唐雪陽

安科瑞電氣股份有限公司 上海嘉定  201801

你有沒有想過，當(dāng)你在AI對話框里敲下一行文字、點下發(fā)送鍵的那一刻，背后發(fā)生了什么？

幾秒鐘之內(nèi)，這條請求會被拆解成無數(shù)個計算任務(wù)，分發(fā)到數(shù)據(jù)中心里成千上萬塊GPU上并行處理，然后再拼湊成一段完整的回答回傳給你。整個過程快到你幾乎感覺不到等待。

但在這幾乎感覺不到的背后，數(shù)據(jù)中心的供電系統(tǒng)正在經(jīng)歷一場極限考驗。

一、AI算力爆發(fā)，供電成了最脆弱的一環(huán)

傳統(tǒng)數(shù)據(jù)中心的服務(wù)器，一個機(jī)柜功率也就幾千瓦。但到了AI時代，這個數(shù)字在以令人咂舌的速度飆升。

騰訊數(shù)據(jù)中心高級架構(gòu)師張佳斌在CDCC技術(shù)大會上透露，騰訊AI數(shù)據(jù)中心的GPU液冷機(jī)房，單機(jī)柜最高功率已經(jīng)達(dá)到140kW。而這還不是終點，后續(xù)將升至180kW，英偉達(dá)預(yù)測下一代Kyber架構(gòu)機(jī)柜起步功率就是600kW，甚至可能達(dá)到1MW。

一個機(jī)柜，相當(dāng)于一棟居民樓的總用電量。這對供電系統(tǒng)的承載能力提出了前所*有的要求。

更大的挑戰(zhàn)來自負(fù)載的劇烈波動。GPU的運算架構(gòu)決定了它的負(fù)載波動遠(yuǎn)大于傳統(tǒng)CPU，而且同一集群內(nèi)的GPU負(fù)載是同頻同步的，集群規(guī)模越大，波動量級越高。萬卡級集群的功率波動可以達(dá)到兆瓦級。

這種波動會給基礎(chǔ)設(shè)施帶來實實在在的損傷。騰訊分享了一組數(shù)據(jù)：2023年前，華東某GPU機(jī)房出現(xiàn)電池每日充放電幾十到上百次的情況。運行兩年后，GPU場景的電池異常率達(dá)到4.28%，而傳統(tǒng)CPU場景只有0.28%。拆解發(fā)現(xiàn)，電池負(fù)極硫酸鹽化比例最高達(dá)到40%，造成了不可逆的損傷。

簡單說：AI的忽快忽慢、忽高忽低，正在把數(shù)據(jù)中心的供電設(shè)備折騰壞。

二、從400V到800V，供電架構(gòu)的進(jìn)化之路

面對這些挑戰(zhàn)，數(shù)據(jù)中心行業(yè)正在做一件大事，重構(gòu)供電架構(gòu)。

騰訊的選擇是堅持直流路線。數(shù)據(jù)中心供電的傳統(tǒng)鏈路是：220kV市電到園區(qū)變電站再到400V低壓，再通過不間斷電源供給服務(wù)器。而騰訊從第三代數(shù)據(jù)中心開始就鎖定了分布式直流架構(gòu)，系統(tǒng)效率達(dá)到96%到97%。

直流架構(gòu)有三大核心優(yōu)勢：

第一，可靠性更高。高壓直流的故障宕機(jī)率遠(yuǎn)低于傳統(tǒng)UPS，電池直掛可以兜底供電20分鐘。

第二，故障范圍可控。分布式架構(gòu)可以把故障限定在240kW以內(nèi)，30kW的模塊幾分鐘就能更換。

第三，可以借力新能源行業(yè)的技術(shù)紅利。800V技術(shù)正在從電動汽車領(lǐng)域向數(shù)據(jù)中心滲透。

騰訊目前正在推進(jìn)400V到240V的直流供電，中期計劃通過Sidecar等架構(gòu)實現(xiàn)400V到800V的短距離供電，遠(yuǎn)期目標(biāo)是10kV直接降800V供電。

