施耐德電機與AMD發布了一套共同開發的參考設計，旨在為部署高密度AI基礎設施的資料中心營運商提供藍圖。

該設計建構於AMD的Helios機架級平台之上，可支援功率密度高達246kW的AI機架，以及IT容量高達10.4MW的模組化多叢集環境。為了提供密度數據的參照，傳統企業資料中心機架通常運作在5至15kW的範圍內，這意味著該藍圖的目標是因應GPU密集的AI訓練與推論工作負載，將單一機架的功耗提升一個數量級。兩家公司表示，該參考設計既可供建造新AI工廠的營運商使用，也可供在現有資料中心中改造高密度AI基礎設施的營運商使用。

施耐德電機資料中心解決方案架構全球總監Rob Bunger表示，該設計推出的時機，正值不斷攀升的AI工作負載將資料中心基礎設施推向他所描述的「前所未有的極限」。

「營運商必須在降低部署風險的同時，管理大幅提升的功率密度、散熱需求與營運複雜度，」Bunger告訴AI Business。

模擬工具與基礎設施涵蓋範圍

為了應對這些挑戰，該設計整合了施耐德電機的ETAP與EcoStruxure IT Design CFD模擬工具，使營運商能夠在部署前測試、預測並管理基礎設施效能。

該參考設計涵蓋四個基礎設施領域：設施電力、設施冷卻、IT空間及生命週期軟體。透過對資料中心物理基礎設施效能進行建模，兩家公司表示該藍圖能夠透過明確定義電力、冷卻及IT基礎設施的組織方式，縮短規劃流程。

「這些能力協助組織更快地建立可靠、可擴展的AI工廠，並具備更高的信心、更低的風險與更少的複雜度，」Bunger補充道。

該設計還具備即時監控與分析、AI驅動的預測性維護，以及涵蓋電力、冷卻與IT基礎設施的系統級最佳化。

AI基礎設施部署作為工程挑戰

該藍圖發布之際，AI基礎設施部署的重點正在轉移——從確保運算容量轉向在整個營運中整合複雜系統，包括電力、冷卻、網路與持續管理。這一轉變促使一波廠商合作推出預先驗證的參考架構，因為個別營運商越來越難以自行整合機架級GPU系統、液冷系統與高壓配電。

「AMD Helios參考設計透過一套共同開發且經過驗證的藍圖，彌合了先進AI運算平台、能源技術與真實世界資料中心實作之間的差距，」Bunger表示。「雖然電力取得仍然是產業的一大限制因素，但基於工程基礎的參考設計使組織能夠以更高的信心、效率與可靠性，更快地從規劃邁向部署。」

Bunger將電力稱為限制因素，反映了廣為報導的產業挑戰：電力公司併網時程、電網容量限制及地方許可審批已成為超大規模與企業級AI建設在多個地區的重要瓶頸。

該設計旨在支援模組化擴展，可容納IT容量高達10.4MW的AI叢集用於全新部署，同時也提供能夠處理現有設施中高密度AI工作負載的基礎設施。

標準驗證

該參考設計已通過ANSI標準驗證，適用於美國部署，並計畫擴展該框架以支援國際電工委員會（IEC）標準，供全球實施使用。

來源：AI Business