智能制造网APP
智能制造网手机站
智能制造网小程序
智能制造网官微
智能制造网服务号
智能控制
机器人
仪器仪表
物联网
3D打印
工业软件
回放
回放
品牌
湖北高天
2026年10月22日，中国移动信息港1号地数据中心完成华为昇腾950DT液冷超节点运营商全球首发点亮。据项目披露，这座2013年投产的数据中心，通过改造为高密度国产智算设备提供了承载条件，单机柜IT功率适配范围从原有的3—7千瓦扩展至15—100千瓦，项目PUE降至1.15以下。
这不仅是国产算力设备落地的一个案例，也揭示了数据中心基础设施正在发生的变化：当AI训练和推理对计算密度、供电能力及散热效率提出更高要求，机房的价值不再仅由机柜数量和上架率决定，还取决于其能否持续、稳定地承载高功率算力。
对于建筑智能化行业而言，这场变化的关键不只是服务器换代，而是供配电、制冷、动环监控、楼宇自控和数据中心基础设施管理系统(DCIM)需要围绕新的负载特征重新协同。
老机房装进新算力，改变的不只是服务器
信息港1号地数据中心于2013年投产，是中国移动较早投入运营的大型数据中心之一。此次项目由中国移动园区建设发展有限公司联合北京移动、移动云公司推进。
根据项目公开披露，此次部署采用1024张昇腾950DT NPU构成的液冷超节点，机房经过适应性改造后，具备支持高密度智算设备的条件。项目披露的PUE降至1.15以下，相关参数属于企业公开口径。
这里有两个值得关注的细节。
一是，改造对象并非一座从零开始建设的AI数据中心，而是一座已经运行十余年的存量设施。它原有的供电、制冷、空间布局和运维体系，主要服务于此前的数据中心负载。要承载新一代智算设备，必须重新评估基础设施能力。
二是，项目披露的15—100千瓦，是单机柜功率的弹性适配范围，并不意味着每个机柜都以100千瓦运行，也不能据此认定整栋机房的平均功率密度已经同步达到这一水平。实际可承载功率，还取决于供电容量、制冷系统、设备配置和运行冗余等条件。
这一区别十分重要。智算化改造不是把高功率服务器放进旧机房就算完成，而是要证明整条基础设施链路能够承受新的负载。
数据中心改造的目标，正从“节能”扩展到“承载”
过去，数据中心绿色改造主要围绕制冷效率、气流组织、设备能效和PUE展开。对于传统机房而言，通过优化冷冻水系统、引入自然冷源、采用变频控制和改善冷热通道组织，通常可以降低制冷能耗。
但AI算力的增长改变了问题的重心。
高密度加速计算设备在有限空间内集中释放大量热量，机房不仅要降低单位能耗，还要在有限的电力接入和建筑条件下，提供足够的IT功率，并维持设备所需的温度、流量和运行稳定性。
国家发展改革委等部门2024年印发的《数据中心绿色低碳发展专项行动计划》，已经将设备布局、制冷架构、气流组织、供配电方式和单机柜功率密度等纳入存量项目改造任务。
2026年9月，中央网信办等七部门印发的《促进数字化绿色化协同转型发展实施方案(2026—2030年)》进一步提出，支持液冷散热技术应用，探索算力设施800伏高压直流供电架构，推动超百千瓦单机柜部署，并建设覆盖全生命周期的智能化管理体系。
政策变化对应着工程评价体系的扩展。未来，衡量一座机房的改造价值，至少需要同时回答四个问题：
功率承载能力： 能否提供足够的IT供电容量，并满足冗余和可靠性要求？
散热能力： 能否将高密度设备产生的热量持续带走，并控制温度、流量及局部热点？
能源效率： 在提升算力密度后，能否控制制冷和配电损耗，维持合理的PUE及单位算力能耗？
运营能力： 能否通过监测、告警和预测性维护，保障设备长期稳定运行？
PUE仍然重要，但它不能单独代表智算基础设施的综合能力。对于高密度机房，还需要结合IT负载率、单位算力能耗、供电冗余、制冷可用性及实际业务需求进行综合评价。
液冷不是更换空调，而是重构机电系统
高密度智算改造最直接的工程挑战，是散热方式与供电系统的协同升级。
传统风冷主要依靠空气将设备热量带走。随着单机柜功率提高，单纯增加送风量并不总是经济或可行的方案，气流组织、局部热点、风机能耗和设备进风条件都可能成为瓶颈。
液冷则通过冷却液直接或间接带走设备热量，但不同技术路线的工程要求并不相同。冷板式液冷通常通过冷板与关键发热部件换热，仍可能需要配合空气冷却处理服务器内其他热源；浸没式液冷则采用不同的设备浸没和流体管理方案。不能将所有液冷系统视为同一种技术，也不能认为部署液冷后就可以完全取消机房空气侧制冷。
对于存量机房，液冷改造至少涉及三条链路。
第一，供配电系统。 高密度机柜会提高支路电流和局部功率集中度，需要重新核验变压器、UPS、列头柜或母线系统、配电支路、保护配置及备用容量。即使整栋楼的总供电容量看似充足，局部配电路径也可能无法满足新机柜的持续负载。
第二，冷却系统。 液冷设备需要与冷却分配单元(CDU)、管路、泵组、换热设备及末端系统协同。改造前必须核查可用空间、管路路由、维护通道、漏液监测、供回液温度和流量控制条件，同时评估冷却系统故障对IT设备的影响。
