2025年AIDC机房参考设计白皮书.pdfVIP

AIDC机房

参考设计白皮书

前言

随着近年来人工智能（AI）产业快速发展，AI业务负载已

经逐步成为数据中心的重要组成部分。为了满足爆发式增长的

AI业务对算力的需求，智算设备正加速向高密化、液冷化、集

群化方向发展。机柜的功率密度和集群的规模快速提升，给机

房物理基础设施（包括供配电、制冷设备等）规划设计和快速

部署带来颠覆性的挑战。为应对这些挑战，我们需要重新思考

数据中心从智算设备到机房物理基础设施的系统规划和设计，

从而建设出可以适应未来AI业务演进发展的智算数据中心

（AIDC）。

本白皮书通过分析未来的AI整机柜、超节点和集群发展趋

势，以及对机房物理基础设施的关键挑战，并给出面向未来的

AIDC机房规划设计思路和部署模式参考建议，旨在联合产业

链，共铸AIDC标准体系，共建AIDC生态。

CONTENTS

目录

AI业务负载及

01算力设备发展趋势02AIDC机房挑战

P11.1AI业务负载发展趋势P22.1AIDC机房规划与设计挑战

P11.2AI算力设备发展趋势2.1.1散热系统设计挑战

2.1.2供配电系统设计挑战

2.1.3建筑结构设计挑战

2.1.4网络布线设计挑战

P32.2AIDC机房建设周期挑战

AIDC机房设计思路及

03部署模式建议04标准规范和生态建设倡议

P43.1设计思路建议P94.1共铸AIDC标准体系

3.1.1散热系统设计思路建议P94.2共建AIDC生态

3.1.2供配电系统设计思路建议P104.3与国家政策同频共振

3.1.3建筑结构设计思路建议

3.1.4网络布线设计思路建议

P63.2部署模式建议

P73.3存量场景参考建议

01

AI业务负载及算力设备发展趋势

1.1AI业务负载及应用发展趋势高密化：为支撑规模算力供应，AI芯片的算力密

度和功率密度快速增长，整机柜设计上为了获得低时延

当前AI模型正朝着超大规模、多模态融合的方向带来的计算效率收益，单机柜内电互连域的芯片数量也

快速发展，模型规模从GPT-1到GPT-5，模型的参数量在持续增长，整机柜功耗逐步从50kW演进到未来的

从1.17亿提升至数万亿，模型结构也从稠密LLM模型向300kW以上，机柜功耗发展预测如下表:

MoE稀疏化模型以及多模态模型持续演进发展。大模型

年度2025202620272028

的发展呈现出两条路线：一是以超大规模参数+新算法机柜功耗~50kW80~150kW150~300kW300kW以上

挑战模型上限，通过模型参数量、数据量的增长逐步的注：上表及下文，所指机柜不包含业界宏机柜

提升模型效果；二是优化模型架构降低AI使用门槛，让