最近，黄仁勋又把目光投向了数据中心。这一次，他关注的不只是里面放什么芯片，还有一个更基础的问题：如何更快地建好一座数据中心。
老黄给出的办法是：做预制。
整套 Vera Rubin AI 工厂在合作伙伴的工厂里装进模块化集装箱，线缆、电路、液冷管路全部布设完毕并通过功能验证，运抵现场后接上电力、冷却和网络即可开机。靠着这一招，现场部署从 6 个月压缩至最短 14 天。
预制数据中心，其实并非老黄一家琢磨。
华为推出 3D 数据中心，将空间布局调整与工厂预制结合起来；立讯精密旗下的立讯智算，也展示了集装箱式预制数据中心方案。大家想解决的是同一个问题：让机房建设和设备交付，尽量跟上算力需求的增长。
毕竟，在 AI 时代，机房如果还按老节奏慢慢盖，确实容易出现一种尴尬：爷爷立项，爸爸施工，孙子开机，顺便给上一代 GPU 办个怀旧展。等数据中心两年后建出来，黄花菜都凉了，最后只能当作 AI 的传家宝。
数据中心，花钱大户
AI 基础设施到底有多热，可以先看两个指标：花钱，用电。
国际能源署在 2026 年的报告中指出，五家科技公司的资本开支在 2025 年超过 4000 亿美元，预计 2026 年还要增长 75%。用电量也在同步增长。IEA 统计，2025 年全球数据中心用电需求增长 17%，其中面向 AI 的数据中心增长 50%；其更新后的基准预测是，全球数据中心用电量将从 2025 年的 485 太瓦时，上升到 2030 年的约 950 太瓦时。
国内这边，工信部披露，截至 2026 年 9 月底，我国智能算力规模达到 2592 EFLOPS，同比增长 146%。而这些数字，最终都要靠具体的设备和机房上去实现。
芯片需要服务器，服务器需要网络和存储，还要吃电、散热。到了高密度 AI 系统这里，供电、液冷、设备重量、安装空间和维护通道，都需要一起设计。英伟达在 DSX POD 技术说明中，也将计算、网络、电力、液冷和运输结构列为需要协同处理的工程环节。
这意味着，算力扩张带来的不只是“多盖几间机房”。设备的集成程度提高了，配套系统也需要跟着调整。
与此同时，计算设备本身的组织方式正在变化。面对大模型训练和推理中的通信需求，厂商开始通过更紧密的高速互联，将更多加速器组织成协同工作的系统，超节点成为其中的重要方向。
而超节点怎么设计，会直接影响机房怎么配套、怎么安装，以及多久才能交付。
形态各异的超节点，给机房出了新题
数据中心的需求下，服务器跟不上了，行业里全都在看超节点。
当前，厂商所说的超节点，并不对应完全一致的物理尺寸。它可以集中在一座机柜里，也可以跨越多座机柜。例如，新华三有单柜 32 卡或 64 卡的产品，华为公布的 Atlas 950 最大配置则覆盖 160 个机柜。
看超节点不能只盯着“多少卡”。至少要分清三个数字：单个机柜装多少卡，一个超节点连接多少卡，以及整个集群总共有多少卡。这三个数字，分别关系到部署密度、紧密互联的规模和整体建设规模。
先看机柜形态和数量
按照单柜集成数量，业内的超节点大致形成了三个梯队。32 卡、64 卡是较常见的基础配置。其中，华为 Atlas 950、沐曦曦景 S600，以及百度天池、新华三的相关方案，都采用了单个计算柜 64 卡的设计。
再往上，是将单柜集成数量提高到百卡以上的方案。摩尔线程在 2026 年 WAIC 展示的 MTT C256，采用单柜 128 卡配置；天数智芯展示的 IXL144，则强调将 144 颗 GPU 集成到单机柜中。
在这里比较特别的是中科曙光 scaleX640，采用“一拖二”高密架构和极度定制化的刀片模块，将加速卡、内存、互联芯片集成至 30cm×20cm×5cm 的空间内，在 1.8 米标准机柜内容纳 80 个刀片模块，硬生生将单柜密度推高至惊人的 640 卡。
再看密度背后的互联
卡装得越多，数据往来就越繁忙。在大模型训练和 MoE 负载中，芯片之间的通信已经成为系统设计的重点。
讨论互联时，可以分成三个层面：采用什么协议，硬件怎样连接，以及信号通过铜还是光传输。