第三，建筑与安全条件。 楼板承载、设备运输路径、机柜布置、消防分区、检修空间和应急处置措施，都可能影响改造方案。液冷并不自动意味着建筑结构或消防要求必然发生某种变化，具体应依据设备形式、介质特性、工程设计及适用规范进行评估。
因此，智算化改造真正考验的不是单项设备采购能力，而是供配电、制冷、建筑条件和控制系统之间的系统集成能力。
从动环监控到DCIM，智能化系统必须跟上功率密度
当机房从传统服务器负载转向高密度智算负载，监控对象也需要随之调整。
传统动环监控主要关注配电、UPS、蓄电池、空调、温湿度、漏水和消防等设施状态。智算机房在保留这些基础能力的同时，还需要更精细地掌握机柜级功率、供电支路负载、液冷供回液温度、流量、压力、漏液状态及关键设备的运行趋势。
这并不意味着所有数据都必须汇入单一平台。更合理的架构是明确各系统的职责边界：
设备控制层： 由配电、制冷、液冷及设备自带控制系统执行实时控制和保护。
监控与管理层： 通过动环监控、BMS和DCIM汇聚状态数据，实现告警、能耗分析、容量管理及运维协同。
分析优化层： 在数据质量和控制边界明确的前提下，引入AI模型开展负载预测、故障诊断、能效分析和维护建议。
其中，BMS更侧重建筑机电系统的运行管理，DCIM更侧重数据中心IT与基础设施资源的关联管理。两者可以协同，但并非相互替代。
AI也不应成为直接接管所有设备的理由。初期更适合从异常检测、冷却负载预测、容量预警和能效优化建议入手。涉及供电切换、冷却保护和关键设备启停等高影响操作时，仍应保留经过验证的控制逻辑、权限管理和安全联锁。
高密度智算基础设施需要的不是更多监控点，而是能够将设备状态、资源容量和运维决策关联起来的管理能力。
这也是建筑智能化企业切入智算中心建设的重要机会：从单纯提供传感器、控制器和监控软件，转向参与机电系统集成、容量管理和全生命周期运维。
交付速度正在成为新的竞争变量
2026年10月21日，英伟达在GTC柏林发布DSX POD参考设计，提出将AI工厂所需的计算、网络、布线、机架级供电和液冷等环节在工厂内完成集成与验证。在场地基础设施已经准备就绪的条件下，官方称部署周期可由约六个月缩短至最短14天。
这与信息港1号地项目披露的改造节奏形成了一个有意义的对照：前者通过模块化、预集成和工厂验证减少现场工作；后者则是在既有建筑和运行条件下，重新组织供电、制冷及机房改造。
两者并非同一口径的工期，不能简单比较谁更快。模块化方案的14天以场地基础设施已准备就绪为前提，而存量改造还要处理既有设备、业务连续性和现场条件等问题。
但两条路径共同揭示了一个趋势：算力基础设施的竞争，正在从设备交付扩展到系统集成、现场部署和尽早投入生产。
对于存量改造项目，前期勘察和设计的质量尤其关键。只有提前完成供电容量核查、制冷方案验证、施工界面划分、设备进场规划和切换演练，才能减少现场返工与停机风险。
这也意味着，未来机电工程企业的竞争力，将越来越体现在标准化设计、预制化施工、跨专业协同和调试验证能力上，而不仅是施工速度。
存量机房的价值，将由“可用空间”转向“可用算力”
对于建筑智能化行业，信息港1号地案例最重要的启示，是存量数据中心正在获得新的评价维度。
一座老机房是否值得改造，不能仅凭其地理位置或机架数量判断，还需要综合考察电力接入条件、供配电冗余、制冷能力、建筑结构、网络连接、业务需求和改造成本。部分设施可以通过局部升级承载更高密度负载，部分设施则可能更适合继续服务传统IT业务，或者通过整合迁移提升整体效率。
因此，未来的改造市场不会是所有老机房统一升级到百千瓦机柜，而是根据负载类型和基础设施条件进行分层改造。
对集成商而言，机会主要来自四个方面：存量机房评估与改造设计、供配电及液冷系统集成、动环监控与DCIM协同，以及改造后的持续运维服务。
但要进入这一市场，仅有传统弱电施工经验并不够。企业需要理解数据中心供电架构、液冷系统接口、关键设备冗余、业务连续性和运行验证要求，并与专业机电、制冷及IT基础设施团队协同。
结语：让老机房承载新算力，靠的是系统能力
一栋2013年投产的机房，在2026年通过改造承载新一代国产智算超节点，说明存量数据中心并非只能等待淘汰。只要电力、散热、空间和运营条件允许，既有设施仍可能通过系统性升级释放新的算力价值。
但这不是简单的设备替换，也不是追求更高机柜功率的竞赛。
真正决定改造成效的，是能否在供电可靠性、散热能力、能源效率、建筑条件和运营管理之间取得平衡，并以可验证的方式保障长期运行。
当算力设备不断迭代，数据中心基础设施的核心竞争力，正在从“建得出来”转向“改得进去、供得稳定、冷得下来、管得明白”。
这正是存量数据中心智算化改造为建筑智能化行业带来的新命题。
浙公网安备 33010602000006号
智能制造网APP
智能制造网小程序
微信公众号
