Trane与Eaton具体发布了什么？

这项合作把Eaton的电力系统架构与Trane的热管理设计结合起来。核心变化，是面向高功率密度AI设施采用协调的中压方案，替代传统上较为分散、以低压系统为基础的设计流程。供电和冷却系统共享数据与控制逻辑，可以根据设施运行状态协同调整，而不必各自独立设计和运行。

该方案与NVIDIA DSX AI Factory Reference Design及NVIDIA Omniverse DSX Blueprint保持一致，为规划AI工厂所需的电气、热管理和控制基础设施提供共同的数字化与工程框架。

中压架构如何把供电和散热连接起来？

在传统数据中心项目中，配电和制冷往往由不同工程团队分别推进。这样的“烟囱式”流程可能导致系统之间难以及时匹配：计算负载发生变化时，冷却能力、设备布局、线缆需求以及后续扩容规划未必能同步调整。

Trane与Eaton的参考设计则试图更早把两套系统放进同一个设计流程：

• Eaton负责配电架构：通过中压配电支持高密度负载，并减少对铜材需求更高的传统布局的依赖。
• Trane负责热管理架构：提供面向AI工厂的热管理设计，并覆盖液冷配置。
• 共享控制与运行数据：让供电和冷却设备能够根据不断变化的设施条件实时响应。
• 为新型供电与散热方式预留空间：包括液冷和正在发展的直流电架构。

简单来说，设计团队可以在建设前就把电力损耗、发热量、冷却能力、线缆用量和设备位置放到同一套模型中评估，而不是等到各个子系统分别完成后再尝试“拼接”。

15%、30%和80%意味着什么？

与传统低压设计相比，Trane和Eaton表示，这套参考架构最高可实现：

• 能效提升15%；
• 安装成本降低30%；
• 铜材用量减少80%。

这些数字应被理解为厂商针对参考设计给出的目标或估算，而不是来自某个已公开运营数据中心的独立验证结果。实际表现仍会受到设施规模、配电拓扑、冷却技术、当地环境以及项目对参考设计的采用程度等因素影响。

即便如此，这些指标也反映出双方认为最具经济价值的环节。铜材用量下降可能意味着更少的线缆和材料需求；而供电、散热和控制系统的协同设计，也可能减少重复工程、施工复杂度，以及电力容量与冷却容量之间的不匹配。

该方案通过哪些平台提供？

联合参考架构目前被纳入两个平台产品：

• Trane Continuum Rubin DSX：提供Trane面向AI工厂的热管理参考设计。
• Eaton Beam Rubin DSX：Eaton面向AI工厂推出的预工程化平台，试图把电力、冷却和控制系统整合起来，以更快上线AI工厂产能。

Eaton的配电技术也支持Trane的实施方案，使两家公司的能力在符合DSX框架的整体设计中衔接起来。

不过，参考设计并不意味着所有客户项目都会采用完全相同的设备组合。它更像是一份可重复使用的工程模板，而不是对每个项目配置清单的统一规定。

NVIDIA Omniverse在其中扮演什么角色？

此次合作延续了Trane此前使用NVIDIA Omniverse进行设计和仿真的工作。Trane表示，借助基于Omniverse的设计与模拟，其AI工厂热管理参考设计的效率提高了近10%，同时还推出了两种新的Continuum Rubin DSX参考设计。

新的合作把这项数字化设计工作从单一的散热系统进一步扩展到电气、热管理和控制系统之间的协同模型。

这类整合之所以重要，是因为AI工厂的性能越来越取决于各系统之间的相互作用：计算密度提高会推高用电需求，用电增加会带来更多热量，而热量变化又会影响液冷能力、泵送需求和整体能效。

Eaton收购Boyd Thermal带来了什么变化？

Eaton于2026年3月12日完成对Boyd Thermal的收购，交易金额为95亿美元。该交易将液冷能力加入Eaton原有的电气与电力管理业务，强化了其作为数据中心端到端基础设施供应商的定位。

