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
AI颠覆预计将在2026年持续,推动企业适应不断演进的技术并扩大规模。国际奥委会、Moderna和Sportradar的领导者在纽约路透社峰会上分享了他们的AI策略。讨论焦点包括自建AI与购买第三方资源的选择,AI在内部流程优化和外部产品开发中的应用,以及小型模型在日常应用中的潜力。专家建议,企业应将AI建设融入企业文化,以创新而非成本节约为驱动力。
字节跳动等机构联合发布GAR技术,让AI能同时理解图像的全局和局部信息,实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法,在保持全局视野的同时提取精确细节,在多项测试中表现出色,甚至在某些指标上超越了体积更大的模型,为AI视觉理解能力带来重要突破。
Spotify在新西兰测试推出AI提示播放列表功能,用户可通过文字描述需求让AI根据指令和听歌历史生成个性化播放列表。该功能允许用户设置定期刷新,相当于创建可控制算法的每周发现播放列表。这是Spotify赋予用户更多控制权努力的一部分,此前其AI DJ功能也增加了语音提示选项,反映了各平台让用户更好控制算法推荐的趋势。
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T,通过IcePop、C3PO++和ASystem三项核心技术突破,解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分,IMO-2025达到银牌水平,CodeForces获得2088分,展现出卓越的数学推理和编程能力,为AI推理能力发展树立了新的里程碑。