800VDC数据中心供电普及之路尚远

英伟达正推动客户在数据中心采用 800 伏供电方案，但施耐德电气高管认为，短期内新增人工智能服务器节点中，仅有不到 10% 会切换至这一高压供电架构。

当前数据中心单机柜功率密度普遍达到 140 千瓦，200 千瓦机柜也愈发常见。而英伟达名为 “凯伯（Kyber）” 的机柜架构，目标打造兆瓦级机柜，其设计前提正是采用 800 伏供电。

在纽约州布法罗举办的一场数据中心行业活动上，施耐德电气云与服务商技术解决方案总监罗布・邦格对此作出解读：传统机柜内部采用48 伏安全低压供电，但当单机柜功率提升至 400 千瓦级别时，各类机电问题便会接踵而至。低压方案下，供电线缆、变流设备会在机柜内造成布线拥堵，同时机柜母线的供电能力也会遭遇瓶颈。

邦格举例说明：一台搭载 72 块显卡、功率 150 千瓦的机柜，需要布设 8 根供电线缆；若升级为搭载 144 块显卡、功率 1000 千瓦的机柜，则需要 32 根规格更大的线缆。“这种方案完全不具备实用性，根本行不通。”

他表示，行业的解决思路主要分为两点：第一，将机柜内的变流设备（即用于交直流转换、直流电压升降的整流器）移出机柜进行集中部署；第二，提升供电电压，以此让单根线缆承载更大功率。

他介绍，800 伏供电的初期落地形式是在机柜旁加装外置辅助变流模块，但这类模块会占用机柜空间。

“随着数据中心规模不断扩张，大量加装外置模块的模式会逐渐失去可行性。因此行业后续会转向集中式供电方案，搭建集中直流配电系统，实现大规模电能转换与多路供电输出。”

“采用集中方案后，电能转换设备会部署在机房 IT 区域之外，再通过线路将 800 伏电力输送至 IT 机柜。这就需要综合考量配电架构、电气保护以及电压敏感度等一系列问题。”

邦格预测，今年年底将出现小规模 800 伏供电试点部署，到 2029 年，集中式配电方案会逐步普及。初期的机柜外置模块方案，单机柜供电能力可达 600 千瓦至 1 兆瓦，足以支撑一至三台高端 AI 机柜运行。

而集中式变流设备可直接将交流电转换为 800 伏直流电，单套设备功率规模约 2 至 5 兆瓦，这也是行业中期主流形态。

他还提到了直流不间断电源（DC UPS）：这类设备会搭配储能电池，依靠直流输出实现不间断供电功能，机柜外置变流模块也可集成储能单元。

尽管英伟达持续力推 800 伏技术，但邦格认为现有数据中心不会大规模改造升级。“我们预计到 2030 年，新增 AI 服务器节点中，仅有约 10% 会采用 800 伏直流供电。”

即便是全新投建的数据中心，也不会全面采用 800 伏架构。“未来数据中心内部会出现分区部署的情况，800 伏供电区域将与中低压供电区域并存。”

不过他坦言，随着机柜功率密度持续提升，供电架构的变革仍会深刻影响数据中心整体设计，机房配套电气设备与 IT 设备的配比也将发生明显变化。

施耐德电气认为，电力基础设施改造需要采用整体化设计思路，由单一厂商提供全套解决方案是更合理的选择。“从配电盘、母线排到断路器，整套系统都需要统筹规划。”

“800 伏技术落地初期，整套系统都会经过高度定制化设计，以此保障运行可靠性。待到行业标准完善、配套产品愈发丰富，不同厂商设备之间的互通性也会逐步提升。”

邦格补充道，AI 负载的运行特性，也让供电架构改造变得更为复杂。

传统数据中心的核心目标是保障 IT 设备稳定运行，追求极致的高可用性。

但 AI 负载并非平稳运行状态，尤其是 AI 训练任务，负载呈脉冲式波动。设计时必须评估这种脉冲式大功率负载对电网造成的影响。

这就引出了故障穿越的技术难题：如今的数据中心供电系统，不仅要保护内部 IT 设备，同时还要兼顾外部电网的稳定运行。

施耐德电气首席营销官凯文・布朗表示，800 伏并非什么颠覆性技术。“行业转向 800 伏直流供电，主要得益于电动汽车产业的发展。成熟的产业链可以提供配套连接器，相关技术应用经验也已十分完备。”

高功率机柜的普及，除了倒逼供电架构革新，也推动液冷技术加速落地。施耐德电气指出，液冷方案能够帮助 AI 数据中心提升算力输出效率。同时该公司也反驳了 “AI 数据中心加剧水资源危机” 的说法。

施耐德电气冷却技术与产品研发负责人段黄（音译）结合参考设计，对比分析了得克萨斯州与巴黎两地典型 AI 数据中心的用水量，对比对象为蒸发式冷却系统与液冷系统。

本次测算以两座100 兆瓦规模的数据中心为模型。

测算结果显示：位于达拉斯、采用风冷 + 蒸发式冷却塔的机房，电源使用效率（PUE）为 1.148，总耗水量相当于 161 个标准奥运泳池，累计可完成 1.99×10⁸次 Token 运算；地处气候更温和的巴黎时，同类型机房 PUE 降至 1.11，耗水量不变，Token 运算量提升至 2.78×10⁸次。

而采用英伟达 Vera-Rubin AI 系统与液冷方案的机房，在达拉斯地区 PUE 为 1.04，耗水量缩减至 79 个奥运泳池，Token 运算量可达 2.52×10¹¹ 次；同方案落地巴黎，PUE 同样为 1.04，仅消耗 20 个奥运泳池的水量，Token 运算量达到 2.91×10¹¹ 次。

参考数据：一个标准奥运泳池储水量为 2500 立方米；达拉斯普通家庭年均用水量为 416 立方米，巴黎普通家庭年均用水量为 110 立方米。

得克萨斯州土地与电力资源充裕，而巴黎城区土地紧张、电力资源有限，在巴黎建设大型 AI 数据中心，首先就要面临审批难题。

段黄表示，这份测算报告意义重大。当前不少地区居民因用水问题抵制数据中心建设，而数据证明：用水量取决于冷却方案选择，并非建设 AI 数据中心的必然结果。

用水换取更高散热效率本身存在取舍，选址也会大幅影响耗水量。无论是布局在北方低温地区、中东荒漠地带，各项指标都会出现明显差异。

凯文・布朗补充道，大众存在一个认知误区：认为液冷就等同于大量耗水。实际上，高耗水主要来自蒸发式冷却技术，该技术的初衷只是为了提升能源利用效率。

液冷架构改变了机房温控逻辑，相对而言能够显著降低用水量，同时大幅提升电能利用效率与 Token 产出效率。“即便采用液冷，也完全可以做到低耗水，同时维持数据中心的高效运转。”

当然，除了用水问题之外，占地超 200 英亩的大型 AI 园区落地，还会面临当地社区提出的其他诸多反对意见。