随着AI芯片和服务器机架的功率密度持续上升，液冷的重要性也在提高。Boyd Thermal的加入，使Eaton更有条件把中高压基础设施与数据中心内部的热管理技术衔接起来。

但这并不意味着每个Trane—Eaton参考设计项目都会使用Boyd设备。双方此次公告确认的是一种整合式设计方法，并未披露具体客户项目，也没有规定一套适用于所有部署的统一设备清单。

为什么这对AI工厂扩张很关键？

AI数据中心面对的并不只是“获得更多电力”或“安装更多制冷设备”这么简单。运营商需要把大量电力高效送达高密度计算设备，同时排出由此产生的热量，还要控制建设和长期运营成本。

因此，供电和散热的联动正成为AI基础设施设计的核心问题。统一架构可以帮助运营商在建设前评估：

• 有多少电力最终能够送达计算设备；
• 电能转换和分配损耗发生在哪里；
• 不同计算区域会产生多少热量；
• 哪些区域需要采用液冷；
• 为未来扩容应提前部署多少电气和热管理能力。

Trane与Eaton的方案并没有消除这些工程决策，而是试图把它们放进同一套参考框架中。这样一来，项目方可以在施工前更容易比较不同方案，并随着AI硬件更新调整设计。

结论

Trane Technologies与Eaton提出的核心观点是：AI数据中心应当从电网到芯片，把供电和热管理作为一个相互协调的系统来设计。面向NVIDIA DSX的参考架构结合了Eaton的中压配电、Trane的热管理设计、共享控制系统、液冷支持，以及对新兴直流架构的适配能力。

15%的能效提升、30%的安装成本下降和80%的铜材减少，都是颇具吸引力的数字，但目前仍属于与参考设计相关的厂商声明，并非来自已披露设施的独立验证。更值得关注的长期趋势是设计理念的变化：随着AI功率密度不断上升，送电与散热已经越来越难以分开规划。

Trane与Eaton具体发布了什么？

这项合作把Eaton的电力系统架构与Trane的热管理设计结合起来。核心变化，是面向高功率密度AI设施采用协调的中压方案，替代传统上较为分散、以低压系统为基础的设计流程。供电和冷却系统共享数据与控制逻辑，可以根据设施运行状态协同调整，而不必各自独立设计和运行。

该方案与NVIDIA DSX AI Factory Reference Design及NVIDIA Omniverse DSX Blueprint保持一致，为规划AI工厂所需的电气、热管理和控制基础设施提供共同的数字化与工程框架。

中压架构如何把供电和散热连接起来？

在传统数据中心项目中，配电和制冷往往由不同工程团队分别推进。这样的“烟囱式”流程可能导致系统之间难以及时匹配：计算负载发生变化时，冷却能力、设备布局、线缆需求以及后续扩容规划未必能同步调整。

Trane与Eaton的参考设计则试图更早把两套系统放进同一个设计流程：

• Eaton负责配电架构：通过中压配电支持高密度负载，并减少对铜材需求更高的传统布局的依赖。
• Trane负责热管理架构：提供面向AI工厂的热管理设计，并覆盖液冷配置。
• 共享控制与运行数据：让供电和冷却设备能够根据不断变化的设施条件实时响应。
• 为新型供电与散热方式预留空间：包括液冷和正在发展的直流电架构。

简单来说，设计团队可以在建设前就把电力损耗、发热量、冷却能力、线缆用量和设备位置放到同一套模型中评估，而不是等到各个子系统分别完成后再尝试“拼接”。

15%、30%和80%意味着什么？

与传统低压设计相比，Trane和Eaton表示，这套参考架构最高可实现：

• 能效提升15%；
• 安装成本降低30%；
• 铜材用量减少80%。

这些数字应被理解为厂商针对参考设计给出的目标或估算，而不是来自某个已公开运营数据中心的独立验证结果。实际表现仍会受到设施规模、配电拓扑、冷却技术、当地环境以及项目对参考设计的采用程度等因素影响。

