智算通鉴

一座AI数据中心背后,哪些企业真正参与了交付?

图1:AI数据中心基础设施产业链全景;用户提供的产业示意图,非具体项目实拍。

一座AI数据中心建成投运,需要多少家公司?

如果只看新闻稿,答案似乎很简单:芯片公司提供GPU,服务器厂商组装设备,数据中心运营商完成建设。

实际交付远比这复杂。

从电网接入、建筑施工到服务器上架,从液冷管路、网络互联到集群调优,一座高密度AI数据中心需要多类企业共同完成。任何一个关键接口处理不当,都可能让已经采购的设备无法按计划运行。

不过,“进入产业链”与“直接参与项目交付”并不是一回事。

晶圆制造、先进封装和高带宽内存企业,可能通过芯片或服务器进入项目供应链,但通常不会直接承担园区设计、现场施工和系统验收责任;设计院、工程承包商、系统集成商和调试机构,则可能直接对项目进度、接口或性能指标负责。

要判断一家企业在AI数据中心中扮演什么角色,首先需要区分这两种参与方式。

谁在定义项目,谁在承担交付?

在具体设备进入现场前,项目通常已经存在几类核心参与者。

业主或投资方决定投资规模、资本结构和风险边界;开发商负责推动土地、电力、许可、建设和商业合同;最终用户或租户提出算力、可靠性、部署时间及安全要求;数据中心运营商或云服务商则负责将基础设施转化为可以持续运营的计算服务。

这些角色有时由不同企业承担,也可能集中在同一家公司。

例如,超大规模云服务商可能自建、自持和自营园区;托管数据中心则可能由开发商建设,再将机房和电力容量交付给客户;部分AI基础设施项目还会引入设备融资、合资开发或长期容量采购安排。

因此,AI数据中心并不存在一套适用于所有项目的固定参与者名单。为了看清主要分工,本文按照八个环节拆解其交付过程。

这八项是本文的分析框架,不是统一的行业分类标准。不同项目可能拆得更细,也可能由一家公司承担多个环节。

芯片进入项目,不等于芯片厂商交付整座集群

GPU通常是一座AI数据中心最受关注的设备,但GPU本身还不能构成可运行的AI集群。

在GPU之外,系统还需要CPU、高带宽内存、网卡、交换芯片、电源、主板、存储和软件栈。设备进入高密度机架后,还要解决机架内互联、散热、供电和维护等问题。

不同厂商的交付边界也不相同。

有些企业主要提供芯片和参考架构,由OEM、ODM及生态伙伴完成服务器制造和现场交付;也有企业直接提供完整系统。NVIDIA MGX属于模块化参考架构,合作伙伴可以在此基础上构建不同配置的加速计算系统。NVIDIA同时也通过DGX等产品直接提供完整系统。

AMD Helios则把GPU、EPYC CPU、Pensando网络、ROCm软件和机架设计纳入统一的rack-scale平台,由OEM和生态合作伙伴推进具体产品及项目交付。

MGX与Helios都体现了平台化趋势,但两者的架构范围、产品形态和合作伙伴模式并不完全相同。不能仅凭芯片进入设备清单,就认定芯片厂商承担了整个集群的交付责任。

网络和存储决定GPU能否组成一个系统

大规模AI训练和推理需要在大量加速器之间传输数据。GPU数量增加后,网络延迟、带宽、拥塞控制和故障恢复都可能影响集群性能。

这里至少需要区分两类互联。

Scale-up互联服务于紧密协同的计算域,用于让多颗加速器以更低延迟交换数据。它通常出现在服务器、机架或特定计算域内部,但边界取决于具体系统架构。

Scale-out网络则把不同服务器、机架或计算域连接成更大的集群。除此之外,项目还可能设置前端业务网络、管理网络和存储网络。

存储系统也不是简单提供容量。模型训练需要持续读取数据、保存检查点;推理业务还可能涉及模型权重、上下文数据和缓存访问。存储吞吐、访问延迟以及与计算节点之间的网络设计,都会影响GPU的实际利用率。

