企业官网建设流程全解析

全球 AI 算力军备竞赛中，电力正在取代芯片，成为最稀缺的资源。“马斯克：2027 年约 15GW 算力无法启用”这类判断之所以被反复讨论，不是因为 GPU 产能不足，而是因为算力集群建设完成后，电网接入容量、变电站、变压器、柴油发电机和冷却系统没有同步就位，导致价值不菲的设备只能放在机房里等待供电。大模型训练、推理 token 生成、数据预处理，说到底都会变成 GPU 的负载，而 GPU 负载最终会变成机房的电费单。下文不评价任何公司或个人的预测，而是从工程角度拆解“算力无法启用”这个现象：15GW 到底是什么概念，GPU 集群的功耗怎么算，电力链路哪里最容易断，以及如何提前发现和规避这类问题。

1. 15GW 是什么？先理解算力与电力的换算关系

1.1 为什么一个算力话题会用到 GW 这样的电力单位

讨论“15GW 算力”时，GW 并不是算力单位，而是功率单位。1GW 等于十亿瓦，也就是 1000MW。算力通常用每秒浮点运算次数衡量，比如 PFLOPS、EFLOPS，但项目从规划阶段开始，团队之间沟通用的往往是功率：某个数据中心能接入多少兆瓦市电，某个机柜能提供多少千瓦容量，某个 GPU 满载时功耗是多少瓦。

这会让人觉得奇怪：为什么算力规模要用电力容量表述？其实原因很直接：一台 GPU 服务器无论是用来训练大模型，还是对外提供 token 生成服务，最终都会变成热量，都必须由电力系统供给、由制冷系统带走。芯片性能可以用不同的算力单位描述，但机房的变压器、UPS、PDU、空调和供电局给的接入容量只认功率。功率不足，算力就是纸面数字。所以当新闻说“15GW 算力无法启用”时，技术含义是“约 15GW 电力容量对应的算力设施，因为供电或配套原因无法通电投入运行”。

1.2 从设备到货到算力可用的完整链路

一台 GPU 服务器到货后，距离真正对外提供算力还要经历一串环节：到货验收、拆箱检查、上架安装、光纤接入、交换机配置、存储挂载、操作系统部署、驱动安装、容器或调度平台接入、通电自检、满载压测、业务接入。这里面的任何一环都可能阻塞，但最容易出现“卡住不动”的环节通常是通电运行之前。

以一次真实的上线流程为例，顺序大致如下：

• 确认机柜位置、承重和网络端口；
• 确认机柜 PDU 额定电流和可用插口；
• 将服务器固定在导轨上，连接电源线、网线和信号线；
• 合上 PDU 对应断路器，观察服务器电源状态；
• 启动服务器，进入 BMC 或系统日志确认没有电源告警；
• 安装驱动后，用加压工具让 GPU 负载逐步上升，观察温度和功耗曲线。

“算力无法启用”往往不是停在真机测试环节，而是更早：要么机柜里根本没有足够的电力余量，要么整层配电间负载已经接近上限，要么电网近期无法增容。许多设备即使已经开箱上架，也只能保持“待电”状态。

1.3 算力可用的四重约束：电力、散热、网络、空间

一个机柜内单台 GPU 服务器能否稳定运行，至少受四个约束同时限制：电力、散热、网络、空间。电力解决“有没有能量输入”，散热解决“能量能否及时排出”，网络解决“数据能否进得来、参数能否出得去”，空间解决“物理设备能不能放进去、承重是否足够”。四个约束缺一不可。

规划阶段最常犯的错误是只算 GPU 卡功耗，忽略电力和其他约束的联动。比如一个机柜设计功率为 40kW，但空调送风能力只能带走 25kW 热量，那么实际可用的算力上限就是 25kW 对应的设备数量，而不是 40kW 对应的数量。电力容量足够但冷却不足，同样会让 GPU 因温度过高降频甚至关机。因此，后续功率估算要从整柜维度计算，而不是只看单卡。

