什么是数据中心？

工程定义： 数据中心是一种 具备故障 容错能力的设施，其设计旨在通过冗余供电、精密热管理以及安全的网络连接，在严格的环境参数范围内，确保高密度IT设备持续运行。

数据中心的复杂性在于其各系统之间的相互依赖关系。某个领域出现的故障 或效率低下会引发连锁反应，波及其他领域。例如，计算密度的提高需要相应增加供电能力，这会产生更多热量，进而需要更强力的冷却措施，而这又会消耗更多电力。要打破这一循环，需要在整个设施生命周期内进行先进的仿真和优化。

在计算能力持续微型化和数据呈指数级增长的推动下，数据中心架构已经历了几个截然不同的发展阶段。当前这一阶段——通常被称为“AI工厂”——指的是专门为GPU 为核心的工作负载而设计的设施，其密度和规模是早期设施设计无法支持的。本文中使用该术语时，即采用这种描述性含义，作为行业内的简称。

训练大型语言模型（LLMs）和运行复杂模拟所提出的要求，已将传统风冷数据中心的设计推至其物理极限，使其难以满足最高密度工作负载的需求，这迫使人们必须重新构想这些设施的供电和散热基础设施。

现代数据中心建立在五大支柱之上。虽然IT设备（计算、存储、网络）负责实际的数据处理，但设施基础设施（供电、制冷）则确保处理过程能够持续、安全地进行。

1. 计算基础设施

计算层是数据中心的“大脑”，由执行应用程序和处理数据的物理服务器组成。这些服务器的架构决定了整个设施的物理布局。

• 机架式服务器： 专为安装在行业标准标准 的19英寸或23英寸宽机架中而设计的标准化 、独立服务器。其尺寸以机架单位（U）为单位，1U的高度为1.75英寸。 典型的机架式服务器高度范围为1U至4U。由于每台机架式服务器都配备独立的电源、散热风扇和网络接口，因此虽然灵活性较高，但与更高密度的替代方案相比，每计算周期所占用的物理空间和功耗更大。
• 刀片服务器：为了 最大限度地提高每平方英尺的计算密度，工程师们开发了刀片服务器。这些是经过精简的服务器主板，仅包含核心处理组件（CPU 、内存和本地存储）。多个刀片被安装在一个共享的机箱内，该机箱提供集中式 的供电、散热和网络连接。这种共享基础设施提高了能效比 ，并简化了布线，使刀片机箱成为高密度企业部署的标准 。
• 大型机：尽管 常被视为过时的技术，但现代大型机对于需要高速交易处理能力、安全 以及故障 容错能力的金融机构、航空公司和政府机构而言，依然至关重要。一台现代大型机每天可处理数十亿笔加密交易，其内部冗余设计使得在更换硬件时系统无需停机。
• 处理器（CPU 与 GPU/NPU）： 计算层中最重大的架构变革 在于处理器类型的转变。传统的企业工作负载（Web 服务器、数据库、虚拟机）依赖于针对顺序处理和快速环境 切换进行优化的中央处理器（CPU）。 现代人工智能训练、推理和高性能计算(HPC) 工作负载需要强大的并行处理能力。这推动了图形处理单元（GPU）和专用神经处理单元（NPU）的普及。与传统CPU相比，这些芯片体积更大、功耗更高，且操作 时温度更高。这种从以CPU 为中心的计算模式向以GPU 为中心的计算模式的转变，是整个行业机架功耗密度呈指数级增长的主要驱动力。

