美国加州圣克拉拉，2026年9月16日——一个数据中心依靠四大系统运行：服务器、网络、电力和冷却。如今，这四个系统正因承载AI模型训练和运行的芯片机架而同时发生变化。
Meta基础设施副总裁马尼什·卡达基亚（Manish Kadakia）周三在AI基础设施峰会上表示："这四个系统都在发生剧烈变化。"以往某一系统的升级并不需要另外三个系统随之改变，但现在情况不同了。
服务器：每个机架承载更多算力
卡达基亚说，过去功耗约为10千瓦的机架，正被功耗达100千瓦甚至更高的AI机架所取代。机架是容纳服务器和网络设备的高大机柜，芯片巨头英伟达如今以整机架为单位出货处理器，将数十颗芯片互联组装成一个整体单元交付。
一个功耗100千瓦的机架，同时也会产生100千瓦的热量。而多数建筑物的供电分配和冷却系统，最初设计标准仅为每机架十分之一的功耗。
网络：让芯片彼此互联
AI训练需要增加第二张高速网络，其规模是多数设施此前从未需要过的。前端网络是每个数据中心已经具备的，用于连接计算集群、存储、应用与用户。后端网络则是新增部分，它将处理器彼此连接起来，使其能够协同处理同一个模型。
在模型训练过程中，这些处理器需要持续交换数据。卡达基亚表示，这需要在机器之间铺设"数量庞大"的光纤。
后端网络对延迟的容忍度极低。速度至关重要，因为一颗处理器如果等待另一颗处理器的运算结果，就可能陷入闲置状态。在数千颗造价高昂的芯片规模下，网络延迟会浪费大量计算时间，并拉长整个训练周期。
电力：应对需求的骤然波动
这种协同运作也带来了电力方面的难题。数千颗处理器可能同时提升或降低运行强度，导致电力需求急剧上升或下降。电力系统不仅要应对更高的用电需求，还必须承受这种剧烈波动。
电气设备制造商Legrand销售高级副总裁大卫·斯金斯（David Skeans）表示，AI用电需求的急剧波动，可能与备用系统本应检测的电气故障信号相似。原本为在停电时保障服务器持续运行而设计的设备，如今还必须应对服务器自身引发的突发变化。
冷却：将液体引入芯片
卡达基亚回忆道，过去数据中心机房内甚至不允许工作人员携带水瓶入内。而如今，液体在附着于处理器上的金属板中循环流动，其散热速度远快于空气流动。
这意味着液体如今与昂贵的电子设备近在咫尺。一旦发生泄漏，就可能损坏设备，中断计算任务。
防护涂层公司actnano创始人兼首席执行官泰穆尔·艾哈迈德（Taymur Ahmad）表示，运营商已经在机架周围放置沙袋，并配备传感器和线缆，用于检测液体泄漏。
但问题往往在液体泄漏之前就已经开始。液体化学成分的变化可能引发腐蚀，磨损的部件可能脱落金属颗粒，冷却系统内部还可能滋生微生物。冷却监测公司Omen AI商业化副总裁康纳·汉迪（Connor Handy）表示，这些问题都可能堵塞管路，或降低系统的散热能力。该公司专门监测冷却液，以便及早发现预警信号。
这一转变也改变了维护数据中心运转所需的人员构成。艾哈迈德表示，电工和网络技术人员可能越来越多地需要与管道工并肩工作。
运维：在保持系统运转的同时完成升级
卡达基亚表示，新型AI硬件可能每隔几个月就更新一代，带来不同的电力、冷却和维修需求。但承载这些硬件的建筑物无法以同样的速度改变。
运营商必须在为新机架腾出空间的同时，继续维持旧设备的运行。风冷系统和液冷系统将不得不并存，这就需要既能维护风冷、又能维护液冷系统的技术人员。
与此同时，维修工作正变得更加困难，而延误的代价也在不断上升。卡达基亚说，技术人员有时在不完全清楚具体故障原因的情况下就更换零部件。设备下线会导致昂贵的处理器闲置，还可能延长模型训练所需的时间。
因此，每一次硬件升级都意味着一个更重大的决策：周边基础设施需要改变多少？成本将是多少？又该如何在不中断现有计算任务的前提下推进这项工作？
Q&A
Q1：为什么AI机架的功耗会大幅超过传统机架？
A：因为AI芯片需要大量算力协同工作，英伟达等厂商现在以整机架为单位出货处理器，将数十颗芯片互联安装，导致单机架功耗从约10千瓦跃升至100千瓦甚至更高，远超传统建筑的设计标准。
Q2：数据中心为什么需要额外增加后端网络？
A：因为AI训练需要处理器之间持续交换数据以协同处理同一模型，前端网络只负责连接计算集群与用户，而后端网络专门用于处理器互联，且对延迟极为敏感，直接影响训练效率。
Q3：液冷技术给数据中心带来了哪些新风险？
A：液冷虽然散热效率更高，但液体泄漏可能损坏昂贵设备并中断计算；此外液体化学成分变化可能引发腐蚀，部件磨损或微生物滋生也可能堵塞管路，因此需要专门的传感器和监测系统来预警。
