TraneとEatonが発表したもの

今回の設計では、Eatonの電気システムアーキテクチャと、Traneの熱管理設計を組み合わせます。中心となるのは、高密度なAI施設で従来型の低電圧設備を個別に積み上げるのではなく、中電圧配電を軸に電力と冷却を連携させるアプローチです。

電力設備と冷却設備は、共通のデータと制御によって運用状況を共有します。これにより、両者を別々に設計・運用するのではなく、施設の負荷変動に合わせて電力と冷却を協調して対応させることを目指します。

設計は、NVIDIA DSX AI Factory Reference DesignおよびNVIDIA Omniverse DSX Blueprintに対応しています。電気、熱、制御インフラを計画する際に、両社が共通のデジタル・エンジニアリング基盤を使える点が特徴です。

中電圧アーキテクチャは何を変えるのか

一般的なデータセンターでは、電力配電と冷却が別々の設計工程として進むことがあります。この方法では、実際の計算負荷に対する冷却能力の調整や、設備変更への対応、施設全体の最適化が難しくなる可能性があります。

TraneとEatonの設計では、次のように両システムを早い段階から結び付けます。

• Eatonは電力配電を担当：中電圧配電を用いて高密度負荷に対応し、銅材を多く必要とする従来型レイアウトへの依存を抑える。
• Traneは熱管理を担当：AIファクトリー向けの熱管理設計や、液体冷却を前提とした構成を提供する。
• 制御とデータを共有：施設の状態変化に応じて、電力設備と冷却設備がリアルタイムで連携する。
• 将来の構成にも対応：液冷に加え、今後普及が見込まれる直流（DC）アーキテクチャも想定する。

要するに、電力網から計算チップまでの経路を一つのシステムとして最適化する発想です。建設前の段階で、電力損失、発熱量、冷却能力、ケーブル量、設備配置をまとめて検討しやすくなります。

目標は効率15％向上、設置コスト30％削減、銅80％削減

TraneとEatonは、従来の低電圧設計と比較して、次の効果を最大値として示しています。

• エネルギー効率を15％向上
• 設置コストを30％削減
• 銅の使用量を80％削減

ただし、これらは両社が示したリファレンス設計上の試算です。特定の稼働中データセンターで独立検証された実測値ではありません。実際の結果は、施設規模、配電トポロジー、冷却方式、地域条件、設計への準拠度などによって変わります。

それでも、削減効果の方向性は明確です。銅の使用量が減れば、資材量や配線の負担を抑えられます。また、電力と冷却を一体で設計することで、エンジニアリングの重複、施工の複雑さ、電力容量と冷却能力のミスマッチを減らせる可能性があります。

どのプラットフォームで提供されるのか

共同設計は、次の2つのプラットフォームに組み込まれます。

• Trane Continuum Rubin DSX：TraneのAIファクトリー向け熱管理リファレンス設計を提供。
• Eaton Beam Rubin DSX：電力、冷却、制御を統合するEatonの事前設計済みプラットフォーム。AIファクトリーの稼働開始を早めることを目指す。

Eatonの配電技術はTrane側の実装も支援し、DSXに対応した統合設計の中で両社の技術を結び付けます。

もっとも、すべての顧客施設が同一の機器構成になるわけではありません。リファレンス設計は、繰り返し利用できるエンジニアリングのひな型であり、全プロジェクトに同じ部品表を適用する保証ではありません。

NVIDIA Omniverseで何が変わるのか

今回の協業は、Traneが進めてきたNVIDIA Omniverseの活用を、電力分野にも広げるものです。Traneは、Omniverseを使った設計・シミュレーションによってAIファクトリー向け熱管理リファレンス設計の効率を約10％改善し、2種類のContinuum Rubin DSXリファレンス設計も追加したと説明しています。

新たな協業では、冷却性能だけを個別にシミュレーションするのではなく、電力配電、熱管理、制御をより統合されたモデルで扱うことを目指します。

AIファクトリーでは、各システムの相互作用が性能を左右します。計算密度が上がれば電力需要が増え、電力需要の増加は発熱量の増加につながります。その結果、液冷の能力、ポンプの消費電力、施設全体の効率にも影響が及びます。

EatonによるBoyd Thermal買収の意味

Eatonは2026年3月12日、液体冷却技術を持つBoyd Thermalの買収を95億ドルで完了しました。この買収によって、Eatonの電気・電力管理製品群に液冷機能が加わり、データセンター向けに電力から熱管理までを提供する体制が強化されました。

AIシステムの電力密度が高まり、チップに近い位置での液冷が必要になるなか、同買収は戦略的な意味を持ちます。Eatonは中・高電圧インフラと熱管理技術を、データセンター全体で組み合わせやすくなりました。

