重磅发布 | 2024看得见的未来：数据中心行业十大发展趋势

自2018年起，施耐德电气已经连续第7年在年初发布《看得见的未来—数据中心行业的新趋势与新突破》系列洞察，开创了行业趋势前瞻解读先河，并持续引领未来变革方向，为数据中心行业注入强劲发展动力。

立足深刻的行业洞察和实践，施耐德电气致力于揭示新一年数据中心行业会发生哪些变化，这些变化和趋势对数据中心运营商的价值和意义，以及对这些行业变化的看法和价值主张。

以下是施耐德电气全球数据中心科研中心对2024年发展趋势的预测。

过去十年，云计算一直是推动数据中心建设与发展的主要驱动力，目的是为社会提供数字化转型所需的通用算力。但是，AI的爆发带来了巨大的算力需求，为了满足AI大模型的训练和应用推理，我们需要建设大量的智算中心。

施耐德电气根据全球数据中心的用电量，GPU芯片和AI服务器未来的出货量等数据，估算出全球智算中心目前的电力需求为4.5 GW，占数据中心总57 GW的8%，并预测到2028年它将以26%-36%的年复合增长率增长，最终达到14.0 GW至18.7 GW，占总93 GW的15%-20%。这一增长速度是传统数据中心年复合增长率（4%-10%）的2到3倍。算力分布也会由现在的集中部署（集中vs.边缘为95%:5%）向边缘迁移（50%:50%），这意味着智算中心将引领数据中心建设的潮流。根据工信部的规划，我们国家智能算力的占比将在2025年达到35%，年均复合增长率在30%以上。

机柜功率密度对数据中心的设计与造价具有较大的影响，包括供配电、制冷以及IT机房的布局等，一直都是数据中心比较关注的设计参数之一。

Uptime过去几年的调研结果显示，服务器机柜的功率密度正在稳步但缓慢地攀升。机柜的平均功率密度通常低于6千瓦，大多数运营商没有超过20千瓦的机柜。造成这一趋势的原因包括摩尔定律使芯片的热设计功耗维持在相对较低的水平（150瓦），同时高密服务器通常被分散部署在不同的机柜以降低对基础设施的要求，但AI的爆发将改变这一趋势。

风冷一直都是数据中心IT机房冷却的主流方式，如果设计得当，可支持十几个千瓦甚至更高的机柜功率密度。但随着对AI训练性能的不断追求，开发人员不断提高芯片的热设计功耗，对这些芯片进行风冷变得不切实际。虽然一些服务器供应商通过重新设计芯片的散热器、增加服务器风量以及进出风温差，以不断突破风冷技术的极限，配置40-50千瓦风冷型的AI机柜，但这会使风扇的功耗呈指数级增加。例如，AI服务器风扇可以消耗高达25%的服务器功率，但传统服务器的典型值只有8%。

对于传统数据中心，不同工作负载同时达到峰值的概率极低。比如，典型的大型数据中心峰均比通常在1.5-2.0或更高。但在智算中心，由于AI训练负载缺乏变化（峰均比接近1.0），工作负载可以在峰值功率下，运行数小时、数天甚至数周。其结果是增加了上游大型断路器脱扣的可能性，以及宕机的风险。同时，由于机柜功率密度的升高，需要采用更高额定电流值的断路器、列头柜、小母线等。而在电阻变小的同时，可以通过的故障电流也就更大，这意味着IT机房出现拉弧的风险也会升高，保证该区域工作人员的安全是必须解决的难题。

冷板式液冷和浸没式液冷是数据中心液冷的两种主流方式。究竟选择哪种液冷方式以及如何实现快速部署一直都是行业热议的话题。

随着越来越多AI服务器采用冷板式液冷，冷板式液冷也更容易与传统的风冷系统兼容，受到很多数据中心运营商的青睐。但是服务器厂家液冷的设计方式多种多样，快速接头、盲插和Manifold的兼容性存在诸多问题，IT与基础设施的责任边界也模糊不清，这大大限制了液冷在数据中心的接受度和推广。

相较于冷板式液冷，采用碳氟化合物流体的浸没式液冷不仅价格相对较高，而且很多碳氟化合物属于对环境有害的人工合成类化学物质，面临越来越多的行业监管与政策压力。因此，浸没式液冷除了采用油类冷却液，可用的碳氟化合物流体将越来越少。

水资源短缺正在成为许多地区的严重问题，了解和减少数据中心的水资源消耗变得越来越重要。此前，数据中心水资源消耗未被重视的一个重要原因是用水成本相对用电通常是微不足道的，甚至很多数据中心通过消耗更多的水来提高能效。但是，数据中心的用水已经引起了很多当地政府的关注，尤其在水资源匮乏的地区，政府正在出台各项政策来限制和优化数据中心的用水。这其中包括将WUE作为数据中心的设计指标，采用水电双控政策。因此，减少用水量将成为许多数据中心运营商未来关注的重点领域。

在智算中心，随着机柜功率密度的提升以及AI机柜的集群化部署，IT机房的配电面临额定容量偏小的挑战。比如，过去一个300 kW的配电模块可以支持几十台甚至是上百台机柜。而如今，同样配电模块的电量甚至无法支持一个最低配置的NVIDIA DGX SuperPOD AI集群（单排358 kW的10个机柜，每机柜36 kW）。配电模块规格太小，使用多个配电模块不仅浪费IT空间，也变得不切实际。与单个大容量配电模块相比，多个配电模块还会增加成本。回归配电的本质，提高配电容量的主要手段就是增大电流。

数据中心通过提供AI算力推动人类社会向着自动化、数字化和电气化等更加可持续的方向演进，赋能交通、制造和发电领域减少对环境的影响。反过来，AI也可以赋能数据中心能源的优化，来减少其自身对环境的影响。

比如，AI和机器学习技术可以用于数据中心冷源系统和空调末端的控制，通过对历史数据的分析，实时监测数据中心气流分布，并基于数据中心IT负载的变化，实时匹配合适的冷量输出。通过自动调节末端精密空调及风机的运转方式，从而实现动态地按需制冷，以减少热点并且降低机房的能源消耗与运维成本。

在数据中心设计中，追求IT机房面积占比的最大化，即尽可能减少辅助设备间的占地面积，一直都是数据中心设计的主要诉求之一。对于传统的数据中心，IT机房的面积与配电室的面积之比通常为1.5:1左右。随着AI驱动IT机柜的高密化，越来越多的IT机房采用液冷方式，液冷IT机房的面积与配电室的面积之比将发生逆转，在0.6:1左右。这时，配电室的占地面积将引起数据中心设计人员的更多关注，优化配电室的占地面积也必将成为行业的一个发展方向。

UPS系统在实现数据中心电能质量治理和不间断供电方面一直发挥着重要的作用。随着数据中心运营商面临着提高可持续性和财务绩效，同时保持或增强供配电系统的可靠性和弹性的压力，新的能源存储和发电技术提供了新的可能性，但也对传统数据中心运营模式和电气架构提出了挑战。电池和燃料电池等分布式能源技术能够有效产生或存储清洁能源。

储能系统除提供传统UPS系统功能外，还可以通过在用电高峰时释放存储的能量来管理电力需求高峰，实现扛峰增载；通过削峰填谷，降低数据中心用电成本，来实现能源成本优化；同时参与电网的需求响应，实现创收。

数据中心行业的重点将从传统数据中心建设转向智算中心建设，通过不断的技术创新来实现智算中心的可持续发展与适应下一代IT技术是关键所在。