2. 算力集群的真实功耗：从芯片 TDP 到整柜功率

2.1 用 nvidia-smi 查看 GPU 真实功率

规划功耗前，先要能拿到实际数据。对于 NVIDIA GPU，最直接的工具是nvidia-smi。下面这条命令会列出每张 GPU 的索引、型号、当前功耗和功耗上限：

nvidia-smi --query-gpu=index,name,power.draw,power.limit --format=csv

输出示例类似：

0, NVIDIA H100 80GB HBM3, 62.50 W, 700.00 W 1, NVIDIA H100 80GB HBM3, 700.00 W, 700.00 W

power.draw是当前实时功耗，power.limit是驱动允许的最大功耗。满载跑大模型训练时，power.draw 会快速逼近 power.limit；空闲时只有几十瓦。查看多卡服务器时，可以用循环把每一张卡的数据打印出来，但注意不要在同一时刻执行太频繁的查询，否则查询本身会占用少量 CPU。

如果要持续观察 GPU 功耗和温度变化，可以使用nvidia-smi dmon，它类似 top 命令，每秒刷新一组 GPU 状态，适合在启动训练任务时观察功率和温度曲线。

nvidia-smi dmon -s p -d 5

这条命令以 5 秒为间隔显示功耗信息，-s p表示只显示功率相关列。

2.2 常用 GPU 设备的功耗参考

不同 GPU 的最大功耗差异很大。下面是常见的参考值，实际以具体厂商 SKU 和散热设计为准。

有些设备会支持动态功率管理，功耗上限可以通过软件调整。比如部分 H100 可以限制power.limit到 500W 或 600W，牺牲少量性能来降低散热压力和电费。在做容量规划时，不能只看峰值参数，还要看实际工作负载下的长期功耗，最好以 24 小时运行数据为准。

2.3 从单台服务器到机柜功率的估算方法

以一台 8 卡 H100 服务器为例。8 张 GPU 满载功耗是 5600W；加上 2 颗 CPU 约 800W，内存约 400W，网卡、硬盘、风扇、管理模块约 300W；电源模块转换效率按 93% 计算，输入功率约是输出功率的 1.07 倍。于是这台服务器的输入功率大约为：

• 服务器内 IT 负载：5600 + 800 + 400 + 300 = 7100W
• 输入功率：7100 × 1.07 ≈ 7600W

一个 42U 机柜通常可以放 3 到 4 台 4U 或 8U 的 8 卡服务器。按 4 台计算，IT 设备功率约 30.4kW，机柜顶部再加一台接入交换机约 1kW，整柜功率约 31.4kW。为了给电源冗余和未来扩容留余量，这个机柜的设计功率至少应按 36kW 到 40kW 来规划。如果使用液冷机柜，单柜还能做到 100kW 以上，但对配电和冷却的要求会完全不同。

2.4 用一段 Python 脚本快速完成功率估算

下面这段 Python 脚本用于估算单台服务器、单机柜和 1000 卡集群的数量级，目的是让规划人员在采购前先建立“功率预算”的概念，不能替代电气设计。

def estimate_server_power(gpu_count=8, gpu_watts=700, cpu_watts=800, mem_watts=400, other_watts=300, psu_loss=0.07): gpu_total = gpu_count * gpu_watts output_power = gpu_total + cpu_watts + mem_watts + other_watts input_power = output_power * (1 + psu_loss) return input_power servers_per_rack = 4 switch_watts = 1000 server_watts = estimate_server_power() rack_watts = server_watts * servers_per_rack + switch_watts num_servers_for_1000_gpu = 125 cluster_it_power_kw = num_servers_for_1000_gpu * server_watts / 1000 print(f"single server input power: {server_watts:.0f} W") print(f"rack input power: {rack_watts:.0f} W") print(f"1000 GPU cluster IT power: {cluster_it_power_kw:.0f} kW")

运行后输出的数量级应该接近：

single server input power: 7597 W rack input power: 31388 W 1000 GPU cluster IT power: 950 kW

