想象一下，数据中心就像是给全世界各种网站、应用、视频提供动力的“超级大仓库”。里面堆满了特别厉害的电脑（服务器），这些电脑需要很多电，而且工作起来会发热。
数据中心这个行业以前就很重要，但现在因为一个“超级大客户”——人工智能（AI）——变得前所未有的火爆，发展速度快得惊人。为啥？因为训练和运行AI需要海量的计算力，就像要给AI喂特别特别多的信息，让它变得聪明，这需要超级强大的电脑，而且是成千上万台一起工作。
结果呢？AI就像一个特别能吃电的“巨兽”，对电力的需求一下子暴涨。这不仅让整个国家电网都感到压力（宏观影响），也让每个数据中心自己找电、用电变得很紧张（微观影响）。电力供应，缺！
以前，数据中心对放进“仓库”里的电脑，功率密度（也就是在同样大的地方塞进多少电、放多少强大的电脑）要求没那么高。虽然大家知道未来会需要更厉害的，但行动比较慢。一些小公司先尝试了一些新的设计，来适应AI。
甚至像英伟达（就是那个做AI芯片很牛的公司）在用一种叫“液冷”的技术给芯片降温方面，都比谷歌慢一些。整个行业当时还没有一个统一的标准，不知道未来到底该怎么建。
英伟达的“黑科技”：Blackwell来了，改变一切 但英伟达即将推出的新一代AI平台，叫做Blackwell（里面的代表就是GB200芯片系列），彻底打破了这个局面。
Blackwell的GB200系列芯片，必须用一种叫做“直接芯片液冷”的技术来降温。而且，放满这种芯片的一个机架（想象成一个高高的架子，里面放很多服务器），需要的电高达130千瓦！这功率密度比上一代（H100）高多了。但好处是，它运行AI的速度也快得惊人，做“推理”（AI理解和回答问题）比H100快9倍，做“训练”（让AI学习）快3倍！
如果哪个数据中心不愿意或者没能力提供这种高密度的液冷技术，他们就无法满足客户对高性能AI的需求，客户也享受不到Blackwell带来的巨大优势（比如更低的总体使用成本），就肯定会在生成式AI这场比赛中输掉。
Blackwell设标准，数据中心设计大变样 Blackwell出来后，就像定了一个新规矩：未来的AI数据中心就得这么建！这一下让数据中心的设计师和供应商们有了明确的方向，知道该怎么做了。这也导致数据中心里需要的设备和组件会发生大变化，有些公司的产品会更受欢迎，有些可能就落后了。
最典型的例子：Meta拆楼！ 大公司Meta（就是做Facebook的那个）竟然拆掉了一整栋正在建设的数据中心大楼！为啥？就因为他们多年来一直在用的那种低功率密度设计，已经不适合未来的AI需求了。这栋楼还没建成就过时了！所以他们决定推倒重建，用全新的、为AI设计好的方案代替。
Meta以前的数据中心功率密度在那些超大规模数据中心里是最低的，远不如谷歌等其他公司。
数据中心基础知识： 数据中心就是专门为电脑设备建的房子，要给它们稳定安全的电，还要给它们降温，让它们能长时间高效工作，而且尽量省钱。电脑（IT设备）都放在架子（机架）里。
以前的数据中心就像装了强力空调的办公楼，但现在因为大家都在看海量视频、刷社交媒体，数据中心变得巨大无比。它们每平方米用的电可能是普通办公楼的50倍以上！所以，怎么给这些电脑散热，需要的降温系统完全不一样了。
数据中心不能停，停了损失惨重。所以里面的电力系统和降温系统必须非常可靠。电力出问题常见些，但降温出问题更可怕。
衡量数据中心可靠性的标准叫做“Tier”（等级）。Tier 3是常见的大型数据中心等级，要求有备份电源。Tier 4更可靠，几乎不会停机。
“备份”（冗余）用N、N+1、2N表示。N是够用，N+1是多一个备用，2N是所有东西都准备两套。Tier 3的数据中心，给电脑供电的部分（UPS、PDU）通常用2N。
大公司给客户的承诺（SLA），比如99.999%时间都能用，这不光是一个数据中心不宕机，还包括用好几个数据中心互相备份，以及里面的服务器、网络都不停。
不同类型的数据中心（仓库有大中小）：
- 零售数据中心： 小仓库，通常在市区，租给很多小客户，每个客户租几个架子。优势是“位置好”，方便大家互相连接。
- 批发数据中心： 大一些的仓库（10-30兆瓦），租给更大的客户，他们租好几排架子。优势是“能容纳更多”，可以分期建设，跟着客户一起长大。
- 超大规模数据中心： 巨型仓库，通常是大公司（谷歌、微软）自己建给自己用，或者让别人按他们的要求定制后租给他们。一栋楼就几十上百兆瓦，一个园区能有好几百兆瓦！这是过去十年数据中心市场变化最大的趋势，因为云计算和社交媒体，现在又加上AI。
