随着人工智能和大数据技术的不断发展，业内AIGC（人工智能、图形处理和云计算）和大模型的发展趋势正在对数据中心存储发展方向产生深远的影响，主要集中对数据量和高性能计算的诉求。

过去一年，中国数据中心产业开启了一场算力进化的新征程，国家政策点明了方向。2023年10月份，工信部六部委印发《算力基础设施高质量行动计划》，首次提出了算力中心相关的概念和发展要求，将通用数据中心、智算中心、超算中心都纳入了算力基础设施的内涵。

其中明确到2025年，算力规模要超过300EFLOPS，智能算力占比达到35%以上，重点行业的核心数据、重要数据的灾备覆盖率要达到百分之百，每个重点领域要打造30个应用标杆等。

与此同时，数据中心全面智算化，截至2023年上半年，全国在用的数据中心总规模超过760万标准机架，算力总规模达到了197EFLOPS，已经位居全球第二。新增的算力设施中，智能算力的占比超过了50%，成为了增长的新热点。

据数据，2023年1月份到12月份初，全国立项规划建设的智算中心的项目数量达到118个，其中规划算力大于1000P的项目16个，大于500P以上的26个，大于100P以上的项目56个。

而对于大部分数据中心服务商来说，今年的主旋律就是一边大干快上新建智算中心，一边等AI算力卡，更准确地说，是主要依赖GPU供应市场份额90%的英伟达，否则只能选择性能和产能不足的其他供应商。

数据中心服务的核心是服务器，其架构设计也是围绕服务器，当服务器发生任何一种变化，数据中心就要相应做出调整，结合客户预算和需求做兼容或创新的改变。大模型火爆之前，纯GPU服务器的数据中心很少，充其量就是大规模数据中心有少数几个GPU服务器机房，而且由于GPU的成本高昂，只有大型互联网等企业才有相应储备。

为了满足大模型的训练需求，智算中心有几大明显的变化，首先是服务器和机柜功率显著提高，传统x86架构的通用计算服务器，标准形态是2U2节点或4节点，一台服务器功率600W—900W，四十多U的机柜空间里插12—15台服务器，其余部分是交换机、电源等模块。到了智算时代，一台GPU服务器八张GPU卡加两个CPU，至少10千瓦、12千瓦起步。

以前一台服务器里既有CPU，又有内存和硬盘，今天的GPU服务器更像一种纯算力的堆叠，在一定规模下，大模型训练效率随着GPU数量增加而提高，前提是网络时延足够低。

智算中心的第二大变化，便是短距离传输，降低网络时延。韩玉表示，通用服务器架构设计需要算力经网卡互联造成转换速率较慢，英伟达实现了CPU直连GPU的直接通信的架构设计，算力效率数量级提升，更高功率、更短距离、更低时延、更可靠的GPU互联，是大模型训练的基础。

“今天的智算业务集群里，网络成本超过20%，短距离高可靠性的低延时，是大家愿意投入去创新优化的环节，因为足够有性价比。”他说。

第三，目前智算中心还未完全定型，架构设计要具备高度兼容性。合盈数据CTO 周天宇提到，芯片、功率密度、风液混合，三者均存在变数，一个数据中心 的寿命如果以20年计，基础设施如何应对由于芯片，不同制冷方式带来的散热挑战，也是行业面临的共性问题。

免责声明：

1、本号不对发布的任何信息的可用性、准确性、时效性、有效性或完整性作出声明或保证，并在此声明不承担信息可能产生的任何责任、任何后果。

2、 本号非商业、非营利性，转载的内容并不代表赞同其观点和对其真实性负责，也无意构成任何其他引导。本号不对转载或发布的任何信息存在的不准确或错误，负任何直接或间接责任。

3、本号部分资料、素材、文字、图片等来源于互联网，所有转载都已经注明来源出处。如果您发现有侵犯您的知识产权以及个人合法权益的作品，请与我们取得联系，我们会及时修改或删除。