在协议层面，华为通过灵衢互联体系组织计算资源，百度围绕自研 XPU-Link 和可编程交换技术构建通信域，壁仞则布局 BLink 超节点互连协议。行业中也有 UALink 这样的开放加速器互联标准。比如，新华三 UniPoD 系列，就同时包含基于以太协议和 PCIe 协议的产品，其中 F80000 采用 PCIe 光互联。
在硬件连接层面，业内在讨论正交直连、Cable Tray 等设计。比如，沐曦曦景 S600 强调柜内连接的“三零”设计，通过减少传统线缆连接，改善部署与维护；百度则在天池方案中，将 XPU-Link 协议、交换技术与 Cable Tray 铜缆互连一起设计。
值得关注的是光连接选手。
壁仞推出的 1024 卡方案采用 NPO 近封装光学与分布式解耦架构，将 GPU 节点和交换节点分开部署，通过光连接组织资源，支持单个超节点最高 1024 卡 Scale-up 扩展。华为的光模块应用也很领先，此前 384 卡配置 400G 光模块，当前 1024 卡升级为 800G GPU 光模块，速率提升一倍、用量减少。
第三看迁移成本，也就是软件生态
对已经积累了大量 CUDA 应用的客户来说，更换计算平台涉及的不只是采购。
各家国产芯片都有自己的软件底座：华为有 CANN，摩尔线程有 MUSA，沐曦有 MXMACA，昆仑芯和天数也分别建立了配套的软件栈。在框架层的迁移上，客户继续使用 PyTorch 等熟悉的框架，底层则切换到新的硬件平台。华为通过 TorchNPU 将 PyTorch 接入昇腾，昆仑芯与飞桨进行适配，其他厂商也通过框架支持，让模型开发延续原有方式。
在应用中直接用 CUDA 接口和自定义内核的部分，摩尔线程的 MUSA 提供了两种具体做法：musify 将 CUDA 源码转换为 MUSA 代码，MUSA Mapping 则在编译过程中完成映射，让支持范围内的源码保留 CUDA 写法，再编译成面向摩尔线程 GPU 的程序。昆仑芯也在 XPU Runtime 中提供 CUDA 兼容接口。中科曙光则主打开放包容，兼容主流生态并支持多品牌国产卡混合部署。
这些超节点正在进入哪些场景
从实际需求看，超节点目前主要沿着三类场景推进：大模型训练与推理、公共智算基础设施，以及科学计算等行业应用。
大模型是最直接的推动力。模型规模扩大、训练任务增加，让互联网企业较早产生了大规模紧密互连的需求。作为第一代正式商用的超节点，昇腾 384 超节点已商用落地 750 多套，规模应用于互联网、运营商、金融、教育、医疗、交通、制造等行业，也是国内唯一训练出 SOTA 模型的超节点。
百度超节点有百度自身核心业务的验证，已经实现了量产交付，是国内率先实现量产交付的超节点产品之一。
中科曙光国家超算互联网核心节点在郑州上线试运行。据悉，该节点算力资源由 3 套曙光 scaleX 万卡超集群系统提供支撑，可对外提供超 3 万卡的国产 AI 算力。
与此同时，国产 GPU 厂商的集群业务也在推进。摩尔线程 MTT C256 目前处于“商用准备就绪、早期客户验证”阶段；但摩尔线程的夸娥智算集群已在多地交付，摩尔线程披露一笔 6.6 亿元夸娥智算集群合同，已在上半年完成交付并确认收入。同时，无锡惠山智算中心一期部署 2000 张 S5000，两个月后基本满载，已有 20 多家客户测试或正式使用。
壁仞目前成功交付了包括 2048 卡光互连光交换 GPU 超节点在内的多个千卡级智算集群。此前推出了“光跃 LightSphere X”的超节点方案，在半年内快速实现了 128 卡商用版的落地。
天数智芯天垓系列 GPU 已经实现万卡级规模化落地，服务超过 380 家政企、科研与产业客户，落地部署超过 1000 个项目。
各家的产品形态和商业化进度不尽相同，但这些案例已经把一个问题摆到了台前：当计算设备开始以整柜、多柜乃至万卡集群的规模组织起来，承载它们的机房，也需要相应的建设和交付能力。
