[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-data-center-world-2026-ai-pushes-infra-limits-zh":3,"article-related-data-center-world-2026-ai-pushes-infra-limits-zh":35,"series-industry-12aa4d9f-2500-46f7-a964-f6f0f7aefe42":86},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":27,"views":31,"created_at":32,"published_at":33,"topic_cluster_id":34},"12aa4d9f-2500-46f7-a964-f6f0f7aefe42","data-center-world-2026-ai-pushes-infra-limits-zh","Data Center World 2026：AI逼爆機房設計","\u003Cp data-speakable=\"summary\">AI 正把\u003Ca href=\"\u002Fnews\u002Fdata-center-strategy-must-move-beyond-center-zh\">資料中心\u003C\u002Fa>從機櫃優化，推到供電、散熱和網路一起重做的階段。\u003C\u002Fp>\u003Cp>在 \u003Ca href=\"https:\u002F\u002Fwww.datacenterworld.com\u002F\" target=\"_blank\" rel=\"noopener\">Data Center World 2026\u003C\u002Fa>，\u003Ca href=\"https:\u002F\u002Fwww.oracle.com\u002Fcloud\u002F\" target=\"_blank\" rel=\"noopener\">Oracle Cloud Infrastructure\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.nvidia.com\u002F\" target=\"_blank\" rel=\"noopener\">Nvidia\u003C\u002Fa>、\u003Ca href=\"https:\u002F\u002Fwww.google.com\u002F\" target=\"_blank\" rel=\"noopener\">Google\u003C\u002Fa> 都講得很直白。AI 工作負載已經不是多幾台伺服器而已。它直接改掉整座機房的設計邏輯。\u003C\u002Fp>\u003Cp>最誇張的地方，是機櫃密度。以前 30 到 40 kW 算常見。現在 AI 機櫃常常往數百 kW 走。某些設計甚至碰到 MW 級。\u003C\u002Fp>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>數字\u003C\u002Fth>\u003Cth>代表什麼\u003C\u002Fth>\u003Cth>來源\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>30–40 kW\u003C\u002Ftd>\u003Ctd>舊世代機櫃密度\u003C\u002Ftd>\u003Ctd>Google 的 Varun Sakalkar\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>數百 kW\u003C\u002Ftd>\u003Ctd>AI 時代常見密度\u003C\u002Ftd>\u003Ctd>Google 的 Varun Sakalkar\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>MW 級\u003C\u002Ftd>\u003Ctd>新一代機櫃設計上限\u003C\u002Ftd>\u003Ctd>Google 的 Varun Sakalkar\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>220+ 個媒體資產\u003C\u002Ftd>\u003Ctd>TechTarget 與 Informa Tech 的數位網路規模\u003C\u002Ftd>\u003Ctd>出版方揭露\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>5000 萬+ 專業受眾\u003C\u002Ftd>\u003Ctd>出版方宣稱的觸及規模\u003C\u002Ftd>\u003Ctd>出版方揭露\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>AI 讓機房變成兩種世界\u003C\u002Fh2>\u003Cp>這次最有意思的點，是 AI 訓練和推論已經分家。\u003Ca href=\"https:\u002F\u002Fwww.oracle.com\u002Fcloud\u002F\" target=\"_blank\" rel=\"noopener\">OCI\u003C\u002Fa> AI 基礎架構副總裁 Ram Nagappan 說，現在不能用同一套思路看兩者。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779247447420-alyu.png\" alt=\"Data Center World 2026：AI逼爆機房設計\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>訓練叢集要把幾萬顆 \u003Ca href=\"\u002Ftag\u002Fgpu\">GPU\u003C\u002Fa> 綁在一起。低延遲很重要。實體距離也很重要。你要把算力、網路、交換器都拉到很近，才不會讓通訊成本炸掉。\u003C\u002Fp>\u003Cp>推論就不一樣了。它更在意可用性、回應時間和擴展性。講白了，訓練像工廠。推論像服務窗口。工程目標完全不同。\u003C\u002Fp>\u003Cp>Nagappan 的說法很直接：\u003Cq>你在建\u003Ca href=\"\u002Ftag\u002F資料中心\">資料中心\u003C\u002Fa>時，兩者都要考慮。\u003C\u002Fq> 這句話很實際。因為舊式機房假設工作負載相對穩定。現在這個假設已經不太成立。\u003C\u002Fp>\u003Cul>\u003Cli>訓練偏向高密度 GPU 叢集。