算力正在成为智能时代的一种可度量、可交易、可战略配置的产业要素,而数据中心则是它最主要的物理载体。

随着国家“东数西算”枢纽布局持续推进,智能算力规模连年高速增长,但规模扩张本身并不自动转化为竞争力。

问题的关键,并不在于建设更多、更大的数据中心,而是能否形成一套基于国产化路线的智算基建方法论,用架构创新对冲芯片迭代压力,用标准化压缩复制成本,用开放共建收拢碎片化的算力资源,最终让国产算力从“能用”走向“好用”和“可持续”。

打开网易新闻 查看精彩图片

华为云芜湖3D数据中心的落地,会不会是对这一命题的系统性答案?

01

算力在狂奔

数据中心怎能拖后腿

智算时代,数据中心的角色已完全不同。

首先,芯片迭代节奏与传统数据中心建设周期之间,存在尖锐的矛盾。过去,一座传统数据中心的建设周期动辄十八至二十四个月,而AI芯片几乎一年更新一代。等机房落成,原计划装入的芯片可能已经落后,供电与制冷架构却无法随之调整。

这种“建好即落后”的困境,在国产算力爬坡的关键阶段尤为致命,因为芯片本身在追赶,基础设施的作用应该是加速器,一旦它变成瓶颈,国产算力崛起的周期就会变得更长。

更深层的问题在于,算力供给的“量”与“质”之间存在显著落差。数据显示:目前全国数据中心平均上架率大约为58%,部分智算中心不足30%。国内的高端算力仍处于紧缺状态,已建资源的闲置会让这种状况雪上加霜。

这背后暴露出行业在建设逻辑上的惯性,仍然在用通用IDC的思维去应对AI负载的极端波动。AI训练需要持续满负荷的液冷散热与稳定供电,推理则可能在波峰与波谷之间剧烈摆动,传统机房统一的供电制冷方案既无法精准匹配,也不敢轻易预留弹性。

打开网易新闻 查看精彩图片

此外,交付周期与运维复杂度也构成了另一重制约。传统建设模式下,土建先行、机电后置,等到算力设备到位再启动配套工程,时间成本层层叠加。而万卡集群一旦投入运行,一次供电或制冷故障影响的就不只是设备本身,而是正在进行的训练任务与已经投入的商业收入。

客观地说,行业需要的不是更多的机房,而是一套能够容纳多代际芯片、按需弹性扩展、且具备工程化交付能力的基础设施范式。

02

分层解耦

3D 数据中心的三个答案

“所以这就是我说的,这是有现实的需求的,是被现实逼过来的。”华为公司董事、华为云CEO周跃峰坦言。

被“逼”出来的全球首个 3D 数据中心——华为云芜湖3D数据中心,今年已建成并投入商用,单栋建筑可支撑 10 万卡 AI 集群,IT 容量 168 兆瓦,面向十万亿参数级大模型。它的核心思路并不复杂,将传统数据中心水平铺开的供冷、IT设备与供电功能垂直叠加,形成供冷层、IT设备层、供电层与备电层的立体结构。

那么,它能否真正回应当前AIDC建设的种种错配?

首先,分层解耦回应的是芯片迭代与基建长周期之间的根本矛盾。

打开网易新闻 查看精彩图片

在传统架构中,供电与制冷系统一旦建成,便与特定代际的服务器功耗和散热需求深度绑定。芯片换代往往意味着机房改造甚至重建。3D数据中心将动力层与IT层彻底分离,电力、制冷、IT三套系统各自独立演进。

这意味着当下一代芯片到来时,IT层可以整层替换,而供电与供冷架构无需推倒重来。周跃峰在采访中对此有一个精准的表述:“传统数据中心的整个架构的设计,它对于未来前向演进性的容纳度是不够的,鲁棒性是不够的。”所以,分层解耦所做的,正是把“机电长周期稳定”与“算力短周期迭代”从对立关系扭转为并行关系。