这里需要注意的是，上面的结果是 IT 设备输入功率，还没有包含空调、UPS 损耗、配电损耗和照明。如果对 1000 卡集群按 PUE=1.4 估算，数据中心总输入功率约为 950 × 1.4 = 1330kW，也就是 1.3MW 左右。这也是为什么生产型机房往往会同时要求较高等级的市电容量，而不是简单把 GPU 功率加起来就算完。

3. 为什么电力建设周期会成为算力交付的最大瓶颈

3.1 设备交付周期和电力建设周期的时间错配

GPU 服务器的采购周期通常以“月”为单位，在供应链正常的情况下，订单到货可能需要 12 到 20 周。而一个数据中心从选址、电力申请、变电站建设、配电系统安装到正式送电，通常需要 2 到 5 年，具体取决于是否新建变电站、电网裕度、行政审批和施工环境。

这就形成了明显的时间错配：算力设备已经按季度规划，电力设施却按年度推进。一旦机房土建完成但变电站无法按期送电，已经到货的 GPU 就只能堆在仓库或机房里等待。对超大规模集群而言，15GW 对应的不是一栋楼，而是一整片区域的电网改造，周期会更长。

3.2 数据中心电力系统的主干结构

数据中心从外部电源到服务器电源，通常经过多级设备。常见架构如下：

• 市电接入：高压线路进入园区总降压站；
• 主变压器：将 110kV 或 35kV 降压到 10kV；
• 中压配电柜：分配给各机房模块的变压器；
• 低压变压器：将 10kV 降到 400V/230V；
• UPS：在市电异常时提供不间断供电；
• 列头柜和 PDU：分路到每个机柜；
• 服务器电源模块：将交流电转换为服务器内部直流电。

这中间每一级都有容量上限。主变压器容量用 kVA 表示，不是 kW。实际有功功率还取决于功率因数，通常按 0.9 到 0.95 折算。很多规划人员只看“电力部门批了多少 kVA”，然后直接乘以 1 当作 kW，结果设备上电后变压器过载或低压母线电流越限。

例如某园区申请到 2000kVA 的变压器容量，功率因数为 0.93，实际可用有功功率约 1860kW；但 IT 设备功率估算为 1800kW，再加上冷却系统 500kW，总需求 2300kW，已经超过变压器有功容量。结果就是变压器满载，甚至低压电流越限。

3.3 电网接入、容量审批与现场施工约束

接入电网不是采购服务器那么简单。要新增或扩大用电容量，一般需要经历可研、设计、接入系统方案评审、设备采购、土建施工、设备安装、试验、送电验收等多个阶段。

一个常被忽略的细节是电网裕度。即使电力部门愿意批准 100MW 容量，如果上级变电站或线路没有足够的剩余容量，最终接入容量也可能大打折扣。负载率高的区域，新增大量 GPU 集群可能还需要对输电线路进行改造，这会进一步拉长工期。因此，“能不能启用”的判断往往在电力接入阶段就已经决定了。

3.4 光伏、储能和燃气发电只能是补充方案

为了缓解市电容量不足，有些项目会引入分布式光伏、储能电池或燃气发电。这些措施可以提升能源供给的灵活性，但不应在设计阶段把它们当成唯一的容量来源。原因有三个：第一，光伏在夜间和阴雨天出力大减，无法支撑训练集群 24 小时负载；第二，储能电池容量有限，适合削峰填谷，不适合持续供能数千小时；第三，燃气发电涉及燃料供应、排放和审批，运行成本也明显高于市电。

并行使用这些能源时，还要考虑并网控制、电能质量和调度策略。比如训练任务可以配合电价低谷和光伏出力高峰期调整功率上限，但这已经是“能源调度”的范畴，而不是简单的电力容量规划。

注意：临时电源可以用于测试和应急，但不能作为生产集群长期稳定运行的主要供电来源。否则一次天气变化或燃料中断，就会让训练任务全部