\u003C\u002Fli>\u003Cli>推論偏向服務穩定和擴展。\u003C\u002Fli>\u003Cli>兩種模式現在常在同一座機房內。\u003C\u002Fli>\u003Cli>所以佈局、備援、網路都要重畫。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>機櫃密度已經不是原本那套\u003C\u002Fh2>\u003Cp>\u003Ca href=\"https:\u002F\u002Fcloud.google.com\u002F\" target=\"_blank\" rel=\"noopener\">Google Cloud\u003C\u002Fa> 的 Varun Sakalkar 直接講，業界已經離開過去那種 30 到 40 kW 的機櫃時代。現在很多 AI 機櫃都在數百 kW。\u003C\u002Fp>\u003Cp>這不是單純把電加大而已。你一旦把密度拉上去，整個\u003Ca href=\"\u002Fnews\u002Fhow-to-crack-system-design-interviews-in-2026-zh\">系統\u003C\u002Fa>都要跟著改。進線方式、散熱路徑、機櫃結構、施工流程，全都會牽動。\u003C\u002Fp>\u003Cp>Sakalkar 用了一句很準的話：\u003Cq>我們不是在設計一個機櫃，我們是在設計一個系統。\u003C\u002Fq> 這句話很有份量。因為機櫃已經不是最小單位。現在是整個供電與散熱鏈一起算。\u003C\u002Fp>\u003Cp>這也解釋了為什麼很多機房團隊開始重做規格書。以前是先看空間，再看電。現在常常是先看電，再看熱，最後才看空間。順序整個倒過來。\u003C\u002Fp>\u003Cul>\u003Cli>舊機櫃：30–40 kW。\u003C\u002Fli>\u003Cli>AI 機櫃：數百 kW。\u003C\u002Fli>\u003Cli>新設計：朝 MW 級靠近。\u003C\u002Fli>\u003Cli>規劃單位：系統，不是單櫃。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>電力才是真正卡關點\u003C\u002Fh2>\u003Cp>\u003Ca href=\"https:\u002F\u002Fwww.nvidia.com\u002F\" target=\"_blank\" rel=\"noopener\">Nvidia\u003C\u002Fa> 能源系統首席工程師 Sean James 說得很直白。現在先卡住的，常常不是 GPU，而是電力。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779247448138-g0a6.png\" alt=\"Data Center World 2026：AI逼爆機房設計\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>很多業者會先用 behind-the-meter generation，也就是自有或場內\u003Ca href=\"\u002Fnews\u002Fppsi-6m-award-distributed-generation-playbook-zh\">發電\u003C\u002Fa>。這能先把專案往前推，但不是長期答案。James 也講得很清楚：\u003Cq>這是好的止痛藥，不是最終解法。\u003C\u002Fq>\u003C\u002Fp>\u003Cp>原因很簡單。AI 叢集不只吃電多。它還會讓負載波動很大。訓練一跑，電網壓力就跟著上來。這種波動甚至會一路影響到電廠端。\u003C\u002Fp>\u003Cp>所以儲能開始變重要。它可以平滑尖峰，撐住瞬間掉壓，也能幫機房更好地對接電網要求。說白了，AI 機房現在不只是資料中心問題，還是能源工程問題。\u003C\u002Fp>\u003Cblockquote>“Behind-the-meter power is a good stopgap. It’s not the preferred long-term solution.” — Sean James, Nvidia\u003C\u002Fblockquote>\u003Ch2>液冷不再是選配\u003C\u002Fh2>\u003Cp>散熱這題，現在幾乎沒有太多爭論空間了。Sakalkar 直接說，\u003Cq>Liquid cooling is here\u003C\u002Fq>。剩下的問題是怎麼標準化。\u003C\u002Fp>\u003Cp>這件事聽起來很平常，實際上很麻煩。液冷會改變機櫃設計、維修流程、零件供應鏈，連驗收和上線步驟都要重寫。你不能再把它當成一個外掛模組。\u003C\u002Fp>\u003Cp>James 也提到，液冷擴張後，接頭數量、管路配置、備品管理都會變複雜。再加上用水議題，很多地區還得面對法規和永續壓力。這些都不是小事。\u003C\u002Fp>\u003Cp>我覺得最現實的結論是：高密度 AI 機房，液冷已經接近預設值。還在把它當試驗案的團隊，設計節奏會慢人一拍。\u003C\u002Fp>\u003Cul>\u003Cli>液冷已接近高密度 AI 的預設方案。\u003C\u002Fli>\u003Cli>機房會同時存在液冷與風冷區域。\u003C\u002Fli>\u003Cli>用水量開始變成設計條件。\u003C\u002Fli>\u003Cli>標準化比證明可行更重要。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>速度也在改變建設方式\u003C\u002Fh2>\u003Cp>AI 不是只改硬體。它也在改工地節奏。James 說，現在很多團隊把工作移到場外先做，還會提早完成設計，避免下一代 GPU 一來就整個重來。\u003C\u002Fp>\u003Cp>這就是為什麼模組化架構一直冒出來。它讓業者能更快上線，也保留一點彈性。畢竟 GPU 規格和供電需求變得太快，等你蓋完，規格可能又變了。\u003C\u002Fp>\u003Cp>在更大的尺度上，Sakalkar 說 hyperscaler 開始把整個 campus 當成產品。這句話很有意思。因為價值單位已經不是一棟樓，而是一整個可擴充園區。\u003C\u002Fp>\u003Cp>這會影響採購、施工順序、供應鏈協調，還有分階段上線的方式。以前是先蓋建物，再慢慢塞設備。現在常常是設備和基礎設施一起到位。\u003C\u002Fp>\u003Cul>\u003Cli>前置設計變得更重要。\u003C\u002Fli>\u003Cli>模組化能縮短上線時間。\u003C\u002Fli>\u003Cli>campus 變成新的產品單位。