力的合流）、可再生能源 + 储能的组合。影响三：扩张节奏被电力锁死。「算力的军备竞赛」的实际上限是「电力的审批与建设周期」（一座变电站的建设以年计——本库算力产业篇的资本开支竞赛，物理上受电力的节拍约束）。影响四：效率成为竞争力。同等的电力下，谁的 PUE 更低、谁的 GPU 利用率更高，谁就产出更多智能——「电力效率」成为 AI 基础设施的第二战场（PUE 的优化、GPU 利用率的提升、模型的能效比——本库端侧篇的能效话题的机房版）。

数据中心电力的进阶：供电架构与冗余设计

数据中心电力（正文账本）的进阶：供电架构与冗余设计——AI 负载对供电的新要求。供电链路的架构。从市电到 GPU 的每一级：变电站 → 中压配电 → 变压器 → UPS/ATS → 母线 → 机柜 PDU → 服务器 PSU——每一级的容量与损耗（本库正文的账本细节的架构面）。AI 负载对供电的新挑战：功率密度的翻倍（每机柜 130kW——PDU 与母线的容量设计要跟上）、负载的波动性（训练任务的启停——功率的骤变对电网的冲击：训练集群的启停像开关一座工厂）。冗余的设计。N+1 与 2N 的冗余（供电的冗余架构——任何单点的故障不停机）、UPS 的形态选择（电池 UPS vs 飞轮——AI 负载的功率密度对 UPS 的挑战）、以及双路的真实价值（A/B 双路供电——单路故障的服务器不断电——机柜的双 PDU 接双路）。液冷与供电的耦合（本库正文的液冷）：液冷的泵与热交换器也要电（冷却的电力开销是 IT 负载的一部分——PUE 的分子）、断电时的冷却惯性（断电后 GPU 的余热——掉电保护的冷却设计是液冷机房的独有课题）。供电架构的收束：AI 数据中心的供电设计，是「电网工程 + IT 工程」的交叉学科——功率密度、负载波动、冷却耦合三个新变量，让传统机房的供电设计经验需要升级；供电的冗余与冷却的联动，是 AI 机房可靠性的物理基础。

数据中心选址的决策框架：电力、网络与政策的三角

数据中心（正文产业含义）的选址决策框架：电力、网络与政策的三角——AI 数据中心选址的新决策学。角一：电力。电力的三要素：容量（有足够的供电量）、价格（电价直接进成本——电价差 2 分钱，1GW 一年差 1.7 亿）、稳定性（电网的可靠性与频次）。能源的形态：火电（稳定但碳排放）、水电（季节性）、核电（稳定且低碳——AI 巨头的核电布局，本库正文的能源合流）、风光 + 储能（绿色但波动）。角二：网络与延迟。训练集群的位置可以偏远（训练不需要低延迟——算力可以跟着电力走：偏远地区的便宜电力建训练集群）、推理集群要靠近用户（延迟敏感——推理的选址是「电力与用户的折中」）、以及网络的中继（偏远集群的对外带宽——RDMA 的跨集群扩展）。角三：政策与合规。国产化与合规的要求（政策驱动的选址）、数据的属地要求（数据不出境/不出省的合规）、以及地方的招商政策（电价优惠、土地、税收——地方政府的 AI 招商竞赛）。三角的权衡实例：「西部训练 + 东部推理」的分工布局（训练跟着西部便宜电力、推理跟着东部用户）——「算力西移」是这个三角权衡下的产业选择。选址框架的收束：AI 数据中心的选址，是「电力经济学 + 网络延迟学 + 政策合规学」的三角求解——没有满分的位置，只有与业务形态匹配的权衡；训练与推理的分离部署，是这个权衡下最成熟的产业分工。

数据中心的液冷深度：冷板与浸没的工程对比

数据中心冷却（正文液冷）的深度：冷板与浸没的工程对比——液冷两条路线的取舍。冷板式（direct-to-chip）：冷却液流过 GPU 散热器的冷板——热量通过冷板传导到冷却液。优点：改造容易（在现有服务器上加冷板）、与风冷混合部署（部分液冷部分风冷——渐进改造）。缺点：接触面的热阻（冷板与芯片之间的热阻是效率的瓶颈）、接口的可靠性（每个 GPU 一个接口——接口泄漏的风险点）。浸没式（immersion）：整台服务器浸泡在绝缘冷却液中——热量直接从元器件传导到液体。优点：散热效率最高（液体的热传导远优于风冷——PUE 接近 1.02）、均匀的散热（整体浸泡无热点）、噪声为零（没有风扇）。缺点：改造剧烈（服务器需要专门的浸没设计——标准服务器不能直接泡）、维护的复杂（维修要捞出液体——运维流程的重新设计）、以及冷却液的成本与管理（介电液体的成本与寿命管理）。对比的选型：冷板是过渡期的主流（改造友好、渐进部署）、浸没是终局的形态（效率的极致但改造成本高）。以及一个趋势观察：冷板到浸没的过渡速度，取决于 GPU 功率密度的增长速度——功率密度越高，浸没的优势越明显——液冷的路线之争，本质是 GPU 功率演进的赛跑。

液冷的工程实施

液冷工程实施：从设计到运维清单。设计清单：冷量计算（GPU 发热量→冷却液流量与温度设计）、管路布局（供液回液管路设计——路径影响效率与维护性）、备份设计（液冷系统冗余——液冷故障等于整机柜宕机）。施工清单：管路施工（焊接质量——焊缝是泄漏高发点）、检测流程（打压测试——施工后管路压力测试确保不漏）、与风冷混合（冷板加风冷混合散热）。运维清单：泄漏监控（漏液检测传感器——每机柜漏液检测点）、冷却液管理（液位水质温度监控——冷却液是耗材需定期更换）、维修流程（液冷环境维修流程——维修前排液维修后重新充液）。液冷收束：液冷落地是设计施工运维全生命周期工程——每环节疏漏可能导致泄漏与停机；液冷可靠性不是技术问题是工程纪律问题。

小结

AI 数据中心的电力账本：机柜功率密度提升一个数量级（40–130kW）、10 万卡集群约 1GW 的市电需求、PUE 1.1–1.3 的效率目标。冷却由风冷必然走向液冷（冷板主流、浸没极致），「水」成为新的关键资源。「电力成为瓶颈」的四层产业含义：选址看电力、能源形态与算力合流、扩张节奏被电网锁死、电力效率成为第二战场。AI 竞争的终局约束不是芯片产能，是电力与散热的物理极限——算力的尽头是电。