即便如此，这些指标也反映出双方认为最具经济价值的环节。铜材用量下降可能意味着更少的线缆和材料需求；而供电、散热和控制系统的协同设计，也可能减少重复工程、施工复杂度，以及电力容量与冷却容量之间的不匹配。

该方案通过哪些平台提供？

联合参考架构目前被纳入两个平台产品：

• Trane Continuum Rubin DSX：提供Trane面向AI工厂的热管理参考设计。
• Eaton Beam Rubin DSX：Eaton面向AI工厂推出的预工程化平台，试图把电力、冷却和控制系统整合起来，以更快上线AI工厂产能。

Eaton的配电技术也支持Trane的实施方案，使两家公司的能力在符合DSX框架的整体设计中衔接起来。

不过，参考设计并不意味着所有客户项目都会采用完全相同的设备组合。它更像是一份可重复使用的工程模板，而不是对每个项目配置清单的统一规定。

NVIDIA Omniverse在其中扮演什么角色？

此次合作延续了Trane此前使用NVIDIA Omniverse进行设计和仿真的工作。Trane表示，借助基于Omniverse的设计与模拟，其AI工厂热管理参考设计的效率提高了近10%，同时还推出了两种新的Continuum Rubin DSX参考设计。

新的合作把这项数字化设计工作从单一的散热系统进一步扩展到电气、热管理和控制系统之间的协同模型。

这类整合之所以重要，是因为AI工厂的性能越来越取决于各系统之间的相互作用：计算密度提高会推高用电需求，用电增加会带来更多热量，而热量变化又会影响液冷能力、泵送需求和整体能效。

Eaton收购Boyd Thermal带来了什么变化？

Eaton于2026年3月12日完成对Boyd Thermal的收购，交易金额为95亿美元。该交易将液冷能力加入Eaton原有的电气与电力管理业务，强化了其作为数据中心端到端基础设施供应商的定位。

随着AI芯片和服务器机架的功率密度持续上升，液冷的重要性也在提高。Boyd Thermal的加入，使Eaton更有条件把中高压基础设施与数据中心内部的热管理技术衔接起来。

但这并不意味着每个Trane—Eaton参考设计项目都会使用Boyd设备。双方此次公告确认的是一种整合式设计方法，并未披露具体客户项目，也没有规定一套适用于所有部署的统一设备清单。

为什么这对AI工厂扩张很关键？

AI数据中心面对的并不只是“获得更多电力”或“安装更多制冷设备”这么简单。运营商需要把大量电力高效送达高密度计算设备，同时排出由此产生的热量，还要控制建设和长期运营成本。

因此，供电和散热的联动正成为AI基础设施设计的核心问题。统一架构可以帮助运营商在建设前评估：

• 有多少电力最终能够送达计算设备；
• 电能转换和分配损耗发生在哪里；
• 不同计算区域会产生多少热量；
• 哪些区域需要采用液冷；
• 为未来扩容应提前部署多少电气和热管理能力。

Trane与Eaton的方案并没有消除这些工程决策，而是试图把它们放进同一套参考框架中。这样一来，项目方可以在施工前更容易比较不同方案，并随着AI硬件更新调整设计。

结论

Trane Technologies与Eaton提出的核心观点是：AI数据中心应当从电网到芯片，把供电和热管理作为一个相互协调的系统来设计。面向NVIDIA DSX的参考架构结合了Eaton的中压配电、Trane的热管理设计、共享控制系统、液冷支持，以及对新兴直流架构的适配能力。

15%的能效提升、30%的安装成本下降和80%的铜材减少，都是颇具吸引力的数字，但目前仍属于与参考设计相关的厂商声明，并非来自已披露设施的独立验证。更值得关注的长期趋势是设计理念的变化：随着AI功率密度不断上升，送电与散热已经越来越难以分开规划。