为 AI 时代设计数据中心电源供电层级
分布式、并行与集群计算
2026-05-18 v1 人工智能
摘要
AI 加速器的需求正在快速增长，数据中心的机架功率密度 Projections 预计将在 2027 年达到每部署约 1MW。这对数据中心电源供电设计师提出了重大挑战。随着功率密度的增加，为不同目标密度设计的数据中心可能在电力供应层级配置的功率上被“悬空”，即无法利用其供电层级所预留的全部功率。设计必须在多个硬件代际的长期数据中心生命周期内保持高效。由于电力容量在 AI 时代成为稀缺资源，功率利用率尤为重要。设计高效的长期电力供电层级困难，因为机架放置可行性、工作负载影响和成本取决于电气拓扑、部署粒度、放置策略、功率超订以及工作负载组合。此外，这些因素随时间演变、在多个资源维度上相互关联，且通常不适合闭式分析。为应对这一挑战，我们开发了一个框架，用于通过吞吐量、功率和成本指标评估数据中心电力供电设计，基于真实的到达序列、超订序列和 decommissioning 序列。该框架将 GPU、计算和存储部署的投影模型与来自 Microsoft Azure 生产数据的运营因素相结合。我们的结果表明，多资源悬空显著影响可部署容量、实际资本支出和交付的性能，并量化了从机架级和 pod 级 AI 系统获得的能量密度提升如何影响这些结果。对于 AI 数据中心设计，相关的规划目标不是已安装的兆瓦，而是随时间可部署的容量。
引用
@article{arxiv.2605.16255,
title = {Designing Datacenter Power Delivery Hierarchies for the AI Era},
author = {Grant Wilkins and Fiodar Kazhamiaka and Alok Gautam Kumbhare and Chaojie Zhang and Ricardo Bianchini},
journal= {arXiv preprint arXiv:2605.16255},
year = {2026}
}