在AI技术迅猛发展的时代，数据中心不再是简单的服务器仓库，而是支撑人工智能革命的核心基础设施。近日，Siemens联合NVIDIA和nVent发布的《100MW Hyperscale AI Blueprint》白皮书，为我们描绘了一幅高效、可扩展的AI数据中心蓝图。这份技术文档不仅仅是一份参考架构，更是针对AI工作负载的痛点——功率密度、冷却效率和运营弹性——提供的实用解决方案。它以NVIDIA GB200 NVL72系统为核心，整合Siemens工业级电气系统和nVent液冷技术，旨在帮助运营商快速部署、降低能耗，并最大化“每瓦特 Tokens”（tokens-per-watt）的输出。
白皮书总计约22页，为基于 NVIDIA GB200 NVL72 平台的超大规模 AI 数据中心提供一套标准化的、可快速部署的 Tier III级基础设施蓝图。白皮书强调AI基础设施的关键指标：部署速度和“每瓦特Tokens”（tokens-per-watt）效率。设计围绕NVIDIA GB200 NVL72机架，每个机架功率127 kW（液冷102 kW，风冷25 kW）。内容目录清晰列出章节：从趋势概述到功率、冷却、自动化，再到结语和附录。
白皮书原文：上方二维码扫码分享，备注公司+姓名+职务
一．设计理念与核心挑战
在 AI 时代，基础设施的衡量标准已经改变。传统的指标不再适用，新的 KPI 是“从部署到生成 Token 的速度”以及“每瓦特电力能产生多少 Token”。
为了支撑 NVIDIA GB200 NVL72 这种单机架功率密度高达 127 kW 的计算怪兽，本白皮书提出了一种基于 “Pod（微模块）” 的模块化设计理念。这种设计旨在平衡高性能、高能效和全球范围内的快速复制能力。
关键规格概览
总容量：100 MW IT 负载。 计算核心：NVIDIA GB200 NVL72 机架（72个 GPU + 36个 Grace CPU）。 可靠性等级：Tier III（可同时维护，Concurrently Maintainable）。 冷却技术：nVent 机架级液冷 + 西门子工业级自动化控制。 扩展性：设计已前瞻性地支持下一代 NVIDIA GB300 NVL72 平台。
参考架构⽰意图
第二章：Pod 级模块化架构详解
白皮书的核心构建单元是 Pod。整个 100 MW 数据中心由约 40 个 Pod 拼接而成。
1. Pod 的构成
每个 Pod 是一个独立的故障隔离域，包含 32 个机架：
计算机架（Compute Racks）：部署 NVIDIA GB200 NVL72，主要采用液冷。
网络与支持机架（Network/Support Racks）：部署交换机等设备，主要采用风冷。
2. Pod 的负载分布
单个 Pod 的总 IT 负载设计为 2.256 MW，具体分配如下：
液冷负载：1632 kW（由计算侧产生）。
风冷负载：624 kW（由网络设备和计算侧残留热量产生）。
这种设计使得数据中心可以像搭积木一样进行扩容，不仅简化了规划，还实现了核心、边缘和混合环境的统一部署标准。
第三章：电力架构——为高密度而生
如何安全地向单机架输送 127 kW 的电力？本方案采用了 415V 直供 配合 “4-to-make-3” 的冗余策略。
1. 中压与低压拓扑 (MV/LV Topology)
输入侧：双路市电接入（Utility A/B），经由中压开关柜（MV Switchgear）分配。
冗余模型：系统设计为 Tier III 级。每个 Pod 配备 4 台 1500 kW 的 UPS。
4-to-make-3 逻辑：这是一种高效的 N+1 模式。4 组电力系统共同承担 3 组负载的压力。当其中一组进行维护或发生故障时，剩余 3 组可以无缝接管所有负载，无需停机。
兆瓦级电源架构⽰意图，清晰展示了从 Utility 到 UPS 再到末端的四路并行架构。2. 末端配电细节
