随着 AI 技能的发展，尤其是LLM如 GPT-4 的演习，对打算能力的需求急剧增加。
文章先容了数据中央的基本构造和运作事理，包括它们的规模、功耗、冷却系统以及如何提高能效。
-------内容要点--------
（1）AI 的发展加速了对高性能数据中央的需求：
AI 模型，特殊是大型措辞模型，须要在专门设计的建筑物中的数据中央、数万台打算机及其所需的支持根本举动步伐中进行演习和运行，这推动了对更大、更强大数据中央的培植。数字根本举动步伐终极须要物理根本举动步伐。 须要的打算越多，所需的物理根本举动步伐就越多。
（2）电力供应是数据中央培植的关键瓶颈：
数据中央的运营须要大量电力，且随着 AI 数据中央的增加，对电力的需求将进一步上升，这可能会限定数据中央的培植和发展。
（3）数据中央的能效和电力花费是关键考量成分：
数据中央的设计和运营越来越看重能效，通过 PUE 值来衡量电力利用效率。所有这些电力终极都会在数据中央内转化为热量，这意味着它须要同样坚固的设备来在通电后尽快将热量排出。随着 AI 的发展，数据中央可能须要采取更高效的冷却技能，如液冷系统。
（4）数据中央培植的未来趋势将受到 AI 模型规模和打算效率的影响：
只管存在对未来电力花费预测的争议，但 AI 的持续发展估量将导致数据中央规模和电力花费的显著增长。
数据中央的培植和电力根本举动步伐培植须要折衷：
为了知足 AI 数据中央的需求，可能须要培植新的电力传输线路、变电站以及低碳固态发电举动步伐。
文章来源： https://www.construction-physics.com/p/how-to-build-an-ai-data-center