自2018年起，施耐德電氣已經(jīng)連續(xù)第7年在年初發(fā)布《看得見的未來—數(shù)據(jù)中心行業(yè)的新趨勢與新突破》系列洞察，開創(chuàng)了行業(yè)趨勢前瞻解讀先河，并持續(xù)引領未來變革方向，為數(shù)據(jù)中心行業(yè)注入強勁發(fā)展動力。

立足深刻的行業(yè)洞察和實踐，施耐德電氣致力于揭示新一年數(shù)據(jù)中心行業(yè)會發(fā)生哪些變化，這些變化和趨勢對數(shù)據(jù)中心運營商的價值和意義，以及對這些行業(yè)變化的看法和價值主張。

以下是施耐德電氣全球數(shù)據(jù)中心科研中心對2024年發(fā)展趨勢的預測。

過去十年，云計算一直是推動數(shù)據(jù)中心建設與發(fā)展的主要驅動力，目的是為社會提供數(shù)字化轉型所需的通用算力。但是，AI的爆發(fā)帶來了巨大的算力需求，為了滿足AI大模型的訓練和應用推理，我們需要建設大量的智算中心。

施耐德電氣根據(jù)全球數(shù)據(jù)中心的用電量，GPU芯片和AI服務器未來的出貨量等數(shù)據(jù)，估算出全球智算中心目前的電力需求為4.5 GW，占數(shù)據(jù)中心總57 GW的8%，并預測到2028年它將以26%-36%的年復合增長率增長，最終達到14.0 GW至18.7 GW，占總93 GW的15%-20%。這一增長速度是傳統(tǒng)數(shù)據(jù)中心年復合增長率（4%-10%）的2到3倍。算力分布也會由現(xiàn)在的集中部署（集中vs.邊緣為95%:5%）向邊緣遷移（50%:50%），這意味著智算中心將引領數(shù)據(jù)中心建設的潮流。根據(jù)工信部的規(guī)劃，我們國家智能算力的占比將在2025年達到35%，年均復合增長率在30%以上。

機柜功率密度對數(shù)據(jù)中心的設計與造價具有較大的影響，包括供配電、制冷以及IT機房的布局等，一直都是數(shù)據(jù)中心比較關注的設計參數(shù)之一。

Uptime過去幾年的調研結果顯示，服務器機柜的功率密度正在穩(wěn)步但緩慢地攀升。機柜的平均功率密度通常低于6千瓦，大多數(shù)運營商沒有超過20千瓦的機柜。造成這一趨勢的原因包括摩爾定律使芯片的熱設計功耗維持在相對較低的水平（150瓦），同時高密服務器通常被分散部署在不同的機柜以降低對基礎設施的要求，但AI的爆發(fā)將改變這一趨勢。

風冷一直都是數(shù)據(jù)中心IT機房冷卻的主流方式，如果設計得當，可支持十幾個千瓦甚至更高的機柜功率密度。但隨著對AI訓練性能的不斷追求，開發(fā)人員不斷提高芯片的熱設計功耗，對這些芯片進行風冷變得不切實際。雖然一些服務器供應商通過重新設計芯片的散熱器、增加服務器風量以及進出風溫差，以不斷突破風冷技術的極限，配置40-50千瓦風冷型的AI機柜，但這會使風扇的功耗呈指數(shù)級增加。例如，AI服務器風扇可以消耗高達25%的服務器功率，但傳統(tǒng)服務器的典型值只有8%。

對于傳統(tǒng)數(shù)據(jù)中心，不同工作負載同時達到峰值的概率極低。比如，典型的大型數(shù)據(jù)中心峰均比通常在1.5-2.0或更高。但在智算中心，由于AI訓練負載缺乏變化（峰均比接近1.0），工作負載可以在峰值功率下，運行數(shù)小時、數(shù)天甚至數(shù)周。其結果是增加了上游大型斷路器脫扣的可能性，以及宕機的風險。同時，由于機柜功率密度的升高，需要采用更高額定電流值的斷路器、列頭柜、小母線等。而在電阻變小的同時，可以通過的故障電流也就更大，這意味著IT機房出現(xiàn)拉弧的風險也會升高，保證該區(qū)域工作人員的安全是必須解決的難題。

冷板式液冷和浸沒式液冷是數(shù)據(jù)中心液冷的兩種主流方式。究竟選擇哪種液冷方式以及如何實現(xiàn)快速部署一直都是行業(yè)熱議的話題。

隨著越來越多AI服務器采用冷板式液冷，冷板式液冷也更容易與傳統(tǒng)的風冷系統(tǒng)兼容，受到很多數(shù)據(jù)中心運營商的青睞。但是服務器廠家液冷的設計方式多種多樣，快速接頭、盲插和Manifold的兼容性存在諸多問題，IT與基礎設施的責任邊界也模糊不清，這大大限制了液冷在數(shù)據(jù)中心的接受度和推廣。

