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:
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”。
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:
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。
联合参考架构目前被纳入两个平台产品:
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。
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。
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。
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。
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:
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。
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。