其次,垂直堆叠与工厂预制化压缩的不仅是时间,更是国产算力规模化的边际成本。

芜湖项目的机电交付周期被压缩到三个月左右,大小机电预制化率超过百分之九十。这意味着,当国产算力需要快速上量时,制约瓶颈不只是芯片产能,还有配套基础设施能否同步就位。

将大量现场施工工序前移至工厂,意味着数据中心的建设开始具备“产品化”属性,可复制、可调度、可预期。对于需要在全国枢纽节点快速铺开智算集群的国产化路线而言,这种工程能力的战略价值不亚于任何一项芯片能力的提升。

第三,立体布局带来的能效与可靠性收益,直接关系到算力供给的长期经济性。

供电路径从十七米缩短至五米,液冷管路垂直直连,传输损耗被压到最低;分区散热让不同功能单元按需控温,避免了传统机房“一刀切”制冷造成的过度冗余。更值得关注的是故障域的设计:每个POD单元拥有独立的供电与制冷,单点故障被限制在局部,不会向整个集群蔓延。在万卡集群成为常态的智算时代,这种架构层面的可靠性设计,比任何单台设备的冗余配置都更具现实意义。

03

从一座机房到一套方法论

重新审视3D数据中心的产业价值

我们认为,3D数据中心的产业价值,最终要体现在国产算力从“能用”走向“好用、可持续”的语境中。它提供的启示至少有三个层面。

其一,以架构创新争取时间窗口,是国产算力当前最务实的策略。

必须承认,国产AI芯片在单卡性能与软件生态成熟度上与国际领先水平仍有差距,但系统层面的效率可以部分对冲单点性能的不足。当一座数据中心能够以更短的交付周期、更低的PUE、更高的集群可用度来承载国产芯片时,单位算力的综合成本被显著拉低。“让每瓦特传递更多的Token”指向的正是这个逻辑,算力成本从来不只是芯片采购价格,它包含电费、冷却、运维、以及因等待机房而白白流失的时间成本。

其二,标准化与开放共建是收拢碎片化算力资源的必要前提。

当前国内算力基建的格局相当分散:运营商、云厂商、地方国资、第三方IDC各自建设,技术标准不一,异构算力之间调度困难。华为云近日正式发行的《3D数据中心》专著,公开解码从创新初衷到全生命周期管理的工程实践;华为同步开放的《3D数据中心概要设计图库》,涵盖建筑、结构、暖通、强弱电等专业,把完整的工程实践转化为行业可参照的公共模板。

周跃峰表示,“我们先把这个问题和现实的方案先抛出来供大家讨论,最后标准是不是它成为标准并不一定,但至少大家有同样的一个步调了。”这种开放姿态的意义在于:国产算力的竞争力不取决于建了多少座标杆机房,而取决于整个产业能否在相近的架构语言下协同演进。

华为云所提出的“做最开放的云”,意味着底座不锁定单一硬件与软件栈,让不同来源的模型、应用与智能体都能在这片“硅基黑土地”上生长。华为云芜湖3D数据中心作为这片黑土地的形象化载体,无论是开放图库还是标准化理念,都恰恰是“开放”的表率。

其三,智算基建的方法论价值,最终指向的是国家在AI竞争中的主动权。

智能体时代的竞争,表面看是模型能力与应用生态的竞争,底层却是算力供给的稳定性、经济性与可持续性的竞争。当国产芯片、国产基建与国产模型之间形成工程层面的正向耦合,“算力即国力”才是具备可度量的产业实质。

数据中心是智算时代的新基建,而新基建的“新”,不在于建得更大,而在于建得更可复制、更可演进、更可被整个产业共用。华为云芜湖3D 数据中心提供的其实是一种方法论,当这套方法在更多枢纽落地,被更多建设者接纳、讨论、改进,国产算力才真正拥有从 “能用”走向“好用”的底气。