\u003C\u002Fli>\u003Cli>設備和基礎設施要一起規劃。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>這波變化其實早就有跡可循\u003C\u002Fh2>\u003Cp>AI 把資料中心推進新階段，不是一天發生的。只是這次的速度太快，讓很多原本能慢慢修的問題，變成一次要全改。從 \u003Ca href=\"https:\u002F\u002Fwww.opencompute.org\u002F\" target=\"_blank\" rel=\"noopener\">Open Compute Project\u003C\u002Fa> 到各家雲端廠商，大家其實早就在談高密度、開放式機房和更好的電力管理。\u003C\u002Fp>\u003Cp>只是以前這些討論比較像前瞻規劃。現在不一樣。GPU 叢集、液冷、儲能、變電、網路拓樸，已經全部綁在一起。你不能只升級其中一項，因為其他項會跟著卡住。\u003C\u002Fp>\u003Cp>這也會拉開不同業者的差距。大型雲端廠商有錢、有供應鏈、有土地，也有能力把整個 campus 一次規劃好。中小型機房如果還用舊思路，會越來越難接 AI 專案。\u003C\u002Fp>\u003Cp>我自己的判斷很簡單。接下來 12 到 24 個月，真正有競爭力的機房，不是電費最低的那種，而是能把供電、液冷、網路和施工節奏一起協調好的那種。\u003C\u002Fp>\u003Ch2>下一步看誰能先把系統整合好\u003C\u002Fh2>\u003Cp>這場變化的核心，不是某個單一技術。而是整套基礎設施一起升級。誰能先把電、熱、網路和交付速度整合好，誰就比較有機會吃到 AI 需求。\u003C\u002Fp>\u003Cp>如果你是機房、雲端或硬體團隊，現在最該問的不是「要不要上 AI」。而是「現有設計能撐到幾百 kW 嗎？」如果答案很模糊，代表你該重畫圖了。\u003C\u002Fp>\u003Cp>講白了，AI 已經把資料中心從機電工程，推成系統工程。這題不是靠補丁能解。你得從頭算一次。\u003C\u002Fp>","Data Center World 2026 上，Oracle、Nvidia、Google 都說 AI 正逼機房重做供電、散熱與網路。","www.datacenterknowledge.com","https:\u002F\u002Fwww.datacenterknowledge.com\u002Fbuild-design\u002Fdata-center-world-2026-ai-pushes-infrastructure-to-new-limits",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779247447420-alyu.png","industry","zh","3535a568-133c-44af-82d2-be4c86884f71",[17,18,19,20,21,22,23,24,25,26],"Data Center World 2026","AI 資料中心","液冷","機櫃密度","Nvidia","Oracle Cloud Infrastructure","Google Cloud","供電","散熱","網路",[28,29,30],"AI 正把資料中心的設計單位從機櫃，推到整個系統。","30–40 kW 的舊機櫃密度，現在已經不夠看。","液冷、儲能、前置設計，會決定 AI 機房能不能按時上線。",0,"2026-05-20T03:23:36.18774+00:00","2026-05-20T03:23:36.013+00:00","caa87b65-9bbc-46fe-bba8-4f4158dd2d8b",{"tags":36,"relatedLang":45,"relatedPosts":49},[37,38,40,42,43],{"name":19,"slug":19},{"name":21,"slug":39},"nvidia",{"name":17,"slug":41},"data-center-world-2026",{"name":20,"slug":20},{"name":18,"slug":44},"ai-資料中心",{"id":15,"slug":46,"title":47,"language":48},"data-center-world-2026-ai-pushes-infra-limits-en","Data Center World 2026: AI Pushes Infra Limits","en",[50,56,62,68,74,80],{"id":51,"slug":52,"title":53,"cover_image":54,"image_url":54,"created_at":55,"category":13},"72910020-36c3-4c73-bd57-ef949b909def","data-center-strategy-must-move-beyond-center-zh","為什麼資料中心策略必須走出資料中心","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779246838553-u7ml.png","2026-05-20T03:13:25.560701+00:00",{"id":57,"slug":58,"title":59,"cover_image":60,"image_url":60,"created_at":61,"category":13},"30d06624-ad6c-496d-b361-cc01fe73a9ba","ppsi-6m-award-distributed-generation-playbook-zh","PPSI 6M 案單把分散式發電變模板","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779246276973-ffjg.png","2026-05-20T03:03:54.219664+00:00",{"id":63,"slug":64,"title":65,"cover_image":66,"image_url":66,"created_at":67,"category":13},"0f1ea7f5-532b-4a6e-9a24-478d1d6058a9","google-io-2026-starts-today-sessions-watch-zh","Google I\u002FO 2026 