绿色数据中心建设看似高投入,看不到比较快的回报率,事实并非如此。
探讨之前提到的分布式不间断电源系统,分布式采用锂电方案,在经济效益上具有双重提升:一方面在建设阶段带来经济效益,另一方面在运维管理上同样实现成本优化。
大家发现,当前数据中心空置率,反映出目前在数据中心领域,它的业务发展、运营以及建设方面存在不均衡现象。
这就意味着数据中心并非能够迅速达到最佳运营点,通常需要经历一个业务增长的过程,我们称之为“业务爬坡期”,甚至有可能某些数据中心的资源上架率最终也不会很高。
尤其是在算电协同背景下,协同意味着“算”和“电”的建设应当是伴随式发展。所需的算力支撑应与电力供给相匹配,即根据实际需要的算力水平来购买相应的电力支持。
而相较于传统的集中式方案,这种伴随式建设就会遇到很大的瓶颈。
传统的UPS+铅酸方案,确实一定程度上通过规模效应实现了成本效益,单个设备容量可达到600kVA,甚至更高,均摊到每个机柜的成本确实较低。
然而,实际面临的问题是:当我们按照整个楼层的容量来建设UPS + 铅酸系统后,业务增长是否能够迅速跟上?
在大多数情况下,业务增长很难立即匹配这样的规模,通常需要一两年,甚至三四年时间来逐步增长,有的最终可能都无法达到预期的上架率。
相比之下,采用分布式方式进行建设,用多少机柜,就上多少机柜的电力建设,这显得尤为宝贵。
从投资的角度,我们进行过投资曲线的测算。集中式方案通常是分阶段、大阶梯式进行建设,每个建设阶段以几百个机柜为增量单位。
与集中式方案不同,分布式电源的建设模式是以单个机柜为单元,呈现斜线式线性增长。

在集中式方案中,起步就是一个较大的投资台阶,而到了下一个周期阶段,又是一次大的投资跃升,如上图所示。
运维方面,众所周知,铅酸电池作为传统的电池类型,其循环寿命非常有限。通常情况下,在UPS主机寿命到达之前,铅酸电池大约每四至五年就需要更换一次。
这不仅给数据中心的整体运营带来了较大的压力,而且铅酸电池的维护本身也较为耗费人力和电力,这是导致运营成本增加的一个重要因素。
相比之下,采用分布式锂电方案可以显著提升经济效益。
同时,业界也在探讨将新兴的储能技术应用于数据中心。
从备电的角度来看,锂电池的电量及其性能完全能够满足削峰填谷的应用需求,这样的话,很大程度,尤其在峰谷电价比较大的区域,采用分布式锂电方案能够给数据中心带来很好的电费节省。
这种技术转型,无疑将为数据中心带来更为高效和经济的运维体验。
好文章,需要你的鼓励
国际能源署发布的2025年世界能源展望报告显示,全球AI竞赛推动创纪录的石油、天然气、煤炭和核能消耗,加剧地缘政治紧张局势和气候危机。数据中心用电量预计到2035年将增长三倍,全球数据中心投资预计2025年达5800亿美元,超过全球石油供应投资的5400亿美元。报告呼吁采取新方法实现2050年净零排放目标。
维吉尼亚理工学院研究团队对58个大语言模型在单细胞生物学领域的应用进行了全面调查,将模型分为基础、文本桥接、空间多模态、表观遗传和智能代理五大类,涵盖细胞注释、轨迹预测、药物反应等八项核心任务。研究基于40多个公开数据集,建立了包含生物学理解、可解释性等十个维度的评估体系,为这个快速发展的交叉领域提供了首个系统性分析框架。
AMD首席执行官苏姿丰在纽约金融分析师日活动中表示,公司已准备好迎接AI浪潮并获得传统企业计算市场更多份额。AMD预计未来3-5年数据中心AI收入复合年增长率将超过80%,服务器CPU收入份额超过50%。公司2025年预期收入约340亿美元,其中数据中心业务160亿美元。MI400系列GPU采用2纳米工艺,Helios机架系统将提供强劲算力支持。
西湖大学王欢教授团队联合国际研究机构,针对AI推理模型内存消耗过大的问题,开发了RLKV技术框架。该技术通过强化学习识别推理模型中的关键"推理头",实现20-50%的内存缩减同时保持推理性能。研究发现推理头与检索头功能不同,前者负责维持逻辑连贯性。实验验证了技术在多个数学推理和编程任务中的有效性,为推理模型的大规模应用提供了现实可行的解决方案。