因此,网络与存储企业参与的并不是设备“配套”,而是计算系统本身的一部分。不过,并非所有项目都采用相同的网络和存储架构,具体方案仍取决于工作负载、集群规模和客户要求。

把电送到芯片,要经过多层责任边界

AI数据中心的供电链条,通常从外部电源开始,经过变电、配电、备用电源、机架配电和设备电源,最终到达服务器内部的计算部件。

这条链条涉及的企业类型很多,但责任并不相同。

公用事业公司或电网运营机构负责接入评估、供电安排,以及其责任范围内的电网设施;业主或开发商可能需要投资建设园区侧变电站、输配电线路和接入设施;电气设备企业提供变压器、开关设备、母线、UPS、电池及相关控制系统;工程承包方负责安装、联调和现场交付。

公用事业公司也不应被简单归入一般设备供应商。它们往往受到监管制度、费率机制和电网规划约束,其投资回收方式及合同关系与设备商、施工方不同。

项目最终需要解决的,不只是“有没有电”,还包括电力何时可用、能够持续提供多少容量、如何满足冗余要求,以及设备端能否安全承受高密度负荷。

如果机架设计已经确定,而园区配电能力、母线规格或变电设备交期无法匹配,计算设备即使到场,也可能不能按计划投运。

液冷交付的难点,在于接口而不只在设备

随着机架功率密度提高,液冷开始进入更多AI基础设施项目。

但液冷不是安装一台冷却设备就结束了。完整系统可能跨越芯片冷板、服务器内部管路、机架分配装置、CDU、设施侧水系统、换热设备和控制平台。

这意味着多个参与方需要共同确定:

  • 服务器侧需要怎样的流量、温度和水质;
  • 机架与CDU采用什么接口;
  • 设施水系统能否满足换热需求;
  • 发生泄漏或异常时由谁监测和处理;
  • IT设备与冷却系统如何联合调试;
  • 维护期间如何隔离故障并保持业务运行。

液冷设备商可能提供CDU、换热设备、管路部件及控制系统,但具体供货范围取决于项目设计和合同安排。服务器厂商、液冷企业、暖通设计方和机电承包商之间如果缺少清晰的接口责任,问题往往会在设备上架后才暴露。

所以,液冷项目真正困难的地方不是购买设备,而是把服务器侧和设施侧组织成一个可以长期运行的热管理系统。

设计和施工负责把技术方案变成设施

参考架构可以规定服务器、网络和机架的大致组合,却不能替代现场设计。

项目还需要根据土地条件、建筑结构、电源位置、当地气候、消防规范和设备重量,完成建筑、结构、电气、暖通、给排水及控制系统设计。

项目的建设组织方式也不统一。有些采用EPC总包,有些采用设计—建造模式,也有项目由施工管理方协调多个专业承包商。

这些团队需要把计算设备提出的功率、散热和网络要求,转化为可以建设和验收的工程方案。高密度AI机架对楼板荷载、设备运输通道、管线空间、配电距离和维护空间都可能提出更高要求。

在这一环节,一项看似局部的调整可能影响多个专业。例如机架功率提高后,可能需要重新检查母线、变压器、备用电源、冷却能力和建筑布局,而不是只更换一台服务器。

系统集成还包括设施控制

工程完成、服务器上架,并不代表AI集群已经可以稳定运行。

系统集成团队还需要处理固件、驱动、通信库、容器环境、集群调度、存储挂载、用户权限、遥测和故障恢复等问题。软硬件版本不兼容,或者网络配置没有达到设计状态,都可能造成集群性能低于预期。

同时,AI数据中心的集成范围正在越过传统IT边界。

BMS、EPMS、DCIM,以及液冷控制、机架遥测和IT监控系统之间的数据与控制接口,也会影响设施运行。项目需要明确哪些系统负责监测,哪些系统能够执行控制,发生告警时如何联动,以及不同平台的数据如何对应。

