预制数据中心，突然火了 - NBA焦点对决

近期，黄仁勋将关注点重新转向数据中心领域。他此次不仅在意内部芯片的配置，更聚焦于一个基础性问题：如何更高效地完成数据中心的建设。

黄仁勋提出的解决方案是：采用预制模式。

整套Vera Rubin AI工厂在合作方的工厂内被装入模块化集装箱，所有线缆、电路及液冷管道均预先安装并完成功能测试，运至现场后只需接通电力、冷却系统和网络即可启动运行。凭借这一方法，现场部署周期从6个月缩短至最短14天。

实际上，预制数据中心并非只有黄仁勋在探索。

华为推出了3D数据中心，将空间布局优化与工厂预制相结合；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。各方共同的目标是：让机房建设与设备交付速度，能够跟上算力需求的快速增长。

毕竟，在AI时代，如果机房仍按传统节奏缓慢建设，很容易出现一种尴尬局面：项目立项由一代人负责，施工由下一代人完成，最终开机时再由更晚一代人接手，同时还得为上一代GPU举办一场怀旧展览。等到数据中心两年后建成，市场时机早已错过，最终只能沦为AI领域的“传家宝”。

01 数据中心，资金消耗大户

AI基础设施的热度究竟有多高，可以从两个关键指标看出：资金投入与电力消耗。

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年还将增长75%。电力消耗同样在同步攀升。IEA统计显示，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，上升至2030年的约950太瓦时。

在国内，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%。这些数字最终都需要通过具体的设备和机房来实现。

芯片需要服务器支持，服务器需要网络和存储资源，同时还要消耗电力并散热。对于高密度AI系统而言，供电、液冷、设备重量、安装空间以及维护通道，都必须进行一体化设计。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，算力扩张带来的不仅仅是“多建几间机房”。设备集成度提高后，配套系统也需要相应调整。

与此同时，计算设备自身的组织方式正在发生变化。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。

而超节点的设计方式，将直接影响机房的配套、安装方式以及交付周期。

02 形态各异的超节点，给机房带来新挑战

在数据中心需求驱动下，服务器已难以跟上节奏，行业内纷纷聚焦于超节点。

当前，厂商所称的超节点，并不对应完全统一的物理尺寸。它可以集中在一座机柜内，也可以横跨多座机柜。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。

观察超节点不能只关注“多少卡”。至少需要区分三个数字：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、紧密互联规模以及整体建设规模。

首先来看机柜形态与数量。

按照单柜集成数量，业内的超节点大致形成三个梯队。**32卡、64卡是常见的基础配置。**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升至百卡以上的方案。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。

在此之中，中科曙光scaleX640较为特殊，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，将单柜密度推高至惊人的640卡。

**再来看密度背后的互联。**卡装得越多，数据往来就越繁忙。在大模型训练和MoE负载中，芯片间的通信已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，硬件如何连接，以及信号通过铜缆还是光纤传输。

**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。例如，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，业内讨论正交直连、Cable Tray等设计。例如，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铜缆互连一同设计。

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，即软件生态。**对已积累大量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等熟悉框架，底层则切换到新硬件平台。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。

在应用中直接使用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。

**最后来看，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，已实现量产交付，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。

各家产品形态和商业化进度不尽相同，但这些案例已将一个现实问题摆到台前：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、供电和冷却需要一并考虑。预制化提供的思路，就是把能提前完成的集成与验证工作放进工厂，让现场减少逐项安装和协调。

03 数据中心，早已开始预制

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入标准集装箱，主打运输方便、快速部署。

当年的发布现场，就已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，已可追溯至二十年前。将预制说成AI时代横空出世的新发明，多少有些为老技术补办出生证明的意味。

如今，AI需求让这条老路线有了更大用武之地。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，各家正将预制推进到不同层级。

**先来看已开展规模化交付的模块化数据中心。**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。

**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（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（Orthogonal Fabric）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，已在日本、沙特、哈萨克斯坦阿拉木图落地建设。

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。

04 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，早已开始预制。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。本文来自微信公众号“半导体产业纵横”（ID：ICViews），作者：九林，36氪经授权发布。此外，关于篮球比赛看点，其热度与数据中心领域的创新同样引人关注。