ただし、この買収を理由に、TraneとEatonのすべてのリファレンス設計でBoyd製品が使われると判断することはできません。今回の発表が示すのは統合設計の方針であり、特定の顧客案件や一律の機器構成ではありません。

AIデータセンターの立地だけでは解決しない課題

中国・内モンゴル自治区のウランチャブでは、安価な電力とサーバー冷却に適した気候を背景に、Alibaba、Apple、Huawei、ByteDance、Kuaishouなどのデータセンター計画が集まっています。また、DeepSeekが同地域で1GW規模のAIデータセンターを計画しているとも報じられています。

こうした動きは、AIインフラのコストが電力価格や気候条件に大きく左右されることを示しています。一方で、電力を効率的に施設内へ配り、膨大な発熱を処理する必要性がなくなるわけではありません。立地によるコストメリットがあっても、配電、液冷、制御、将来拡張を一体で設計する重要性は残ります。

なぜ電力と冷却の統合が重要なのか

AI施設の課題は、単に電力を増やしたり冷却装置を追加したりすることではありません。運営者は、大量の電力を高効率で受け入れ、高密度な計算負荷に分配し、発生した熱を建設費や運用費を押し上げずに排出しなければなりません。

そのため、設計段階では次の点を同時に検討する必要があります。

• 計算設備に実際に届く電力はどの程度か
• 変換や配電による損失はどこで発生するか
• 各計算ゾーンでどれだけの熱が発生するか
• 液体冷却が必要になるか
• 将来の拡張に備えて、電気・熱容量をどこまで確保するか

TraneとEatonの設計がこうした判断を不要にするわけではありません。意義は、これらを共通のリファレンスフレームワークにまとめ、建設前の比較検討や、AIハードウェアの進化に合わせた設計変更を行いやすくする点にあります。

まとめ

Trane TechnologiesとEatonは、AIデータセンターを「電力網からチップまで」一体の電気・熱システムとして設計することを提案しています。NVIDIA DSXに対応したリファレンス設計では、Eatonの中電圧配電、Traneの熱管理、共有制御、液冷対応、将来の直流システムへの適応を組み合わせます。

最大15％のエネルギー効率向上、30％の設置コスト削減、80％の銅使用量削減という数字は大きいものの、現時点では特定施設の実測結果ではなく、ベンダーが示すリファレンス設計上の目標です。より重要なポイントは、AIの電力密度が高まるほど、電力供給と熱処理を別々に考えることが難しくなり、両者を同時に設計する必要が増していることです。

TraneとEatonが発表したもの

今回の設計では、Eatonの電気システムアーキテクチャと、Traneの熱管理設計を組み合わせます。中心となるのは、高密度なAI施設で従来型の低電圧設備を個別に積み上げるのではなく、中電圧配電を軸に電力と冷却を連携させるアプローチです。

電力設備と冷却設備は、共通のデータと制御によって運用状況を共有します。これにより、両者を別々に設計・運用するのではなく、施設の負荷変動に合わせて電力と冷却を協調して対応させることを目指します。

設計は、NVIDIA DSX AI Factory Reference DesignおよびNVIDIA Omniverse DSX Blueprintに対応しています。電気、熱、制御インフラを計画する際に、両社が共通のデジタル・エンジニアリング基盤を使える点が特徴です。

中電圧アーキテクチャは何を変えるのか

一般的なデータセンターでは、電力配電と冷却が別々の設計工程として進むことがあります。この方法では、実際の計算負荷に対する冷却能力の調整や、設備変更への対応、施設全体の最適化が難しくなる可能性があります。

TraneとEatonの設計では、次のように両システムを早い段階から結び付けます。

• Eatonは電力配電を担当：中電圧配電を用いて高密度負荷に対応し、銅材を多く必要とする従来型レイアウトへの依存を抑える。
• Traneは熱管理を担当：AIファクトリー向けの熱管理設計や、液体冷却を前提とした構成を提供する。
• 制御とデータを共有：施設の状態変化に応じて、電力設備と冷却設備がリアルタイムで連携する。
• 将来の構成にも対応：液冷に加え、今後普及が見込まれる直流（DC）アーキテクチャも想定する。

要するに、電力網から計算チップまでの経路を一つのシステムとして最適化する発想です。建設前の段階で、電力損失、発熱量、冷却能力、ケーブル量、設備配置をまとめて検討しやすくなります。

目標は効率15％向上、設置コスト30％削減、銅80％削減

TraneとEatonは、従来の低電圧設計と比較して、次の効果を最大値として示しています。

• エネルギー効率を15％向上
• 設置コストを30％削減
• 銅の使用量を80％削減

ただし、これらは両社が示したリファレンス設計上の試算です。特定の稼働中データセンターで独立検証された実測値ではありません。実際の結果は、施設規模、配電トポロジー、冷却方式、地域条件、設計への準拠度などによって変わります。