计算、网络、供电和冷却需要一起考虑。预制化提供的办法，就是把能够提前完成的集成与验证工作放进工厂，让现场少一些逐项安装和协调。
数据中心，早就开始预制了
早在 2006 年，Sun 就发布过 Project Blackbox，将计算、存储、网络，以及配套供电和冷却设施装进标准集装箱，主打运输方便、快速部署。
当年的发布现场，就已经展示了接入外部电力、冷却水和网络后投入运行的思路。
换句话说，“机房装箱，运到即接”的思路，快到可以参加二十周年同学会了。把预制说成 AI 时代横空出世的新发明，多少有点替老技术补办出生证明。
如今，AI 需求让这条老路线有了更大的用武之地。从供电、制冷等机电模块，到集装箱式机房，再到围绕特定计算平台进行整套集成，各家正在把预制推进到不同层级。
模块化数据中心开始规模化交付
以中集集团为例，公司在 2026 年 3 月 30 日的投资者关系活动记录中披露，其在中东、东南亚等地区累计交付的模块化数据中心规模超过 1000MW、模块超过 17000 个；同时，正在为超过 300MW 的行业客户提供预制化数据中心的技术与制造交付服务。
中国速度的秘诀在于“双厂协同”与全流程一体化交付：90% 以上的结构施工、机电安装和内部装修在国内工厂完成，现场只需像搭积木一样进行拼接。
华为 3D 数据中心
国内华为 3D 数据中心，借鉴芯片工厂“动力层”与“IT 层”严格分离的理念，通过分层解耦、立体堆叠，将传统水平部署的各个功能空间垂直叠加，形成“一层供冷、二层 IT 设备、三层供电、屋面备电”的垂直架构，实现垂直供电、垂直制冷，链路最短、损耗最小，支撑 AI 算力集群高密部署，同时为算力演进预留空间。
在建设模式上，华为将供电、制冷等核心机电系统做成标准化 POD，也就是可独立运行的最小数据中心单元，在工厂完成预制、组装和测试，现场主要进行装配和连接。其大小机电预制化率超过 90%，机电交付时间由约 6 个月缩短至 3 个月。
立讯智算的集装箱式方案
立讯智算推出的是集装箱式预制数据中心方案。数据中心被拆分为一个个集装箱大小的标准模块，供电、散热、算力、组网、存储等都在工厂里提前集成、调试完毕，运到现场像搭积木一样拼接起来，接上电即可使用。一座方舱，就是一座开机即用的数据中心。
其中，能源模块将变配电与储能融为一体，负责稳定供电；液冷模块通过冷却液分配单元（CDU）与冷板管路，让冷却液直达芯片、带走热量；算力模块由成排的 GPU 整机柜组成，上电即有算力；组网模块基于正交组网将所有整机高速连通；租户模块则可按需配置，支持一池多租。客户需要什么就选配什么，钥匙一交，数据中心即刻上线。
浪潮预制化方舱
浪潮的方案是预制化方舱数据中心 PrefabDC-C1000 系列 AIO 方舱。标准化箱体设计，主流规格涵盖 20 英尺、40 英尺国际标准尺寸，可根据算力需求灵活选型或组合扩展。据了解，已经在日本、沙特、哈萨克斯坦阿拉木图落地建设。
英伟达 DSX POD
谈回这次的英伟达。DSX POD 是把 7 个 Vera Rubin 机架连同线缆在工厂内预装成一个集装箱，合作伙伴可以在工厂完成机架间连接、管路安装和功能验证，再将预装模块运输到已经准备好的场地。参与这一方案的合作伙伴包括戴尔、HPE、联想、施耐德电气、维谛等，计划于 2027 年初开始交付。
按照英伟达提出的部署目标，在外部配套就绪的条件下，DSX POD 可以将现场部署时间压缩至最短 14 天。提前完成的工厂集成与现场基础设施准备相互配合，共同推动 AI 工厂上线。
结语
预制数据中心始终在处理一个问题：怎样减少现场组装和集成的时间。
今天的变化，是需要提前集成的系统更加复杂，计算、网络、供电和冷却之间的配合也更加紧密。设备在工厂里多完成一道工序、多做一次验证，现场就能少一些安装和协调。
数据中心，早就开始预制了。如今这项老技术重新火起来，背后是一个越来越迫切的要求：算力设备在升级，机房的建设和交付也得跟上。
毕竟，GPU 可以买新一代，机房总不能还停在上一代的工期里。
发表于 6 小时前
|
查看: 5|
回复: 0
/1 
