行业转型与认知挑战 - 数据中心行业正经历深刻变革，其角色从传统的数据存储与计算物理空间转变为支撑AI大模型训练、算法迭代与生态演进的关键“算力中心” [1] - 行业面临的首要难题是认知转变，需从“我会做什么”转向“判断以后需要做什么”，许多数据中心被淘汰源于过去基于“改造”的路径选择，其设计仅以满足眼前标准为蓝本，无法适应未来动态需求 [3] - AI时代的需求具有动态、不可预知的特点，其不确定性决定了未来AI发展存在弹性、方向差异和不可预知性，固守旧有模式将难以适应 [3] 未来算力中心的核心特质 - 未来算力中心的核心特质被归结为兼容性和前瞻性，缺乏兼容能力的算力中心都将被淘汰 [4] - AI时代算力需求呈现多元化、高弹性、快速迭代的特点，通用计算需求依然存在，而智能计算迅猛发展，单机柜功率密度不断提升 [5] - 硬件、算法、算力任务的迭代周期已从过去的五到六年缩短至两到三年，未来甚至可能缩短至半年 [5] 兼容性技术战略 - 面对复杂需求，单一僵化的解决方案将被放弃，公司策略是构建一个“工具箱”，储备一系列可模块化替换的兼容性技术 [6] - 这些技术工具可灵活组合，以适应不同需求和发展阶段，确保每个场景下都能实现最佳效果，从而使基础设施能兼容其运行的全周期发展路径 [6] - 该策略旨在构建一个真正稳定、可持续发展的底座 [6] 绿色节能与全生命周期视角 - 绿色节能是数据中心行业的永恒主题，当前行业普遍关注的PUE和WUE主要聚焦于从建设到运营结束的阶段 [7] - 公司提出了更宏大的“全生命周期资源消耗”视角，能耗计算应从原材料开采第一天起，贯穿生产、运输、制造、安装、运营直至报废、清运和环保分解的全过程 [8] - 评判节能环保需比较全生命周期消耗的能源、水和不可再生材料与其产生的价值，否则“节能”可能只是局部假象 [8] 节能技术实施路径 - 公司建立模型分析节能措施的真实价值，权衡其牺牲与收获，在实施上致力于选增最优应用并减少能源转换环节 [8] - 在电力系统方面，行业趋势是向800伏直流系统演进，以减少传统交流-直流多次转换带来的能量损耗，提高传输电压是降低损耗的关键 [8][9] - 在制冷系统方面，目标是降低换热环节，通过解构和重组系统，用一个系统满足引入不同温度换热工质的多样化服务器需求，以最大化能效 [9] 对液冷技术的务实态度 - 随着GPU芯片功率飙升，液冷技术被视为解决高密度散热难题的方案之一，但目前市场端液冷占比仅约15% [10] - 大规模应用的高密度项目屈指可数，主流机柜功率仍集中在10~20千瓦区间，液冷在相当长一段时间内不会成为主流，因为通用计算和智能计算将同时存在 [10] - 液冷普及受限与中国芯片产业和AI生态的成熟度相关，公司虽较早部署冷板式液冷，但其发展仍处于探索和积累数据阶段，技术本身仍在不断改进中 [10][11] - 即便是头部企业，其冷板式液冷的应用密度也远低于技术理论上限，公司态度是持续发力但立足现实、稳步推进 [10][11]