相較于冷板式液冷，采用碳氟化合物流體的浸沒式液冷不僅價格相對較高，而且很多碳氟化合物屬于對環(huán)境有害的人工合成類化學物質，面臨越來越多的行業(yè)監(jiān)管與政策壓力。因此，浸沒式液冷除了采用油類冷卻液，可用的碳氟化合物流體將越來越少。

水資源短缺正在成為許多地區(qū)的嚴重問題，了解和減少數(shù)據(jù)中心的水資源消耗變得越來越重要。此前，數(shù)據(jù)中心水資源消耗未被重視的一個重要原因是用水成本相對用電通常是微不足道的，甚至很多數(shù)據(jù)中心通過消耗更多的水來提高能效。但是，數(shù)據(jù)中心的用水已經(jīng)引起了很多當?shù)卣年P注，尤其在水資源匱乏的地區(qū)，政府正在出臺各項政策來限制和優(yōu)化數(shù)據(jù)中心的用水。這其中包括將WUE作為數(shù)據(jù)中心的設計指標，采用水電雙控政策。因此，減少用水量將成為許多數(shù)據(jù)中心運營商未來關注的重點領域。

在智算中心，隨著機柜功率密度的提升以及AI機柜的集群化部署，IT機房的配電面臨額定容量偏小的挑戰(zhàn)。比如，過去一個300 kW的配電模塊可以支持幾十臺甚至是上百臺機柜。而如今，同樣配電模塊的電量甚至無法支持一個最低配置的NVIDIA DGX SuperPOD AI集群（單排358 kW的10個機柜，每機柜36 kW）。配電模塊規(guī)格太小，使用多個配電模塊不僅浪費IT空間，也變得不切實際。與單個大容量配電模塊相比，多個配電模塊還會增加成本?；貧w配電的本質，提高配電容量的主要手段就是增大電流。

數(shù)據(jù)中心通過提供AI算力推動人類社會向著自動化、數(shù)字化和電氣化等更加可持續(xù)的方向演進，賦能交通、制造和發(fā)電領域減少對環(huán)境的影響。反過來，AI也可以賦能數(shù)據(jù)中心能源的優(yōu)化，來減少其自身對環(huán)境的影響。

比如，AI和機器學習技術可以用于數(shù)據(jù)中心冷源系統(tǒng)和空調末端的控制，通過對歷史數(shù)據(jù)的分析，實時監(jiān)測數(shù)據(jù)中心氣流分布，并基于數(shù)據(jù)中心IT負載的變化，實時匹配合適的冷量輸出。通過自動調節(jié)末端精密空調及風機的運轉方式，從而實現(xiàn)動態(tài)地按需制冷，以減少熱點并且降低機房的能源消耗與運維成本。

在數(shù)據(jù)中心設計中，追求IT機房面積占比的最大化，即盡可能減少輔助設備間的占地面積，一直都是數(shù)據(jù)中心設計的主要訴求之一。對于傳統(tǒng)的數(shù)據(jù)中心，IT機房的面積與配電室的面積之比通常為1.5:1左右。隨著AI驅動IT機柜的高密化，越來越多的IT機房采用液冷方式，液冷IT機房的面積與配電室的面積之比將發(fā)生逆轉，在0.6:1左右。這時，配電室的占地面積將引起數(shù)據(jù)中心設計人員的更多關注，優(yōu)化配電室的占地面積也必將成為行業(yè)的一個發(fā)展方向。

UPS系統(tǒng)在實現(xiàn)數(shù)據(jù)中心電能質量治理和不間斷供電方面一直發(fā)揮著重要的作用。隨著數(shù)據(jù)中心運營商面臨著提高可持續(xù)性和財務績效，同時保持或增強供配電系統(tǒng)的可靠性和彈性的壓力，新的能源存儲和發(fā)電技術提供了新的可能性，但也對傳統(tǒng)數(shù)據(jù)中心運營模式和電氣架構提出了挑戰(zhàn)。電池和燃料電池等分布式能源技術能夠有效產生或存儲清潔能源。

儲能系統(tǒng)除提供傳統(tǒng)UPS系統(tǒng)功能外，還可以通過在用電高峰時釋放存儲的能量來管理電力需求高峰，實現(xiàn)扛峰增載；通過削峰填谷，降低數(shù)據(jù)中心用電成本，來實現(xiàn)能源成本優(yōu)化；同時參與電網(wǎng)的需求響應，實現(xiàn)創(chuàng)收。

數(shù)據(jù)中心行業(yè)的重點將從傳統(tǒng)數(shù)據(jù)中心建設轉向智算中心建設，通過不斷的技術創(chuàng)新來實現(xiàn)智算中心的可持續(xù)發(fā)展與適應下一代IT技術是關鍵所在。