
參考設計 121
參考設計 12110.4 MW Greenfield / 6.2 MW Retrofit、AMD Instinct™ MI455X、AMD Helios Rack Scale 解決方案、246 kW/機架、Tier III AI 基礎設施。
參考設計 89
參考設計 893.72 MW,Tier III 級,IEC 標準,冷卻水,液冷式 AI 叢集(NVIDIA B300)。
控制參考設計 2
控制參考設計 2基於 EcoStruxure™ Operation 平台建構。互補 NVIDIA GB200、GB300、Vera Rubin 參考設計。
參考設計 113
參考設計 11310MW–12.4 MW,NVIDIA Vera Rubin NVL72,層級 3,冷卻水,液冷式 AI 叢集,37,774 平方\英尺。
控制參考設計 1
控制參考設計 1基於 AVEVA™ System Platform 開發,適配 NVIDIA GB200 與 GB300 參考設計。
參考設計 111
參考設計 1117536 千瓦,NVIDIA GB300 NVL72,層級 3,冷卻水,液冷式 AI 叢集,37,774 平方英尺。
參考設計 110
參考設計 1107536 千瓦,NVIDIA GB300 NVL72,層級 3,冷卻水,液冷式 AI 叢集,3,424 平方公尺。
參考設計 109
參考設計 1097392 千瓦,NVIDIA GB200 NVL72,層級 3,冷卻水,液冷式 AI 叢集,37,774 平方英尺。
參考設計 108
參考設計 1087392 千瓦,NVIDIA GB200 NVL72,層級 3,冷卻水,液冷式 AI 叢集,3,424 平方公尺。
參考設計 47
參考設計 471000 千瓦,12 個機架,ANSI,液體冷卻與空氣冷卻,模組化多合一 AI 解決方案。
參考設計 48
參考設計 481000 千瓦,12 個機架,IEC,液體冷卻與空氣冷卻,模組化多合一 AI 解決方案。
參考設計 100
參考設計 1003818 千瓦,層級 3,冷卻水、液體冷卻與空氣冷卻 AI 叢集,32,920 平方英尺。
運用經驗證的基礎設施藍圖,加速 AI 工廠設計
透過建置全新 AI 工廠,或利用完整工程規劃且經權威驗證的基礎設施藍圖來升級既有資料中心,全面驅動 AI 基礎設施的架構設計。導入與 NVIDIA (輝達) 協同開發的驗證架構,能有效降低建置風險、大幅縮短佈署週期,並滿懷信心地擴大 AI 算力規模。


資料中心架構設計的起點
資料中心參考設計(Reference Design)是一份經過預先驗證、完整工程規劃的技術 藍圖,它明確定義了電力、液冷散熱以及 IT 基礎設施的配置架構,旨在打造出高可靠性、具備擴充性且完美符合 AI-Ready 規格的次世代資料中心。
- 採用經實證的標準化配置佈局。
- 確保整體基礎設施的相容性。
- 大幅降低佈署期間的工程風險。
- 支援人工智慧工作負載。
- 加速資料中心場址的建置進程。
我們與全球所有頂尖的 GPU、TPU、 伺服器製造商及系統整合商(SI)保持緊密合作, 持續擴充經完整工程驗證的參考設計庫,以全面應對產業目前面臨的急速轉型與變革。 AI 時代需要更多、更即時的「參考設計」 ,而這正是我們持續交付的的核心價值。
取得各參考設計的設計摘要 PDF,以檢視產品方案的詳細概覽。
常見問答 (FAQ)
在資料中心或叢集規模進行最佳化,而非滿足整個網站的短期需求。如果既有的基礎設施是以 AC 為基礎,短期內的核心問題並非是否要澈底更換既有設備,而應是要在何處導入直流電 (DC),以及可將轉換設備放在離機架多近的距離。實務上的關鍵考量,是保留上游 AC 配電、增加機架旁接的側掛式電力模組 (Sidecar),以及預留足夠的實體空間與電力容量來支援未來 800 VDC 負載之間取得平衡。Sidecar 或 Power Rack 架構讓營運商能夠部署 800 VDC 設備,而無需將整個資料中心全面轉換為直流電(DC)架構。這一點尤其重要,因為 800 VDC 的早期應用主要會集中在特定高密度 AI 運算叢集,而非建築內所有負載。未來更大規模的擴建可能適合採用更集中式的 800 VDC 支援架構,但這將會
