作者：Mayank Srivastava，BDx 数据中心首席执行官

数十年来，数据中心的建设始终以稳定性为核心设计导向。企业需要拿下建设用地、锁定电力配额、搭建弹性容灾体系，并按照 20 至 30 年的使用年限完成整体规划。若规划方案合理，数据中心设施可通过分期迭代升级实现可预期的平稳演进。

人工智能彻底改写了这套行业逻辑。

当下我们所见的，并非单纯的算力需求激增，而是数字基础设施在设计、供电到运营全维度的结构性转型。传统数据中心以渐进扩容、硬件长更新周期为设计基准，如今正在被一套底层逻辑完全不同的全新模式取而代之。

我常将这套全新模式称作 “AI 工厂”。二者的本质差异至关重要。传统数据中心仅作为基础设施承载载体。AI 工厂则实现了智能化产能的工业化量产，可持续适配新一代硬件、超高部署密度以及不断迭代的算力负载，同时保障稳定在线可用率与能源利用效率。

行业变革速度前所未有。早年机柜功率密度普遍只有个位数千瓦；如今适配 AI 算力的数据中心，单机柜功耗已突破 200 千瓦，芯片直连液冷技术已然成为行业标配。随着下一代算力设备的功耗持续攀升，硬件迭代周期不断加快，迫使数据中心的迭代升级速度超越建筑本体的服役周期。基础设施的设计目标不能再仅仅追求稳定可靠，更要满足持续迭代升级的发展需求。

与此同时，制约人工智能产业发展的核心瓶颈已不再只是芯片，而是能源供给。放眼亚洲，行业核心考量不再是选址落地，而是电力供给能力。稳定、长期且以可再生能源占比持续提升的电力供给，已然成为决定 AI 产业能否规模化扩张的核心战略要素。具备电力资源禀赋优势的市场，正在成长为超大规模算力枢纽。其他地区则需依托能效优化、精细化部署模式与区域协作实现创新突破。

冷却系统不再只是基础运维环节，已然成为业务扩张的战略支柱。传统风冷架构，原本就不是为现代加速芯片的超高热流密度而设计的。先进液冷技术现已成为基础标配，直接决定算力性能、低碳指标以及长期运营经济性。

AI 也在重塑基础设施架构本身。大模型训练需要专用的集中化算力环境，并配套大容量不间断连续电力供给。AI 推理，即人工智能的实时落地应用，必须贴近终端用户部署。未来不会采用纯粹的集中模式，也不会只依靠分布式架构，而是走向智能混合部署模式。

即便我们正在适配由 GPU 主导的算力变革，量子计算等新兴技术，又带来了全新的架构设计与运维课题。

这一切都预示着一场更为深刻的产业变革。数据中心早已不再是静态配套基建，已经演变为数字算力生产的核心平台，是 AI 产业经济的核心驱动力。

在这个时代脱颖而出的运营商，不会仅仅一味扩充算力容量。运营商需要重构底层设计理念，将能源战略纳入核心规划，建设可与 AI 智能算力同步高速迭代的基础设施。

近日，我在接受《Frontier Enterprise》专访时深入探讨了上述议题，解读了 AI 工厂落地运营的现实情况，以及这场变革对区域基建行业领军企业带来的深远影响。

如需阅读完整访谈内容，可访问链接：
https://www.frontier-enterprise.com/bdx-ceo-on-why-ai-factories-are-changing-data-centres/