前面说的那个2万多块H100芯片组成的AI计算集群，就需要一个26兆瓦的数据中心。现在大家在建10万块H100甚至更大的“千兆瓦”集群，需要的电更多。
数据中心的电力系统（电是怎么进仓库、到电脑的） 目标：安全高效地把电送到放满电脑的架子那儿。为了减少电在路上浪费，电的电压越高越好，但太高的电压危险，所以会一步步降压。
电先从外面（电网）进来，可能是高压或中压。如果是高压，先到变电站（像一个大插头转换站），降到中压。
中压电用开关设备（像电闸）分配到靠近电脑房间的地方。
在电脑房间附近，再用变压器（像第二个插头转换站）把中压电降到电脑能用的低压（美国常用415伏）。
旁边还有一个柴油发电机，发电也是低压。停电了，一个自动转换开关（ATS）会立刻切换到发电机供电。
低压电分两条路：一条给电脑，一条给降温设备。
给电脑的路：先经过UPS（不间断电源，就是带电池的电源），这个电池能顶几分钟，足够发电机启动（发电机启动需要1分钟左右），防止瞬间断电。
UPS出来的电，通常通过PDU（配电单元）或母线槽（像电力的轨道）送到电脑架子那儿。
最后，电脑架子里的电源（PSU）和芯片旁边的电力小管家（VRM）把电送到芯片里。
高压变压器： 巨型园区用的，把电网更高压的电降下来。很大，定制的，要提前很久订。
数据厅和数据舱： 大楼分成很多房间（数据厅）放服务器。数据厅又分成很多小区域（Pod），每个区域都有自己的发电机、变压器、UPS等设备。这样建的好处是：可以像搭积木一样快速扩大，而且可以用市面上标准尺寸的设备，更容易买到。
发电机： 停电时的备用电源，通常烧柴油（方便），也有烧天然气的。功率很大，一个发电机就像一个火车头那么有力。数据中心通常存好几天用的柴油。柴油发电机污染大，所以设备比较贵。
UPS： 非常重要，保证电不断。里面有电池，还有把电池的直流电变回交流电给电脑用的设备，以及给电池充电的设备。效率不高，会损耗3-5%的电。现在有更先进的模块化UPS，效率高一些。通常用两套UPS做备份（2N）。
超大规模数据中心的电力“花活”： 大公司为了更省电、更省钱，会用一些更复杂的电力设计，比如4N3R或N+2C，比简单的2N利用率更高。
电源怎么到架子： 电通过架子顶上的母线槽（像硬轨道）或者软电缆送到每个架子。高功率常用母线槽。为了备份，母线槽和电缆通常也是两套（A路和B路）。架子里面的PDU（垂直的）也是用来分配电力的。
OCP架子和BBU： Meta等公司搞了一些新设计，比如OCP架子。传统的每个服务器自己把交流电变成直流电，OCP是一个“电源架”给整个架子统一变电，更省电。电源架里还可以装电池（BBU），相当于把UPS放到了架子里，这样可以省掉中央UPS，进一步提高效率。但架子里放电池防火要求很高。
AI数据中心突破了传统极限： 生成式AI带来的巨大计算需求，彻底改变了数据中心的设计和规划。
- 电！ AI需要电量增长太快了，以后一个数据中心50兆瓦都不够用。
- 密度！ 需要把更多的计算力（强大的芯片）塞进同一个地方。这是因为芯片之间交流（网络）很重要，用铜线比光纤快、省电、便宜，但铜线只能传几米，所以芯片必须离得很近。
为什么Meta要拆楼？ 回到Meta拆楼的例子。Meta旧的数据中心设计（H型建筑），功率密度比不上竞争对手。虽然Meta的楼里发电机数量可能不少，但它楼更大，所以平均下来，每平方米能塞进的电和计算力比谷歌等公司低很多（谷歌的功率密度是Meta的3倍多）。而且Meta的老设计建起来要两年，谷歌新设计只要六七个月。
Meta的老设计虽然可能在某些方面（比如降温效率，下一篇文章会讲）有优点，但面对AI这场“军备竞赛”，功率密度低是它一个致命的劣势。新来的Blackwell芯片功率太高，老楼根本装不下、也降不了温。所以Meta不得不放弃老设计，赶紧建能适应未来的“AI-Ready”数据中心。
总结： AI太强大了，需要很多厉害的电脑一起算。这些电脑超级费电，还发热。以前的数据中心设计不够给力，装不下这么多又费电又热的AI电脑。英伟达出了新芯片Blackwell，特别厉害，但也需要超级高的电和特别的液冷。
这就逼着数据中心必须改设计，要能装更多更强的电脑，要能提供更多电，还要会用新的降温方法。
Meta拆掉旧楼重建，就是因为它的老设计跟不上这个变化，必须换成能迎接AI挑战的新设计。
怎么安全高效地把电送到这些越来越强大的AI电脑那里，是现在数据中心建设中最关键、最烧钱的问题之一。