人工智能产业指数级增长，功率密度将成为制约数据中心发展的关键
思瀚产业研究院    2024-04-25

大模型时代算力需求指数级爆发，算力基础设施技术变革带动液冷配套升级。伴随谷歌发布 Gemini1.5 pro，OpenAI 发布多模态大模型 Sora，大模型已经在越来越多场景中展现出强大应用性能，正在逐步走向商业化落地。根据我们测算，未来大模型将持续迭代升级，训练数据集将会数以万倍的增长，模型参数量也会不断提升。

我们认为，未来大模型所需算力将呈现指数级增长：1）短期来看，大模型迭代优化、训练数据集增大将快速带动训练端算力需求；2）长期来看，以 Sora 为代表的多模态将逐渐成熟带动下游 AI 应用百花齐放，推理端算力需求将厚积薄发，推动上游液冷等算力基础配套设施高成长。

高功率密度机柜增速更快，传统风冷已不能满足其散热需求。根据曙光数创年报，2021 年我国单机柜功率在 10kW 以上的数据中心市场规模增速超过 10%，其中 30kW 以上增速达 31%。由于中国智算中心对计算节点数量有要求，节点间高速互联光纤成本较高，此外小部分受制于占地面积、空间等因素，传统数据中心正在高密度化、规模化、集约化、绿色化发展，智算集群的致密化正在逐渐迫使数据中心从传统风冷向液冷转变，单机柜功率密度逐渐攀升将成为制约数据中心发展的关键因素。

根据 Colocation America 发布的数据，2020 年全球数据中心单机柜平均功率将达到 16.5kW，较之于 2008 年已增长了 175%。根据赛迪顾问预测，随着数据中心算力飞速提升，高功率单机柜将迅速普及，预计 2025 年，全球数据中心单机柜平均功率将达到 25kW。

以华为国产服务器为例测算单机柜功耗：我们假设以华为国产服务器为例测算单台服务器功耗，Atlas 800 推理服务器（型号 3000）功耗为 1.5kW，Atlas 800 训练服务器（型号 9000）功耗在 4.6kW。

（注：受到其他因素影响，实际功耗要比测算数据高）。

标准 42U 机柜容量测算：根据数据，我们假设采用标准 42U（1U=4.445cm）机柜，Atlas 800 推理服务器（型号 3000）高度为 2U，Atlas 800 训练服务器（型号 9000）高度为 4U，考虑到服务器之间要留出散热空间，同时考虑到交换机、理线器、挡板所占空间，我们大致估算一台标准机柜能容量在 11台推理服务器、6 台训练服务器。（注：实际能放置的服务器数量可能会因机柜的具体尺寸、服务器型号、散热需求、以及其他设备和布线的需求而有所不同）。

标准机柜（42U）承载训练、推理服务器功耗均高于 10kW。根据测算，标准 42U 机柜放置 11 台推理服务器功耗为：11×1.5=16.5kW；放置 6 台训练服务器功耗为：6×4.6=27.6kW（考虑到其他因素，实际功耗通常要高于此数值）。我们预计，目前互联网数据中心平均单机柜功率密度在 50Kw 左右（由于采用 NVDIA 系列芯片，功耗大幅提高）。

大模型时代，单机柜功率密度将成为“木桶短板”。伴随算力需求爆发式增长，单机柜功率呈现逐渐攀升趋势。根据赛迪顾问数据，单机柜 20kW 一般认为是风冷可解的散热极限，20kW 以上需要采用液冷来保证其运行稳定性，传统数据中心采用风冷散热方式已不能满足更大功率密度机柜散热需求，在此趋势下未来数据中心液冷将逐渐并全面替代风冷。

更多行业研究分析请参考思瀚产业研究院《2023-2028年中国算力行业市场现状与投资前景预测报告》《2023-2028年中国大模型行业市场现状与投资前景预测规划报告》，同时思瀚产业研究院亦提供行研报告、可研报告、产业规划、园区规划、商业计划、专项调研、建筑设计、境外投资报告等相关咨询服务方案。

