到2026年,AI数据中心预计每年将消耗超过90太瓦时的电力。国际能源署最新年度报告强调了业界已经感受到的现实:AI正在迫使数据中心、公用事业公司和技术供应商重新思考电力的生产、传输和消耗方式。
在圣安东尼奥举行的数据中心世界电力大会上,Lancium联合创始人兼首席执行官Michael McNamara和戴尔科技全球行业首席技术官兼能源负责人David Holmes,讨论了这个快速变化的领域——在这里,电力供应、电网集成和机架级工程已成为推动AI增长的核心。
AI基础设施的新挑战
对于Holmes来说,变化的速度已经将基础设施变成了一个全球经济问题。"谁能想到几年前数据中心和电力会成为真正成为全球经济地缘政治增长支点的话题?但我们现在就面临这种情况。"
戴尔的增长曲线说明了需求的规模:"在上一个财年,我们销售了价值98亿美元的AI服务,"Holmes说。"在2025年第一季度,我们销售了价值121亿美元的服务,并在季度结束时积压了141亿美元的订单。增长轨迹绝对非凡。"
他说,虽然超大规模服务商可能占据头条新闻,但它们只是整个图景的一部分。"很多人将注意力集中在超大规模公有云提供商身上……但紧随其后的是数千家正在建设自己AI数据工厂的客户。"
这种私有AI部署的激增正在重塑对基础设施的期望。"如果你在三四年前是一名数据中心运营商,你不会认识今天运营现代高效数据中心所需的一半技术,"Holmes说。
当吉瓦成为新的兆瓦
Lancium参与了包括德克萨斯州阿比林Stargate开发项目在内的重大项目,现在正在为数据中心需求的新时代设计园区。据McNamara称,这些站点必须支持的负载"大幅超过"任何人在几年前的预期。
随着AI集群消耗数十到数百兆瓦的电力,底层电网约束变得不可避免。
"那么,对于负载比设计处理的应急情况大六倍的电网系统意味着什么?这意味着你需要与电网运营商进行非常紧密的集成,"McNamara说。
他警告说,未管理的负载波动可能会压垮本地系统。负载跳闸"有可能造成混乱",而"一些AI数据中心的自然震荡也需要得到管理"。
对于未来,McNamara认为有一个要求高于一切:"灵活性是关键。"他说,电池储能将有助于提供"电网所需的灵活性来应对负债、电价、资源充足性,同时允许那些极其宝贵的Token尽可能快地产生。"
高密度AI系统工程
即使电网能够提供电力,数据中心仍需要冷却它。Holmes描述了戴尔如何从内到外重新设计系统,在不牺牲效率的情况下将更多计算能力压缩到更小的空间中。
"我们专注于构建最高效的系统,为进入数据中心的每瓦电力提供最大的计算能力,"他对数据中心世界电力大会的观众说。
互连距离——甚至光速本身——已成为设计约束。"信号必须传输的距离变得至关重要,"Holmes说。"我们在更小的物理空间中获得的计算能力越多,我们的系统运行就越高效,我们将获得更大的计算能力。"
数字说明了这种转变:"今天,我们正在出货机架密度约为270千瓦的系统。明年,我们将出货机架密度约为每机架480千瓦的系统。"
冷却这些机架需要重新评估传统方法。"传统的空气冷却根本无法应对这些机架密度水平,直接液冷系统绝对必不可少,"Holmes说。
但下一个演进已经出现。Holmes强调了戴尔新的封闭式后门热交换器——液冷和机架内隔离的混合体——它显著减少了冷却负载。
使用这些系统,"如果你有一个10兆瓦的数据中心,我们可以将冷却能耗从约2.5兆瓦减少到约700千瓦——减少约30%。"
电力、设计和协作的新模式
在整个讨论中,一个清晰的主题浮现出来:AI正在缩短能源和计算之间的距离。电网运营商、数据中心开发商、供应商和最终用户不能再孤立地进行规划。
目前正在开发的吉瓦级园区需要与公用事业公司协同设计、新的运营模式以及全新一代的硬件。
Holmes总结了现实:在当今环境中,运行AI设施所需的许多技术在几年前根本不存在。
对于McNamara来说,行业的未来取决于灵活性——适应容量、集成储能以及在比传统数据中心所需的更深层次上与电网协作的能力。
Q&A
Q1:到2026年AI数据中心将消耗多少电力?
A:到2026年,AI数据中心预计每年将消耗超过90太瓦时的电力。国际能源署的最新年度报告强调了这一点,表明AI正在迫使数据中心、公用事业公司和技术供应商重新思考电力的生产、传输和消耗方式。
Q2:戴尔在AI服务方面的增长情况如何?
A:戴尔的增长轨迹非常惊人。在上一个财年,戴尔销售了价值98亿美元的AI服务。在2025年第一季度,销售额达到121亿美元,并在季度结束时积压了141亿美元的订单,显示出AI需求的爆发式增长。
Q3:为什么说灵活性对于AI数据中心的未来至关重要?
A:因为AI集群消耗数十到数百兆瓦的电力,负载是传统电网设计处理能力的六倍。这需要与电网运营商进行非常紧密的集成,而电池储能将提供电网所需的灵活性来应对负债、电价和资源充足性问题。
好文章,需要你的鼓励
两家公司在OverdriveAI峰会上分享了AI应用经验。Verizon拥有超过1000个AI模型,用于预测客户呼叫原因和提供个性化服务,将AI推向边缘计算。Collectors则利用AI识别收藏品真伪,将每张卡片的鉴定时间从7分钟缩短至7秒,估值从8.5亿美元增长至43亿美元。
阿布扎比科技创新研究院团队首次发现大语言模型生成的JavaScript代码具有独特"指纹"特征,开发出能够准确识别代码AI来源的系统。研究创建了包含25万代码样本的大规模数据集,涵盖20个不同AI模型,识别准确率在5类任务中达到95.8%,即使代码经过混淆处理仍保持85%以上准确率,为网络安全、教育评估和软件取证提供重要技术支持。
Hammerspace发布v5.2数据平台软件,通过更快的元数据读取、更好的数据放置和扩展性优化提升AI数据访问性能。新版本IO500总分提升33.7%,总带宽翻倍,IOR-Hard-Read测试提升超800%。增加了Tier 0亲和性功能,支持GPU服务器本地存储访问,减少集群内网络流量。新增Oracle云支持、Kerberos认证和标签化NFS,提供更细粒度的访问控制。该软件将于12月正式发布。
斯坦福大学研究团队首次系统比较了人类与AI在文本理解任务中的表现。通过HUME评估框架测试16个任务发现:人类平均77.6%,最佳AI为80.1%,排名第4。人类在非英语文化理解任务中显著优于AI,而AI在信息处理任务中更出色。研究揭示了当前AI评估体系的缺陷,指出AI的高分往往出现在任务标准模糊的情况下。