合作伙伴
DG Matrix与InfraPartners携手建设AI基础设施平台,破解供电瓶颈

要点DG Matrix与InfraPartners整合从电网到机架的基础设施,大幅缩短AI数据中心的部署周期。
查看更多
- DG Matrix与InfraPartners整合从电网到机架的基础设施,大幅缩短AI数据中心的部署周期。
- Interport 360平台采用软件定义的固态变压器,为AI工厂管理交流与直流电力。
- AI基础设施的主要瓶颈已从GPU获取转向电力输送与电网并网延迟。
随着 全球AI基础设施需求加速增长,行业面临的主要制约之一,已不再只是能否获得GPU,而是能否足够快地提供充足的电力和物理基础设施,以支撑下一代AI工作负载。在这一背景下, DG Matrix 与 InfraPartners 宣布建立合作关系,着力打造一个集成平台,以加快适用于AI的数据中心和“AI工厂”的部署。
这项合作将DG Matrix的Interport 360供电架构与InfraPartners的RapidNode预制AI数据中心平台结合起来。两家公司表示,正在共同构建一个“从电网到机架”的统一基础设施模型,旨在缩短部署周期,同时让设施为未来几代AI硬件做好准备。
AI增长加大电力基础设施压力
这项合作推出之际,超大规模运营商、云服务提供商和AI基础设施运营商,正面临电网接入和传统数据中心建设周期带来的越来越多延误。根据两家公司的 白皮书,部分市场的电网接入可能需要排队数年,而传统数据中心项目即使在落实电力供应后,建设仍可能需要两到三年。
随着AI训练集群的密度和功耗持续上升,这种时间上的错配越来越重要。NVIDIA (NVDA ) 首席执行官黄仁勋此前曾警告,未来数据中心将从根本上受到电力限制,基础设施能否到位会直接影响创收。
两家公司认为,要解决这一难题,就必须更紧密地整合计算基础设施与能源系统,而非将两者视为彼此独立的层面。
结合预制AI工厂与软件定义供电
InfraPartners专注于预制、可升级的AI数据中心,针对GPU密集型工作负载进行专门设计。其RapidNode系统采用标准化参考设计,大量基础设施在部署前就在工厂建造完成。根据白皮书,约80%的系统在运抵部署地点之前,就已在场外完成制造和集成。
预制AI基础设施更广泛的目标,是减少传统现场建造设施所伴随的漫长延误和工程实施差异。InfraPartners称,这种方式能够实现可扩展、可升级的数据中心,设计时兼顾GPU架构的演进和更高的机架密度。
DG Matrix则通过其 Interport平台提供能源基础设施部分。Interport采用固态变压器架构,旨在同时管理多个电力输入与输出。公司将其描述为可通过软件配置的供电体系,能够在统一系统内整合交流和直流电源、电池、发电机、可再生能源及AI工作负载。
该平台的设计也考虑到正在兴起的800伏直流架构,业内许多人预计未来AI数据中心会采用这种架构。白皮书指出,Interport 360同时针对交流和直流配电模式进行设计,使基础设施运营商能够向更新的供电架构过渡,而无须全面替换现有系统。
从传统数据中心走向“AI工厂”
合作公告反复提到的一个主题是,AI基础设施正从传统数据中心模式,向高度专门化的“AI工厂”演进。
与传统企业数据中心不同,AI工厂必须应对快速更迭的GPU世代、更高的热负荷、越来越密集的机架,以及AI训练工作负载引发的电力需求波动。白皮书将“AI脉冲负载管理”列为平台的核心能力之一,指的是大规模AI训练系统产生的巨大且高度波动的能源需求。
两家公司称,其集成架构旨在吸收并稳定这些功率波动,同时更灵活地参与电网运行。这包括支持电表用户侧的能源系统、电网平衡功能,以及旨在实时管理计算资源和电力利用的能源优化软件。
DG Matrix越来越将这一广泛的基础设施转型作为自身定位的重点。公司近期完成了6,000万美元A轮融资,以扩大其固态变压器技术在AI基础设施和电气化市场中的部署。
标准化成为战略优先事项
这项合作较为值得关注的一点,是强调标准化和可重复部署的模式。两家公司表示,平台能够通过软件配置,适应不同地理区域、电压等级、频率和电网要求,无须为每次部署都进行全面重新设计。
这种方式反映出AI基础设施行业更广泛的转变。随着需求加速增长,运营商越来越希望将部署工业化,而非每个设施都依赖高度定制的项目。
白皮书还认为,随着AI硬件更新周期缩短,可升级性正变得至关重要。原本为低得多的机架密度设计的设施,如今被要求承受大幅提高的功率水平。这迫使运营商重新评估:在不进行重大改造的情况下,基础设施还能保持适用多久。
InfraPartners已多次公开强调这一理念,指出AI基础设施必须随着芯片、冷却和供电要求的变化持续演进。
AI基础设施的未来可能取决于供电灵活性
DG Matrix与InfraPartners的合作凸显出AI行业一个日益清晰的现实: 扩大AI规模越来越成为能源和基础设施方面的挑战 ,而不只是计算问题。
随着AI模型规模持续增长、部署向全球扩展,未来的竞争优势可能取决于运营商能多快落实电力供应、部署基础设施,并调整设施以适应快速变化的硬件要求。
两家公司相信,将模块化AI工厂、软件定义供电架构和灵活能源管理结合起来的集成系统,可能成为下一代AI部署战略的基础组成部分。这一模式是否会成为主流,仍有待观察。但电力公用事业公司、电网和传统建设周期承受的压力,已在迫使行业重新思考AI基础设施究竟应如何建设。












