AI 機櫃功耗飆升,模組化資料中心為何成為部署關卡
Tech News

AI 機櫃功耗飆升,模組化資料中心為何成為部署關卡

圖片:TechLab
TechLab 編輯部·

AI 運算設備的功耗密度正把資料中心的限制,從單純的機房面積轉向供電、散熱與交付速度。TechNews 科技新報 報道引述 Compu Dynamics 總裁暨執行長 Steve Altizer 指出,傳統雲端或企業 IT 機櫃的功耗約為 5 至 30kW;AI 機櫃則可達 150 至 250kW。若這些數字適用於實際部署,既有為低密度機櫃設計的機房,即使仍有空間,也未必有足夠電力和散熱能力容納 AI 叢集。

這也是模組化資料中心受到重視的原因。不過,這仍是單一基建業者提出的部署方向;功耗、建置期與效益數字均應由實際項目進一步驗證,不能直接視為整個市場的既定標準。

高密度運算先碰到的是物理限制

AI 機櫃密度提高後,傳統氣冷難以有效帶走熱量,液冷因而由選配逐漸變成部署條件之一。問題不只在機櫃本身:配電系統、排熱設施、管線和網路骨幹都要配合升級。把少量高功耗 AI 機櫃放進原有雲端機房,可能造成大片空間未能充分使用,但供電與冷卻資源已先成為約束,拉高每個可用機櫃的建置成本。

TechNews 科技新報 報道指出,Altizer 提出的做法是由場址業者先建好中壓配電、排熱與骨幹網路,再讓租戶接入約 5 至 20MW 的預製機房模組。這種分工把長壽命的園區基建,與更新節奏更快的 GPU 運算單元拆開處理。

模組化解的是更新與交付問題

GPU 世代更替快於資料中心建築的使用年期,是模組化邏輯的核心。若運算模組可獨立替換,業者在更新硬件與冷卻設計時,理論上不必讓整棟設施跟著失去效用;同時也能按需求逐段增加容量,而非一次完成大型機房。

TechNews 科技新報 報道引述 Altizer 的估算,傳統資料中心建置可需 18 至 24 個月,模組化方案則可能縮短至 6 至 9 個月。這個時間優勢能否實現,取決於預製模組是否已量產、場址的電力與散熱基建是否就緒,以及整合商能否把設計、製造與現場接入協調起來。若上游電力工程或液冷設施延誤,模組本身再快也未必能提早投入運作。

Altizer 亦主張,部分 AI 專用模組可重新評估傳統不斷電系統與柴油發電機的配置,以改善能源效率。這屬於其建議而非已獲普遍採用的做法;可靠性、備援要求與營運風險仍會左右不同項目的取捨。

下一步值得觀察的是,資料中心營運商、設備整合商與液冷、配電供應鏈能否把高密度機櫃的部署,從個別專案變成可重複交付的標準化能力。對採購 AI 算力的企業而言,評估重點也將不只落在 GPU 數量,還包括供電、散熱、擴充速度與維運安排是否能一併跟上。

延伸閱讀

AI 輔助說明: 本文由 AI 協助整理。


參考來源

本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。

分享:WhatsAppThreadsTelegramFacebook