2. 存储基础设施

数据中心需要大规模、高可用且具有弹性的存储系统，以容纳正在处理的艾字节级数据。存储架构取决于数据的访问方式及其检索速度。

• 直接连接存储（DAS）：这是 最简单的架构，其中存储驱动器（HDD 或 SSD）物理安装在特定服务器内部或直接连接到该服务器。DAS 具有低延迟和低成本的优势，但会形成孤立的数据孤岛，难以在更广泛的网络中共享或扩展。
• 网络附加存储（NAS）：NAS 系统提供直接连接到局域网（LAN）的文件级存储。它们操作 作为专用文件服务器，允许多台客户端同时使用标准 协议（如网络文件系统（NFS）或服务器消息块（SMB））访问共享文件。NAS 非常适合处理非结构化数据、文件共享和归档。
• 存储区域网络（SAN）：对于 需要高性能和低延迟的任务关键型应用 ，工程师会部署SAN。SAN是一个专用的高速网络（与局域网（LAN）分离），提供块级存储访问。 对客户端服务器而言，SAN卷的表现完全就像是一块本地连接的物理硬盘。SAN采用光纤通道（Fiber Channel）或互联网小型计算机系统接口（iSCSI）等高速协议，对于大型数据库、虚拟化环境和企业资源规划（ERP）系统而言至关重要。
• 对象存储：随着 云计算和大数据分析的发展，对象存储已成为实现大规模可扩展性的主流架构。 与在分层文件系统（如 NAS）中组织数据或以原始数据块（如 SAN）形式组织数据不同，对象存储将数据作为独立的对象进行管理，每个对象包含数据本身、可变的元数据 以及一个全局唯一标识符。这种扁平化架构使超大规模服务提供商能够在分布式集群中存储和检索数十亿个文件（图像、视频、备份），并具备近乎无限的可扩展性。
• NVMe（非易失性存储器 Express）： 物理存储介质 也已发展演变。虽然旋转式硬盘驱动器（HDD）仍被用于廉价、大容量的归档存储，但活跃存储层如今已由固态硬盘（SSD）主导。 NVMe是面向固态硬盘（SSD）的现代协议 标准 ，专为利用高速外设 组件互连express（PCIe）总线 而设计。通过绕过专为旋转硬盘设计的传统SATA/SAS接口，NVMe提供了更高的吞吐量 和更低的延迟，这对满足数据饥渴型AI工作负载的需求至关重要。

3. 网络基础设施

网络是该设施的中枢神经系统。它负责将服务器相互连接（东西向流量），并将数据中心与外部世界连接起来（南北向流量）。随着分布式计算和微服务架构已成为标准 ，东西向流量的规模呈爆炸式增长，这迫使人们对网络拓扑进行重新设计。

• 叶-脊拓扑：现代数据中心 已基本摒弃了传统的三层网络架构（核心层、汇聚层、接入层），转而采用叶-脊（Clos）拓扑。在这种扁平化架构中，每个叶交换机（直接连接到服务器）都与每个脊交换机（构成网络骨干）相连。 这确保了任何服务器到其他任何服务器的网络跳数都相同，从而最大限度地降低了延迟，并消除了分层设计中常见的瓶颈。尽管叶-脊拓扑仍是行业标准，但人工智能数据中心正在探索其他拓扑结构，例如网状拓扑、环面拓扑、胖树拓扑、蜻蜓拓扑、轨道优化结构以及光直连网络，以更好地适应大规模人工智能工作负载的规模、同步性和流量模式。
• 机架顶部（ToR）交换机： 位于每个服务器机架顶部（有时位于中部或底部）的高性能 交换机。它们将该特定机架内所有服务器的网络连接进行聚合，然后通过高速上行链路连接到叶交换机。这种架构减少了所需的布线量，因为只需从机架到核心网络铺设几条大容量电缆，而无需为每台服务器单独布线。
• 光互连与CPO：随着 数据速率突破400G、800G并向1.6T迈进，传统的铜缆在长距离传输中会面临严重的信号退化 和极限功耗 损耗问题。为了解决这一问题，工程师们转而采用光纤技术。 这一转型的最前沿技术是共封装光模块（CPO），其将光收发器从印刷电路板边缘移出，直接与网络专用集成电路（ASIC ，ASIC）封装在一起。这缩短了电气走线长度，从而降低了功耗，并提高了高带宽人工智能工作负载的信号完整性（完整性 ）。

