利用机架级冷却让数据中心为 AI 工作负载做好准备

人工智能AI智能化

导语

要点

但这些环境中有许多是在 AI 投入使用之前建造的
其电力和冷却配置无法承受当前的高密度需求

URL：https://www.belden.com/blog/making-data-centers-ready-for-ai-workloads

作者：Brian Kennedy（Belden）、Matt Roberts（OptiCool）

发布时间：2026 年 4 月 16 日

决定 AI 部署位置的因素

当企业开始部署 AI 时，最初大量依赖云和超大规模提供商是合理的。可用容量充足，资源可以快速扩展，试验性项目的启动快速且风险低。

随着 AI 从小型、受控的概念验证扩展到大规模、始终在线的服务，将工作负载运行在外部并不总是支持快速、可靠访问的最佳方式。这就是为什么越来越多的团队正在寻找在其已运营的数据中心内满足 AI 需求的方法。

数据中心和 IT 负责人决定哪些 AI 工作负载应在何处运行时，需要考虑三个因素：AI 服务的响应速度、所交互的数据类型以及长期成本和容量需求的可预测性。

1. AI 的响应速度有多快？

许多 AI 应用对延迟敏感，意味着它们依赖快速、一致的响应时间才能有效工作。这类应用包括：

金融交易中的欺诈检测
根据 occupancy 和环境条件调节供暖、冷却和照明的智能建筑控制
面向客户的数字体验中的实时个性化
协调跨建筑能源使用、空间利用和服务的智慧园区运营

2. 从财务角度看 AI 在哪里运行最合理？

成本是促使 AI 回归企业机房和托管设施的另一个因素。全天候运行的高密度 GPU 集群在云端托管成本高昂。许多组织达到一个临界点，在超大规模环境中保留某些工作的同时，将关键任务工作负载迁移到由其控制的基础设施中，更具经济意义。

3. AI 需要使用什么类型的数据？

AI 依赖训练（training）和推理（inference）将原始数据转化为决策。这些活动涉及大量敏感的 datasets，由于法规、内部政策或客户期望，企业通常不希望将这些数据迁移到外部环境。

为 AI 改造现有数据中心空间

示意图

将 AI 引入内部意味着让具有固定电力、冷却和空间限制的场所支持一套新的需求。虽然某些数据中心可能有空间放置更多机架，但这些机架现在装满了 GPU，每个机架的功耗比空间原本设计的要高出数倍。寻找方法再交付 20 kW 到 40 kW 甚至更高的功率——并在机架处移除相应的热量——则是另一回事。

跟上变化需求的关键包括：

支持更高的机架密度
与旧设备共存
兼容多供应商的服务器、存储和网络选择
可部署在特定通道或区域，无需全面的机械改造
尽可能接入现有的电力和冷却基础设施
以模块化、可重复的"模块"方式扩展，按需增加容量

将冷却带到机架，支持 AI

随着密度攀升，采用机架级别的电力和冷却方案至关重要。这种方式不是让整个房间吸收热负载，而是将热交换点转移到机架本身。

后门热交换器（rear-door heat exchanger）从源头解决问题。冷却后门在热量离开机架时即将其捕获并移除，而不是让热废气散入房间。对于改造项目尤其如此，这是重大利好。后门式及其他机架级解决方案通常可以以最小干扰添加到现有机列中。

Belden 和 OptiCool 打造 AI 就绪基础设施

Belden 和 OptiCool 正在合作创建集成的机架级解决方案，使企业机房和托管运营商能够在现有设施内支持高密度 AI 工作负载。通过将 OptiCool 的后门热交换器与 Belden 的机架和机柜集成，先进的冷却现在可以直接带到机架层面。当与 Belden 的高速、低延迟网络布线和配电搭配时，即使在混合 IT/OT 环境中，整个机架也能可靠运行。

OptiCool 的后门热交换器在源头移除热量。其主动式 RDHx（后门热交换器）使用双相制冷剂技术：变速风扇将热废气抽吸通过门中的蒸发器盘管，在热量进入白空间之前捕获每个机架高达 120 kW 的热量。

图片：文章引用了 Belden 机架与 OptiCool 后门热交换器的产品可视化图