それでも、削減効果の方向性は明確です。銅の使用量が減れば、資材量や配線の負担を抑えられます。また、電力と冷却を一体で設計することで、エンジニアリングの重複、施工の複雑さ、電力容量と冷却能力のミスマッチを減らせる可能性があります。

どのプラットフォームで提供されるのか

共同設計は、次の2つのプラットフォームに組み込まれます。

• Trane Continuum Rubin DSX：TraneのAIファクトリー向け熱管理リファレンス設計を提供。
• Eaton Beam Rubin DSX：電力、冷却、制御を統合するEatonの事前設計済みプラットフォーム。AIファクトリーの稼働開始を早めることを目指す。

Eatonの配電技術はTrane側の実装も支援し、DSXに対応した統合設計の中で両社の技術を結び付けます。

もっとも、すべての顧客施設が同一の機器構成になるわけではありません。リファレンス設計は、繰り返し利用できるエンジニアリングのひな型であり、全プロジェクトに同じ部品表を適用する保証ではありません。

NVIDIA Omniverseで何が変わるのか

今回の協業は、Traneが進めてきたNVIDIA Omniverseの活用を、電力分野にも広げるものです。Traneは、Omniverseを使った設計・シミュレーションによってAIファクトリー向け熱管理リファレンス設計の効率を約10％改善し、2種類のContinuum Rubin DSXリファレンス設計も追加したと説明しています。

新たな協業では、冷却性能だけを個別にシミュレーションするのではなく、電力配電、熱管理、制御をより統合されたモデルで扱うことを目指します。

AIファクトリーでは、各システムの相互作用が性能を左右します。計算密度が上がれば電力需要が増え、電力需要の増加は発熱量の増加につながります。その結果、液冷の能力、ポンプの消費電力、施設全体の効率にも影響が及びます。

EatonによるBoyd Thermal買収の意味

Eatonは2026年3月12日、液体冷却技術を持つBoyd Thermalの買収を95億ドルで完了しました。この買収によって、Eatonの電気・電力管理製品群に液冷機能が加わり、データセンター向けに電力から熱管理までを提供する体制が強化されました。

AIシステムの電力密度が高まり、チップに近い位置での液冷が必要になるなか、同買収は戦略的な意味を持ちます。Eatonは中・高電圧インフラと熱管理技術を、データセンター全体で組み合わせやすくなりました。

ただし、この買収を理由に、TraneとEatonのすべてのリファレンス設計でBoyd製品が使われると判断することはできません。今回の発表が示すのは統合設計の方針であり、特定の顧客案件や一律の機器構成ではありません。

AIデータセンターの立地だけでは解決しない課題

中国・内モンゴル自治区のウランチャブでは、安価な電力とサーバー冷却に適した気候を背景に、Alibaba、Apple、Huawei、ByteDance、Kuaishouなどのデータセンター計画が集まっています。また、DeepSeekが同地域で1GW規模のAIデータセンターを計画しているとも報じられています。

こうした動きは、AIインフラのコストが電力価格や気候条件に大きく左右されることを示しています。一方で、電力を効率的に施設内へ配り、膨大な発熱を処理する必要性がなくなるわけではありません。立地によるコストメリットがあっても、配電、液冷、制御、将来拡張を一体で設計する重要性は残ります。

なぜ電力と冷却の統合が重要なのか

AI施設の課題は、単に電力を増やしたり冷却装置を追加したりすることではありません。運営者は、大量の電力を高効率で受け入れ、高密度な計算負荷に分配し、発生した熱を建設費や運用費を押し上げずに排出しなければなりません。

そのため、設計段階では次の点を同時に検討する必要があります。

• 計算設備に実際に届く電力はどの程度か
• 変換や配電による損失はどこで発生するか
• 各計算ゾーンでどれだけの熱が発生するか
• 液体冷却が必要になるか
• 将来の拡張に備えて、電気・熱容量をどこまで確保するか

TraneとEatonの設計がこうした判断を不要にするわけではありません。意義は、これらを共通のリファレンスフレームワークにまとめ、建設前の比較検討や、AIハードウェアの進化に合わせた設計変更を行いやすくする点にあります。

まとめ

Trane TechnologiesとEatonは、AIデータセンターを「電力網からチップまで」一体の電気・熱システムとして設計することを提案しています。NVIDIA DSXに対応したリファレンス設計では、Eatonの中電圧配電、Traneの熱管理、共有制御、液冷対応、将来の直流システムへの適応を組み合わせます。

最大15％のエネルギー効率向上、30％の設置コスト削減、80％の銅使用量削減という数字は大きいものの、現時点では特定施設の実測結果ではなく、ベンダーが示すリファレンス設計上の目標です。より重要なポイントは、AIの電力密度が高まるほど、電力供給と熱処理を別々に考えることが難しくなり、両者を同時に設計する必要が増していることです。