此處的關鍵取捨在於靈活性與隔離性之間。共享電鏈架構能在機械負載下降時 (例如冷卻系統負載減輕),可提供營運者更大的調度彈性,使原本釋放出的容量可轉而支援 IT 負載。 相較之下,分離式架構能為 IT 系統提供更明確的邊界,有利於未來變更 (例如導入 800 VDC 電力升級);但同時,由於機械設備的電力容量被限制在各自獨立的供電系統中,其可重新分配的彈性相對較低。在決定採用何種架構之前,營運商應對季節性運作模式、維護情境、發電機負載、CDU 的供電路徑,以及風冷式、液冷式與未來 DC 供電 IT 設備之間的預期分配比例進行壓力測試。
不一定。UPS(不斷電系統)與 BESS(電池儲能系統)的設計目的不同,而 BESS 是否能取代 UPS,取決於 AI 工作負載對可用性及電力銜接能力的要求。對於無法容忍任何電力中斷的 AI 應用,例如高可用性的 AI 推論工作負載,UPS 仍是主要的關鍵電力保護層。因為 UPS 能提供瞬時電力銜接、電力品質調節,以及對短時間電力擾動的保護。BESS 可透過能源最佳化、尖峰時間需求管理、電網服務、再生能源整合以及更長期的儲能,發揮互補作用。在許多 AI 資料中心中,BESS 有助於強化整體能源策略,而 UPS 仍持續負責保護關鍵負載,避免電力中斷造成影響。在以 BESS 取代 UPS 之前,企業應先仔細評估工作負載的承受能力、彈性需求和運作期望。
如需進一步了解 BESS 的應用情境、架構設計考量及導入評估標準,請參閱施耐德電機白皮書《了解 BESS:資料中心的電池儲能系統》(Understanding BESS: Battery Energy Storage Systems for Data Centers) 。
施耐德電基對資料中心的建議也指出,BESS 的定位在於提升韌性、永續性與能源效率,而非直接取代關鍵電力保護系統。UPS 與 BESS 並非互相替代,而是相輔相成,共同建構更具韌性且更高效的 AI 資料中心電力架構。
預製的應用不僅限於電力模組,而是營運商應從「可以從關鍵路徑中移除哪些現場作業」的角度來思考其導入價值。主要的預製元件可包括:中壓開關櫃、e-houses、低壓供電鏈、Power Skids、IT pods、整合式機架、內建泵浦的成套式冷卻機組,以及特定的管路或維修走道零組件。其實際價值為減少電氣承包商、機械承包商、施工經理與調試團隊之間的現場協調工作。Power Skids 可整合 UPS、開關櫃、電池、ATS 及管理軟體,其認證規格包含 480 V/60 Hz 1,250 kW 型號,以及 400 V 2 MW、2.25 MW 和 2.5 MW 型號。
與其將參考設計視為「標準 vs 客製」,更實用的觀點應是「經驗證的起點 vs 從零開始設計。」 支援 AI 的參考設計可提供專案團隊一個預先工程化的基準,涵蓋電力、冷卻、IT 佈局及控制系統整合,有助於大幅縮短規劃週期並降低設計風險。目前施耐德電機的參考設計包括 7.392 MW NVIDIA GB200 NVL72 液冷式 AI 叢集、7.536 MW NVIDIA GB300 NVL72 設計、10 MW-12.4 MW Vera Rubin NVL72 設計、1 MW 12 機架預製 AI 解決方案,以及採用 AMD Instinct™ MI455X GPU 的 AMD Helios Rackscale 解決方案。相對的權衡在於,模組化構件雖能以大型區塊進行廠外預製,但整體園區架構仍需跨領域深度整合,涵蓋市電併網介面、大型機械製冷機房、中壓配電系統、IT 部署策略以及現場施工工序安排。
備援容量確實可用於提高運算能力,但操作員應視為「運作模式切換」,而非可自由使用的額外容量。傳統高可用資料中心會預留電力與冷卻餘裕,以確保在維護或設備故障時,既有 IT 負載仍能持續運作。AI 改變了資料中心的經濟考量。由於電網容量限制、部署速度需求以及持續攀升的運算需求,使得閒置的備援容量越來越難以在經濟效益上合理化。例如,具備同步可維護能力的資料中心,雖然可能具備超出承諾 IT 負載的運作能力,但如此運行將會占用原本預留用於維護作業或故障事件期間確保韌性的備援容量。真正的關鍵決策在於,業務端看重每個設施所產生的額外 token 價值,是否高於原本的備援策略。在縮減安全邊際之前,應明確定義運作狀態:正常備援模式、高吞吐量模式、維護模式,以及故障應變模式。
若營運商明確知道該場址將支援一般機房託管、高密度新雲端客戶、訓練叢集、推論平台或這些模式的混合體,則工作負載便應該直接主導設計。一般機房託管設施可能需要在整體電力和冷卻層面保留選擇彈性,直到租戶的需求明確為止。專用的 AI 雲端或單一用途的 AI 工廠,可直接依據已知的 GPU 發展藍圖、叢集拓撲、機架密度及冷卻需求來進行設計。施耐德電機的 AI 資料中心解決方案即是圍繞此問題展開,針對高效能 AI 工作負載提供冷卻、電力、軟體、Pod 與機架系統,以及全生命週期服務的整合式基礎設施。