今天開場：該看哪些場次","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779242661611-mwub.png","2026-05-20T02:03:48.513108+00:00",{"id":69,"slug":70,"title":71,"cover_image":72,"image_url":72,"created_at":73,"category":13},"84a2c2d2-3785-4c8a-91d5-0ec5dde265c2","how-to-crack-system-design-interviews-in-2026-zh","2026 系統設計面試通關指南","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779239637137-vd7y.png","2026-05-20T01:13:24.630985+00:00",{"id":75,"slug":76,"title":77,"cover_image":78,"image_url":78,"created_at":79,"category":13},"ffde5c32-3c83-4061-b030-64f8140c3bfd","why-adam-levine-business-empire-matters-zh","為什麼 Adam Levine 的商業帝國比他的名氣更重要","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779236624393-aj3d.png","2026-05-20T00:23:18.633556+00:00",{"id":81,"slug":82,"title":83,"cover_image":84,"image_url":84,"created_at":85,"category":13},"6378b5e2-713a-4ba3-af60-4b11ce12f200","5-things-to-know-cirkuls-big-game-ad-zh","5 個 Cirkul 大賽廣告重點","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779236028672-5nyb.png","2026-05-20T00:13:24.054139+00:00",[87,92,97,102,107,112,117,122,127,132],{"id":88,"slug":89,"title":90,"created_at":91},"ee073da7-28b3-4752-a319-5a501459fb87","ai-in-2026-what-actually-matters-now-zh","2026 AI 真正重要的事","2026-03-26T07:09:12.008134+00:00",{"id":93,"slug":94,"title":95,"created_at":96},"83bd1795-8548-44c9-9a7e-de50a0923f71","trump-ai-framework-power-speech-state-preemption-zh","川普 AI 框架瞄準電力、言論與州權","2026-03-26T07:12:18.695466+00:00",{"id":98,"slug":99,"title":100,"created_at":101},"ea6be18b-c903-4e54-97b7-5f7447a612e0","nvidia-gtc-2026-big-ai-announcements-zh","NVIDIA GTC 2026 重點拆解","2026-03-26T07:14:26.62638+00:00",{"id":103,"slug":104,"title":105,"created_at":106},"4bcec76f-4c36-4daa-909f-54cd702f7c93","claude-users-spreading-out-and-getting-better-zh","Claude 用戶更分散，也更會用","2026-03-26T07:22:52.325888+00:00",{"id":108,"slug":109,"title":110,"created_at":111},"bd903b15-2473-4178-9789-b7557816e535","openclaw-raises-hard-question-for-ai-models-zh","OpenClaw 逼問 AI 模型價值","2026-03-26T07:24:54.707486+00:00",{"id":113,"slug":114,"title":115,"created_at":116},"eeac6b9e-ad9d-4831-8eec-8bba3f9bca6a","gap-google-gemini-checkout-fashion-search-zh","Gap 把結帳搬進 Gemini","2026-03-26T07:28:23.937768+00:00",{"id":118,"slug":119,"title":120,"created_at":121},"0740e53f-605d-4d57-8601-c10beb126f3c","google-pushes-gemini-transition-to-march-2026-zh","Google 把 Gemini 轉換延到 2026 年 3…","2026-03-26T07:30:12.825269+00:00",{"id":123,"slug":124,"title":125,"created_at":126},"e660d801-2421-4529-8fa9-86b82b066990","metas-llama-4-benchmark-scandal-gets-worse-zh","Meta Llama 4 分數風波又擴大","2026-03-26T07:34:21.156421+00:00",{"id":128,"slug":129,"title":130,"created_at":131},"183f9e7c-e143-40bb-a6d5-67ba84a3a8bc","accenture-mistral-ai-sovereign-enterprise-deal-zh","Accenture 攜手 Mistral AI 賣主權 AI","2026-03-26T07:38:14.818906+00:00",{"id":133,"slug":134,"title":135,"created_at":136},"191d9b1b-768a-478c-978c-dd7431a38149","mistral-ai-faces-its-hardest-year-yet-zh","Mistral AI 迎來最硬的一年","2026-03-26T07:40:23.716374+00:00"]