三、能效管理，讓每一度電都用在刀刃上

AI算力狂奔的同時，一個現(xiàn)實問題擺在面前：電費是數(shù)據(jù)中心最大的運營成本之一，電力成本已占運營總成本的40%至60%，在AI算力密集型場景中甚至高達(dá)70%。供電架構(gòu)的升級是硬件層面的變革，而軟件層面的能效管理同樣不可*缺。

安科瑞AcrelEMS-IDC數(shù)據(jù)中心綜合能效管理系統(tǒng)，正是針對這一需求打造的解決方案。它集電力監(jiān)控、動環(huán)監(jiān)控、能耗分析、蓄電池監(jiān)測、精密配電監(jiān)控、智能母線監(jiān)控、智能照明、消防監(jiān)控等于一體，覆蓋從10kV高壓進(jìn)線到每個機(jī)柜末端PDU的全鏈路。

在感知計量層面，系統(tǒng)通過部署在高壓進(jìn)線側(cè)的多功能儀表、列頭柜的精密配電監(jiān)控裝置以及末端機(jī)柜的多回路監(jiān)控模塊，實現(xiàn)對每一臺設(shè)備、每一條回路用電情況的精準(zhǔn)計量，讓每一度電的去向清晰可見。

在電池安全層面，針對GPU負(fù)載波動導(dǎo)致的電池壽命縮短問題，安科瑞ABAT100蓄電池在線監(jiān)測系統(tǒng)可實時監(jiān)測每節(jié)電池的電壓、內(nèi)阻與溫度，分析電池的剩余容量和健康狀態(tài)，提前預(yù)警失效風(fēng)險，避免電池在關(guān)鍵時刻掉鏈子。實際應(yīng)用中，使用該系統(tǒng)的數(shù)據(jù)中心平均故障響應(yīng)時間縮短了70%，電池更換周期從3年延長至4至5年。

在電能質(zhì)量層面，針對開關(guān)電源、UPS等非線性負(fù)載產(chǎn)生的諧波和不平衡問題，系統(tǒng)通過在線監(jiān)測裝置結(jié)合APF有源濾波器和SVG靜止無功發(fā)生器進(jìn)行動態(tài)治理，確保服務(wù)器用電純凈可靠。

在智能母線層面，AMB系列智能母線監(jiān)控裝置對母線槽各節(jié)點進(jìn)行全電參量監(jiān)測和連接器溫度監(jiān)控，保障高密供電場景下的母線供電安全。

此外，系統(tǒng)還集成電氣火災(zāi)監(jiān)控、故障電弧監(jiān)測和智能照明聯(lián)動控制，形成全*位的電氣安全防護(hù)網(wǎng)。

這套方案已在多個實際項目中得到驗證：某大型互聯(lián)網(wǎng)數(shù)據(jù)中心通過部署精密配電監(jiān)控，將PUE測量誤差從5%降至1.2%以內(nèi)；某數(shù)據(jù)中心通過ABAT100系統(tǒng)將電池更換周期延長了1至2年；在冷凍水機(jī)組和精密空調(diào)回路加裝監(jiān)測設(shè)備后，一個月內(nèi)識別出20%以上的節(jié)能空間。

四、結(jié)語

AI算力的爆發(fā)是不可逆的趨勢。從單機(jī)柜幾千瓦到140kW、再到未來的600kW甚至1MW，數(shù)據(jù)中心的供電系統(tǒng)正在經(jīng)歷一場從夠用到不夠用、再從重構(gòu)到精管的進(jìn)化。

硬件架構(gòu)的升級是地基，騰訊的直流路線、800V探索，都是在為高密算力鋪路。而軟件層面的能效管理則是裝修，讓每一度電都被精準(zhǔn)計量、合理調(diào)配、用在刀刃上。

安科瑞AcrelEMS-IDC數(shù)據(jù)中心綜合能效管理系統(tǒng)所做的，正是這件事：用數(shù)據(jù)讓能源管理從憑經(jīng)驗變成靠數(shù)據(jù)，從粗放走向精細(xì)。在AI算力狂奔的時代，能效管理不是選擇題，而是必答題。