請勿將整個資料中心設計得彷彿所有負載都會變成 800 VDC。實際的設計問題在於應在架構中的何處接入 800 VDC,以及直流轉換模組需要多大。早期部署可採用機架相鄰的 Sidecar,通常與一至兩個 GPU 機架對齊,且無需對現有 AC 資料中心進行大規模的上游改造。未來規模更大的電網叢集,可能需要採用功率範圍在 2 MW 至 5 MW 間的集中式 800 VDC 模組,並可能進一步擴展至更大規模;而長期架構則可能會將中壓系統整合至以固態變壓器為基礎的轉換系統中,規模約為 10 MW 級。800 VDC 架構會將 AC 至 DC 的轉換移出 IT 機架外,並利用電源機架或 Sidecar 來減少對既有 AC 架構設施的干擾,藉此解決邁向 400 kW 以上的機架密度需求。
關鍵的權衡在於隔離與動態容量共享之間。獨立的供電鏈可簡化 IT 架構與冷卻基礎設施之間的界線,尤其當大型冷卻機、CDU 和資料中心的容量級距無法完全相應時,此架構更具優勢。共用基礎設施能在自然冷卻條件下維持靈活性,因為在變壓器和下游架構允許的情況下,未使用的動力容量可以被重新調配至 IT 負載端。完全分離的風險為電力閒置:若機械負載下降,但 IT 變壓器已處於極限運作狀態,操作員便無法將冷卻側的閒置容量重新調配至運算用途。需特別注意的落差:在將此設計選擇確立為可行的標準架構之前,必須針對資料大廳規模、冷卻機群組大小、變壓器配置、備援目標以及季節性運轉模式,針對特定場址進行因地制宜的模擬。
在最終定案設計之前,應先進行電力、氣流以及液體流量模擬,因為每種模擬模型所解決的是不同類別的失效模式。電氣建模可驗證故障電流、保護措施、安全性、可靠性,以及與維護或增加負載相關的假設情境。CFD 或氣流模擬用於驗證封閉性、氣流側容量以及備用冷卻系統的運作行為。管路與流體流量模擬:用來驗證在正常、備援和維護狀態下,每個機架是否都能獲得所需的冷卻液流量。下一步是將 IT 負載行為與設施行為相互關聯,以便在場址實際承載負載之前,讓 AI 產生的負載波動能透過電力系統、CDUs、冷卻機控制系統及冷卻迴路進行傳遞。
該模型應從設計階段著手,並隨著即時資料之取得,逐步發展至可執行營運層面的假設分析。靜態的 ETAP 類型模型已可支援離線情境分析,例如維護切換、新增設備,或測試某個配置是否會對電力基礎設施造成壓力。更強大的運作模式會將實際負載資料與模擬層相連結,讓操作員能在現場執行變更前,預先評估冷卻機組停機、負載轉移或大型 AI 叢集啟動時可能發生的情況。EcoStruxure™ Power Monitoring Expert 可支援電力分析、電壓擾動波形分析、警報群組、系統容量追蹤及電力品質分析,而EcoStruxure™ IT 則支援監控、規劃、建模、電力與能源分析及冷卻最佳化。
探索與 NVIDIA GB200、GB300 及 Vera Rubin NVL72 架構相輔相成的控制參考設計,支援高密度、AI 就緒型資料中心的部署進程。

我們與 NVIDIA 合作,提供經過驗證的人工智慧參考設計,支援高密度液體冷卻叢集系統。探索基於 GB300 和 NVL72 的全設施架構部署方案。

模組化資料中心解決方案,滿足超大規模與邊緣運算的使用案例需求,以應對 AI 人工智慧革命。他們提供實現策略性人工智慧目標所需的基礎設施、電力供應及冷卻系統。


Trade-off 工具庫
探索我們的權衡工具庫,探索設計選項。
從電網到晶片 (grid-to-chip),從晶片到冰機 (chip-to-chiller),打造高擴充性的的 AI 人工智慧。
結合 ETAP 與 NVIDIA Omniverse 的 OpenUSD 數位孿生 (digital twins),實現 AI 基礎架構建模。
800 VDC 架構、機櫃級供電,以及高韌性能源配電系統。
支援直達晶片(Direct-to-Chip)、浸沒式與混合式冷卻,以應對高密度 AI 工作負載。
模組化機房 Pod 與白區模組,加速部署與縮短建置時間(Time-to-Ready)。
資料中心基礎設施管理 (DCIM)、規劃/建模、警報管理、OT 網路安全。
需要協助?
產品選型工具
快速輕鬆地為您的應用找到合適的產品和附件。
取得報價
立即線上提交您的銷售需求,專業團隊將主動聯繫您。
購買地點
輕鬆在您所在地區找到最近的施耐德電機經銷商。
支援中心
在同一位置找到滿足您所有需求的支援資源。