4. 电力基础设施

电力分配是现代数据中心面临的最关键、最复杂的工程挑战之一。电力基础设施必须具备高度可靠性、经过优化处理且完全冗余，以防止系统停机。此外，它还必须具备可扩展性，以满足超大规模设施的需求。

• 公用事业变电站和开关设备：对于 大型设施，电力直接从高压公用电网输入到现场的专用变电站。 变压器将这种高压（通常为115 kV或更高）降压至中压（通常为13.8 kV或34.5 kV），以便在整个园区内进行配电。随后，开关设备将电力输送至各栋建筑和系统，并提供第一级电路保护和隔离。
• 不间断电源（不间断电源 ）： 不间断电源 是应对电源异常的第一道防线。 它具有两项关键功能：一是对输入的市电进行稳压处理（平滑电压骤降、电压尖峰和频率波动，为敏感的IT设备提供洁净电源）；二是当市电完全中断时，提供即时、短期的电池备用电源故障 。这种电池运行时间（通常为5至15分钟）恰好足以维持服务器运行，直至备用发电机启动并与负载同步。
• 备用发电机：为了 应对长时间的电力中断，数据中心依赖柴油或天然气发电机。这些工业发动机的功率设计足以连续数天支撑整个设施的用电负荷（包括IT设备和制冷基础设施），其运行时间仅受现场燃料储存容量的限制。
• 配电单元（PDU）：当 电源经由不间断电源 进行处理后 ，便会被输送至数据中心机房内的PDU。这些设备会再次将电压降压（在北美通常降至208 V或415 V），并将其分配至各个服务器机架。 现代智能 或智能PDU可提供实时、插座级别的功耗监测，使操作人员能够追踪能效、识别闲置容量，并在不触发断路器跳闸的情况下安全地提高机架密度。

5. 散热与热管理

制冷基础设施负责带走计算系统和供电系统产生的热量。随着机架密度的提高，制冷基础设施已成为高密度工作负载下数据中心容量的主要约束 。

• 机房空调（CRAC）/空气处理系统（CRAH）：一种传统 系统，通过机房内循环冷空气来实现制冷，通常采用架空地板设计，将冷空气从穿孔地板板向上推入冷通道。
• 冷/热通道隔离： 通过物理 屏障将进入服务器的冷空气与服务器排出的热废气隔开，防止两者混合，从而提高散热效率。
• 液体冷却：当 每机架功耗超过 人工智能高密度设施典型的30–40 kW阈值时 ，风冷就变得越来越不切实际。液体冷却系统（直接接触芯片或浸没式）利用比空气具有更高比热容的流体，直接从组件中带走热量。在该阈值以下——包括传统企业级计算和专用验证平台的典型功耗密度——风冷仍操作 ，完全在其能力范围内。

数据中心并非千篇一律；它们根据所有权、规模和主要应用场景进行分类。理解这些区别对于架构规划至关重要。

在设计阶段创建的仿真模型，在设施建成后依然具有重要价值。通过将这些高保真3D模型转换为降阶模型（ROM ），工程师可以创建数据中心的实时运行数字孪生。

操作员利用Ansys Twin Builder软件，将数字孪生与物理设施的实时传感器数据相连接。他们可以监控热性能，在设备故障发生前进行预测，并模拟运营变更的影响（例如，“如果我们将4号过道的机架密度提高20%，PUE会发生什么变化？”），而无需对实际运行环境造成风险。

数据中心数字孪生是更广泛的数字孪生类别 的一个应用，该领域涵盖电子领域的深度（新思科技 适用于芯片、SoC、ECU及完整电子架构的eDT技术）以及系统与物理领域的广度（Ansys 数字孪生技术，适用于机械、热力、流体、电磁及多物理场系统）。关于类别 级环境 ，请参阅《什么是电子数字孪生？》。

由于数据中心是数字经济的基础，因此停机是绝对不可接受的。这些设施在设计时采用了不同级别的冗余措施，以确保即使在硬件故障或公用设施中断的情况下，也能保持连续运行。

评估该可靠性的行业标准标准 是正常运行 研究所的等级分类系统。