为了减少线缆混乱并提高灵活性，方案放弃了传统的列头柜，全线采用智能母线槽（Busway）。电压等级为415V AC。
GB200 NVL72 机架供电：每个机架内部有 8 个电源架，实现机架级 N+1 冗余。每个机架从母线槽引出 8 个 60A 电路 进行供电。
CDU供电：每个 CDU 由 4 个 30A 电路供电，确保冷却系统的绝对安全。
网络机架供电：每个机架配备 2 个 30A 电路（双路馈电）。
第四章：冷却架构——液冷系统的革新
随着芯片热密度的提升，风冷已成过去式。本方案采用了 nVent 的直接芯片液冷（Direct-to-Chip） 技术，并引入了独特的冗余设计。
1. 温水冷却策略
ASHRAE 标准：系统运行在 W32-W45 温水等级。
无冷机运行（Chiller-free）：由于回水温度较高，在大部分温带气候下，仅需使用干冷器（Dry Cooler）与室外空气进行热交换即可，无需开启压缩机，从而大幅降低 PUE。
2. CDU800：解耦热与其电气冗余
这是白皮书中强调的技术亮点。每个 Pod 配置 3 台 nVent CDU800，总计支持 1.63 MW 的液体热负载。
传统痛点：传统 CDU 通常是单路供电，为了冗余往往需要配置 N+1 台设备（即 3 用 1 备），这增加了成本和占地。本方案创新：CDU800 内部集成了两个完全独立的泵，每个泵由独立的外部电源供电。效果：即使损失了一路电源、一个变频器（VFD）或一个泵，剩余的泵仍能驱动 CDU 输出 100% 的额定冷量（544 kW）。
结论：这种设计将“电气可用性”与“热容量”解耦，无需额外部署第 4 台 CDU 即可满足高可用性要求。
3. 安全机制
泄漏检测：集成多级泄漏传感器。
自动隔离：一旦检测到泄漏，控制系统会触发机架级的电动阀门，瞬间切断故障机架的液路，而 Pod 内其他机架继续正常运行。
第五章：自动化与控制——OT 与 IT 的融合
为了管理如此复杂的系统，白皮书提出使用 IDCMS（集成数据中心管理套件） 来打破 OT（运营技术）与 IT 之间的壁垒。
1. 统一管理平台
IDCMS 集成了楼宇管理（BMS）和电力管理（EPMS），并与 NVIDIA Mission Control 深度对接。这意味着：设施侧的冷却状态可以实时反馈给 IT 侧的调度系统；IT 侧的负载预测可以提前通知设施侧调整冷却能力。
2. 遥测与控制网关
在物理层，方案部署了 Rack Telemetry & Control Gateway（机架遥测控制网关）：
位置：每个液冷机架配备一个。
功能：它是连接 CDU 控制器和 IDCMS 的数字桥梁。它负责监控局部传感器，并控制调节阀。
响应：当发生泄漏或压力异常时，网关可自主判断并执行保护动作，同时向中央系统报警。
3. 电能质量监测
系统集成了 SICAM Q 和 SENTRON PAC 仪表，实时监控电能质量。在 AI 训练这种长周期高负载任务中，微小的电力波动都可能导致计算中断，该系统可提前识别此类风险。
第六章：结论与未来展望
这份白皮书不仅是针对当下的解决方案，也为未来预留了空间。标准化：通过标准化的 Pod 设计，消除了定制化设计带来的时间成本。密度与效率：实现了 100 MW 规模下的高密度计算与低 PUE 的统一。前瞻性：明确指出该架构（包括电力和冷却管路）已准备好支持下一代 NVIDIA GB300 平台。
对于数据中心运营商而言，这份蓝图提供了一条从“传统风冷”向“液冷 AI 工厂”转型的低风险、高可靠实施路径。
白皮书原文：上方二维码扫码分享，备注公司+姓名+职务
欢迎关注「液冷产业链最前沿」！我们专注液冷领域，为您提供：最新政策与市场动态的实时追踪，标杆企业战略与技术的深度剖析，以及贯穿上下游的产业链硬核分析。添加好友：lxyc18615618005，免费领取最新研报。跟着我们走在液冷赛道最前端～。以下为最新内容，点击链接即可深度阅读：