这类OT与IT接口经常跨越多家供应商。如果合同只列设备、不明确控制逻辑、数据接口和故障责任,交付阶段就容易出现责任空白。

测试、验收和认证不是一回事

AI数据中心的验证通常可以分为多个层级。

首先是设备层测试,确认服务器、交换机、配电设备和冷却装置本身能够运行;随后是子系统测试,检查供电、冷却、网络和控制系统的功能;再往后是综合系统测试,通过断电、设备故障或负载变化等场景,验证不同系统能否按照设计联动。

IT集群还可能需要进行网络、存储、调度和工作负载性能测试,确认交付结果达到合同约定。

调试不应只集中在项目移交前。成熟项目通常会在设计审查、设备制造、安装施工、单机测试和综合系统测试等阶段持续验证,尽早发现接口问题。

需要区分的是,项目调试、合同验收和第三方认证并不是同一件事。

调试服务机构或第三方测试机构可以参与功能验证和综合系统测试;业主和客户依据合同完成验收;Uptime Tier等认证则属于项目按需选择的独立认证安排,并非每个项目的必经环节。

完成约定的测试、整改和验收后,项目才能按照合同条件进入移交或正式运营阶段。

交付结束以后,运营能力才真正接受检验

AI数据中心投入运营后,还需要长期处理供电设备维护、液冷水质、滤网和管路管理、固件升级、网络故障、备件储备、容量调度及能效优化。

建设团队关注的是项目能否按期交付,运营团队面对的则是系统能否长期稳定运行。

如果设计阶段没有考虑设备维护通道、隔离方式、备件供应和故障切换,后期运维成本可能明显上升。部分供应商的责任也会从设备质保延伸至驻场服务、远程监控、软件支持和性能优化。

因此,判断一家企业是否真正参与交付,不能只看它是否出现在发布会或合作伙伴名单中,还要看其是否承担明确的项目责任。

三条交付链,必须在同一个项目里汇合

从整体看,一座AI数据中心至少包含三条相互交叉的交付链。

第一条是设施链:电网与能源、建筑、供配电、冷却、消防和控制系统。

第二条是IT链:芯片、服务器、网络、存储、软件和集群调度。

第三条是项目链:投资、开发、设计、采购、施工、调试、验收和运营。

这三条链不是依次完成的,而是在设计、采购、施工和调试阶段并行推进。

服务器功率会影响配电和冷却;冷却方案会影响建筑和管线;网络架构会影响机房布局;客户工作负载又会影响服务器配置、存储和运营方式。

项目交付能力,很大程度上取决于这些接口是否有人负责。成熟项目通常会通过技术规格、接口文件、责任矩阵、设计审查和联合测试,把不同企业的工作边界明确下来。

如何判断一家企业是否真正进入了项目?

对上游企业和直接交付方,判断方法并不相同。

如果是芯片、内存或零部件供应商,可以关注:

  • 产品是否进入具体项目的设备BOM和采购清单;
  • 是否形成实际订单并完成供货。

进入参考架构或认证名单,只能说明产品具备相应的技术适配或供应资格,不能单独证明企业已经参与具体项目交付。

如果是设备商、工程商或系统集成商,则更应该关注:

  • 是否签订具体项目合同或收到正式订单;
  • 是否承担设计、供货、安装、调试或现场服务;
  • 是否对应明确的验收指标和售后责任。

因此,“与某项目合作”“进入生态系统”与“承担交付责任”之间,仍然存在明显区别。

AI数据中心正在把竞争推向系统交付

过去分析AI基础设施,最容易关注的是GPU型号、服务器数量和峰值算力。

这些指标仍然重要,但它们无法单独决定项目能否按时投运。

电力能否按期接入,机架能否获得足够供电和冷却,网络与存储能否让GPU有效协同,控制系统能否及时发现故障,合同中的性能指标能否通过验收,同样决定着项目价值。

这也意味着,除产品性能外,系统集成和项目交付能力正在成为AI数据中心竞争中更重要的部分。

真正完成一座AI数据中心交付的,从来不是某一家企业,而是一组边界清晰、能够共同完成验证的参与者。

产品进入供应链,只是第一步。是否对具体项目承担明确的供货、工程、系统集成、调试或服务责任,是判断一家企业是否直接参与项目交付的重要依据。

← 返回AI基础设施产业链