如下是思瀚定制化可研报告中摘取目录，思瀚版权所有严禁外传。

目录

第一章 概述

1.1 项目概况

1.1.1 项目名称

1.1.2 项目建设性质

1.1.3 项目拟建地址

1.1.4 项目建设目标

1.1.5 项目建设工期

1.1.6 项目投资估算及资金筹措

1.1.7 项目运营规模

1.2 企业概况

1.3 编制依据及研究范围

1.3.1 编制依据

1.3.2 研究范围

1.3.3 编制原则

1.4 主要结论和建议

1.4.1 主要结论

1.4.2 建议

第二章 项目建设背景、需求分析及产出方案

2.1 项目背景

2.2 项目建设的必要性

2.2.1 满足国内人工智能发展需求

2.2.2 加强政府治理，提升公共服务能力

2.2.3 加速 AI 生态对接，推动创新产业聚集

2.2.4 顺应行业发展趋势，是公司人工智能战略拓展的需要

2.3 项目建设的可行性

2.3.1 相关产业政策为项目开展提供良好的发展空间

2.3.2 充足的技术和人才储备，为项目的实施提供了充分的保障

2.3.3 广阔的市场空间为项目的实施提供了良好的市场基础

2.4 市场需求分析

2.4.1 全球算力进入新一轮快速发展期

2.4.2 我国开启算力赋能数字经济新篇章

2.4.3 全球人工智能计算中心的发展现状

2.4.4 我国人工智能计算中心的发展现状

2.4.5 人工智能计算中心面临的新形势和新需求

2.5 项目建设内容、规模和产出方案

2.5.1 项目建设内容及规模

2.5.2 项目服务规模

2.6 项目商业模式

第三章 项目选址与要素保障

3.1 项目选址方案

3.1.1 项目选址的原则

3.1.2 选址方案的确定

3.2 项目建设条件分析

3.2.1 地理环境

3.2.2 科学技术

3.2.3 交通运输

第四章 项目建设方案

4.1 技术方案

4.1.1 智能算力中心的整体架构

4.1.2 智能算力中心技术架构体系

4.1.3 智能算力中心异构集群部署方案

4.2 设备方案

4.3 工程方案

4.3.1 智能算力中心算力服务平台建设方案

4.3.2 公用及辅助工程

4.4 数字化方案

4.5 建设管理方案

4.5.1 项目建设期管理

4.5.2 项目招标

4.5.3 项目实施进度计划

第五章 项目运营方案

5.1 运营方案

5.1.1 销售模式

5.1.2 研发模式

5.1.3 影响公司经营模式的关键因素

5.1.4 燃料动力供应保障

5.2 安全保障方案

5.2.1 危害因素和危害程度分析

5.2.2 安全措施方案

5.2.3 消防设施

5.3 运营管理方案

5.3.1 项目运营期组织机构

5.3.2 人力资源配置

5.3.3 人员培训

第六章 项目投融资与财务方案

6.1 投资估算

6.1.1 投资估算范围及参考依据

6.1.2 项目投资估算

6.1.3 资金使用和管理

6.2 盈利能力分析

6.2.1 基础数据与参数选取

6.2.2 编制依据

6.2.3 收入测算

6.2.4 成本核算

6.2.5 财务评价分析

6.3 财务可持续性分析

6.3.1 偿债能力分析

6.3.2 评价结论

第七章 项目影响效果分析

7.1 经济影响分析

7.2 社会影响分析

7.3 生态环境影响分析

7.3.1 环境评价依据及执行标准

7.3.2 污染控制目标

7.3.3 施工期环境影响分析

7.3.4 营运期环境影响分析

7.3.5 环境保护的建议

7.3.6 环境影响评价结论

7.4 资源和能源利用效果分析

7.4.1 用能标准和节能规范

7.4.2 项目能耗情况

7.4.3 节能措施及效果分析

7.4.4 资源和能源利用效果分析结论

第八章 项目风险管控方案

8.1 工期风险

8.2 政策及市场拓展风险

8.3 技术人才风险

第九章 结论与建议

9.1 主要研究结论

9.1.1 本项目与产业政策、规划的相符性

9.1.2 本项目的社会效益

9.2 建议

附件：财务分析过程