作者：王聪彬
算力产业的进步、算法的演进，以及生态体系的完善，三者是未来AI赖以发展的关键要素。“然而这三个方面，中国并非绝对先行者，所以我们必须进行前瞻性的推演和战略演算。”浩云长盛集团技术研发AVP彭轶峰说道。
如果将AI基础设施视作一个独立的领域，它必须紧密契合AI未来的发展趋势，也就是AI真正的需求是什么？
需要强调的是，今天我们所看到的AI，仅仅是未来AI的一小部分。这种不确定性，意味着未来AI的发展既有一定方向性，也存在弹性和不可预知性。
数据中心正是站在这种未来前沿的关键角色，它必须提前布局，以迎接AI发展的各种可能。浩云长盛的策略是基于AI未来的三大特点，算力增长、算法优化、生态开放推导对基础设施的要求，即“急速迭代与持续升级”。
浩云长盛集团技术研发AVP彭轶峰
以发展的眼光看，AI驱动下的数据中心创新
在今天，我们需要判断未来的样子，而不是仅仅依赖过去的经验或既有知识。这种意识形态的转变，也意味着认知方式的革新。
认知固化带来的直接结果，是许多产品落后于行业需求，甚至被市场淘汰。彭轶峰认为，今天依然可以看到很多数据中心的建设，依据当前特点进行规划，而未充分考虑未来趋势所需的特性，这正是整个行业共同面临的难题。
浩云长盛已经意识到这些问题，但数据中心的建设涉及资金投入、市场认可、用户需求、成本测算、财务状况以及向投资方交付成果等多方面的因素。
在彭轶峰看来，目前一个最基本的特点是：数据中心各栋建筑之间必须实现高速网络互联，而且要尽量靠近核心节点。
这种“近”，决定了模型未来的性能上限。当GPU需要同步运算时，楼与楼之间的互联速度必须尽可能快。这就意味着，传统的互联方式已无法满足需求。
为了实现高效互联，浩云长盛在楼与楼之间设计了网络线路连廊，将整个集群内的建筑全部连接起来。彭轶峰谈到，从规划部门的角度，这是一个新鲜事物，但在全球范围内，类似做法已经多次尝试，并被验证为更优解。
这些创新改造正是浩云长盛的工作内容之一，因为在AI和数据中心的发展过程中，这样的调整和创新随时都有可能发生。
算力升级下的数据中心改造与优化
当前，通用算力与智能算力正在同一节点并行发展，这就要求不仅关注AI的单一特点，而是要兼顾通算与智算的兼容性，统筹不同AI模型的推算集群，以及各种计算硬件在同一节点协同工作的能力。
今天我们所看到的数据中心模式，实际上必须兼容老的模式。彭轶峰指出，虽然新增算力快速发展，但传统通算业务并未减少，只是其在整体比例中有所下降。因此，今天的数据中心既要承载老业务的形态，也要为新的发展形态留出空间。
在资源管理上，每一类资源都有长板和短板。浩云长盛的任务，就是通过合理组合，将短板拉长，优化整体性能。当对老机房进行改造时，会充分考虑现有条件的兼容性，而不是单纯与新建集群比较。
对于新建集群而言，优化方向更侧重本质性提升。例如，减少电力变电、配电、交直流变换环节，降低制冷换热环节及阻力，提高制冷机效率，将各环节结构后重组，从根本上优化最终产品的性能。
一个具体例子是“交流电不如直流电高效”。实际上，这不是单纯交流与直流的问题，而是电子元器件本身使用的电力形式问题。电子元器件本身是使用直流电，从最初的24伏，提升到48伏，将来会到800伏甚至更高。因此如何将城市电网的交流电高效转换至最终直流段，是关键问题。
通用与智能并行，算力中心的战略布局
与传统的通算中心相比，未来智算中心的本质区别在于兼容性和前瞻性。传统的通算中心，更多是围绕固定业务建设，兼容性和前瞻性并非是核心考虑因素。而今天的算力中心，则必须能够适应未来AI发展的路径，这才是真正稳定且可持续的基础设施。
目前很多传统通算机房，已经无法满足大规模算力需求。这不仅与算力密度、建筑条件、规模限制有关，也受限于原有设施的不可调整性。相比之下，未来的算力中心将呈现多样化特点：不仅高密度、大规模、空间和承重优化，更关键的是能够兼容不同业务模式和技术演进的路径。
浩云长盛在建设集群式算力中心时，始终面向未来五年甚至更远的时间维度。彭轶峰谈到，我们打造的是通用型、兼容型基础设施，并配备灵活多样的技术方案。一个技术的价值，不仅在于本身有多优秀，更在于它用在特定场景下的适用性。浩云长盛的技术储备不是单一方案，而是一个工具箱：兼容高低密度、弹性配置，适应不同硬件和业务需求。
更重要的是，这些工具箱是模块化的。不同工具可以在相同尺度下互相替换，形成针对不同环境和条件的最优方案。这些工具将在实践中不断验证，且每一个组合方案都已经过充分推演，确保其可行性和有效性。
这是浩云长盛对未来算力中心的准备，同时也是对行业未来的战略布局。
)