浩云長盛的算力工具箱：讓兼容與前瞻同行

作者：王聰彬

算力產業的進步、算法的演進，以及生態體系的完善，三者是未來AI賴以發展的關鍵要素。“然而這三個方面，中國并非絕對先行者，所以我們必須進行前瞻性的推演和戰略演算。”浩云長盛集團技術研發AVP彭軼峰說道。

如果將AI基礎設施視作一個獨立的領域，它必須緊密契合AI未來的發展趨勢，也就是AI真正的需求是什么？

需要強調的是，今天我們所看到的AI，僅僅是未來AI的一小部分。這種不確定性，意味著未來AI的發展既有一定方向性，也存在彈性和不可預知性。

數據中心正是站在這種未來前沿的關鍵角色，它必須提前布局，以迎接AI發展的各種可能。浩云長盛的策略是基于AI未來的三大特點，算力增長、算法優化、生態開放推導對基礎設施的要求，即“急速迭代與持續升級”。

浩云長盛集團技術研發AVP彭軼峰

以發展的眼光看，AI驅動下的數據中心創新

在今天，我們需要判斷未來的樣子，而不是僅僅依賴過去的經驗或既有知識。這種意識形態的轉變，也意味著認知方式的革新。

認知固化帶來的直接結果，是許多產品落后于行業需求，甚至被市場淘汰。彭軼峰認為，今天依然可以看到很多數據中心的建設，依據當前特點進行規劃，而未充分考慮未來趨勢所需的特性，這正是整個行業共同面臨的難題。

浩云長盛已經意識到這些問題，但數據中心的建設涉及資金投入、市場認可、用戶需求、成本測算、財務狀況以及向投資方交付成果等多方面的因素。

在彭軼峰看來，目前一個最基本的特點是：數據中心各棟建筑之間必須實現高速網絡互聯，而且要盡量靠近核心節點。

這種“近”，決定了模型未來的性能上限。當GPU需要同步運算時，樓與樓之間的互聯速度必須盡可能快。這就意味著，傳統的互聯方式已無法滿足需求。

為了實現高效互聯，浩云長盛在樓與樓之間設計了網絡線路連廊，將整個集群內的建筑全部連接起來。彭軼峰談到，從規劃部門的角度，這是一個新鮮事物，但在全球范圍內，類似做法已經多次嘗試，并被驗證為更優解。

這些創新改造正是浩云長盛的工作內容之一，因為在AI和數據中心的發展過程中，這樣的調整和創新隨時都有可能發生。

算力升級下的數據中心改造與優化

當前，通用算力與智能算力正在同一節點并行發展，這就要求不僅關注AI的單一特點，而是要兼顧通算與智算的兼容性，統籌不同AI模型的推算集群，以及各種計算硬件在同一節點協同工作的能力。

今天我們所看到的數據中心模式，實際上必須兼容老的模式。彭軼峰指出，雖然新增算力快速發展，但傳統通算業務并未減少，只是其在整體比例中有所下降。因此，今天的數據中心既要承載老業務的形態，也要為新的發展形態留出空間。

在資源管理上，每一類資源都有長板和短板。浩云長盛的任務，就是通過合理組合，將短板拉長，優化整體性能。當對老機房進行改造時，會充分考慮現有條件的兼容性，而不是單純與新建集群比較。

對于新建集群而言，優化方向更側重本質性提升。例如，減少電力變電、配電、交直流變換環節，降低制冷換熱環節及阻力，提高制冷機效率，將各環節結構后重組，從根本上優化最終產品的性能。

一個具體例子是“交流電不如直流電高效”。實際上，這不是單純交流與直流的問題，而是電子元器件本身使用的電力形式問題。電子元器件本身是使用直流電，從最初的24伏，提升到48伏，將來會到800伏甚至更高。因此如何將城市電網的交流電高效轉換至最終直流段，是關鍵問題。

通用與智能并行，算力中心的戰略布局

與傳統的通算中心相比，未來智算中心的本質區別在于兼容性和前瞻性。傳統的通算中心，更多是圍繞固定業務建設，兼容性和前瞻性并非是核心考慮因素。而今天的算力中心，則必須能夠適應未來AI發展的路徑，這才是真正穩定且可持續的基礎設施。

目前很多傳統通算機房，已經無法滿足大規模算力需求。這不僅與算力密度、建筑條件、規模限制有關，也受限于原有設施的不可調整性。相比之下，未來的算力中心將呈現多樣化特點：不僅高密度、大規模、空間和承重優化，更關鍵的是能夠兼容不同業務模式和技術演進的路徑。

浩云長盛在建設集群式算力中心時，始終面向未來五年甚至更遠的時間維度。彭軼峰談到，我們打造的是通用型、兼容型基礎設施，并配備靈活多樣的技術方案。一個技術的價值，不僅在于本身有多優秀，更在于它用在特定場景下的適用性。浩云長盛的技術儲備不是單一方案，而是一個工具箱：兼容高低密度、彈性配置，適應不同硬件和業務需求。

更重要的是，這些工具箱是模塊化的。不同工具可以在相同尺度下互相替換，形成針對不同環境和條件的最優方案。這些工具將在實踐中不斷驗證，且每一個組合方案都已經過充分推演，確保其可行性和有效性。

這是浩云長盛對未來算力中心的準備，同時也是對行業未來的戰略布局。