英伟达推预制数据中心：现场部署从6个月缩短至14天

黄仁勋最近盯上了数据中心。芯片之外，他更在意的是一件更基础的事：怎么把一座数据中心更快建起来。

他给出的答案就是预制。

整套Vera Rubin AI工厂在合作伙伴的厂里被装进模块化集装箱，线缆、电路、液冷管路全部铺好并通过功能验证，运到现场接上电、冷却和网络就能开机。现场部署因此从6个月压缩到最短14天。

其实，打预制数据中心主意的并不只有英伟达。

华为拿出3D数据中心，把空间布局调整和工厂预制放在一起做；立讯精密旗下的立讯智算也亮出了集装箱式预制数据中心方案。各家想解的是同一道题：让机房建设和设备交付尽量追得上算力需求的增长。

说到底，机房建设要是还照着老节奏慢悠悠地来，AI 时代很容易撞上尴尬场面：爷爷那辈立的项，爸爸那辈在施工，等到孙子那辈才开机，还得顺带给上一代 GPU 办个怀旧展。数据中心两年后才建好，黄花菜都凉了，只能当 AI 的传家宝供着。

01 数据中心，花钱大户

AI基础设施到底有多热，先看两个指标：花钱，用电。

国际能源署在2026年的报告中指出，五家科技公司的资本开支在2025年超过4000亿美元，预计2026年还要增长75%。用电量也在同步增长。IEA统计，2025年全球数据中心用电需求增长17%，其中面向AI的数据中心增长50%；其更新后的基准预测是，全球数据中心用电量将从2025年的485太瓦时，上升到2030年的约950太瓦时。

国内方面，工信部披露的数据显示，截至2026年9月底，我国智能算力规模已达2592 EFLOPS，同比增长146%。不过这些数字落到实处，还得靠一台台设备、一座座机房去承载。

芯片离不开服务器，服务器又离不开网络和存储，还得耗电、要散热。放到高密度AI系统里，供电、液冷、设备重量、安装空间和维护通道，必须放在一起统筹设计。英伟达在DSX POD技术说明里也提到，计算、网络、电力、液冷和运输结构属于需要协同处理的工程环节。

这意味着，算力扩张带来的不只是“多盖几间机房”。设备集成程度提高了，配套系统也得跟着调整。

另一边，计算设备本身的组织方式也在变。面对大模型训练和推理中的通信需求，厂商开始通过更紧密的高速互联，把更多加速器组织成协同工作的系统，超节点成了其中一个重要方向。

超节点怎么设计，会直接影响机房怎么配套、怎么安装，以及多久才能交付。

02 形态各异的超节点，给机房出了新题

数据中心的需求下，服务器跟不上了，行业里全都在看超节点。

眼下厂商口中的超节点，物理尺寸并不统一。有的集中在一个机柜内，有的则横跨多个机柜。比如新华三有单柜32卡或64卡的产品，华为公布的Atlas 950最大配置则要占到160个机柜。

所以看超节点，不能光数“多少卡”。至少得把三个数字分开：一个机柜里装多少卡、一个超节点连多少卡、整个集群一共多少卡。这三个数字对应的，分别是部署密度、紧密互联的规模和整体建设规模。

首先来看机柜形态和数量。

按单柜集成的卡数来分，业内超节点大体排成三个梯队。32卡、64卡属于比较常见的基础配置。华为Atlas 950、沐曦曦景S600，还有百度天池和新华三的相关方案，采用的都是单个计算柜64卡的设计。

再往上，是将单柜集成数量提高到百卡以上的方案。摩尔线程在2026年WAIC展示的MTT C256，采用单柜128卡配置；天数智芯展示的IXL144，则强调将144颗GPU集成到单机柜中。

这里头比较特殊的是中科曙光scaleX640，它用的是“一拖二”高密架构，配上极度定制的刀片模块（加速卡、内存、互联芯片被塞进30cm×20cm×5cm的空间里），1.8米标准机柜能放下80个刀片模块，单柜密度就这样被硬推到640卡。

再来看密度背后的互联。卡装得越多，数据往来就越繁忙。在大模型训练和MoE负载中，芯片之间的通信已经成为系统设计的重点。

讨论互联时，可以分成三个层面：采用什么协议，硬件怎样连接，以及信号通过铜还是光传输。

协议层面，华为以灵衢互联体系调度计算资源，百度围绕自研XPU-Link和可编程交换技术搭建通信域，壁仞则布下BLink超节点互连协议。开放加速器互联标准方面，行业里还有UALink。新华三UniPoD系列就是两种协议并行的例子，既有以太协议产品，也有PCIe协议产品，其中F80000用的是PCIe光互联。

硬件连接上，正交直连、Cable Tray等设计正被业内反复讨论。沐曦曦景S600把柜内连接做成“三零”设计，靠减少传统线缆来简化部署与维护；百度天池方案则把XPU-Link协议、交换技术和Cable Tray铜缆互连放在一起设计。光连接这一路选手同样不能忽略。

壁仞的1024卡方案走的是NPO近封装光学加分布式解耦架构，GPU节点与交换节点分开部署，资源通过光连接组织，单个超节点最高可做1024卡Scale-up扩展。华为在光模块上用得也早：此前384卡配置400G光模块，眼下1024卡升级为800G GPU光模块，速率翻倍，用量反而降了。

第三看迁移成本，也就是软件生态。对已经攒下大量CUDA应用的客户来说，换计算平台不只是多一笔采购。

国产芯片各家都备好了自己的软件底座：华为CANN、摩尔线程MUSA、沐曦MXMACA，昆仑芯和天数也各有配套软件栈。框架层迁移的路子，是客户照旧用PyTorch等熟悉框架，底层换成新硬件。华为用TorchNPU把PyTorch接到昇腾上，昆仑芯与飞桨做了适配，其余厂商也靠框架支持让模型开发沿用原来的方式。

至于应用中直接调CUDA接口、写自定义内核的部分，摩尔线程MUSA给了两条具体路径：musify把CUDA源码转成MUSA代码，MUSA Mapping在编译过程中完成映射，支持范围内的源码可保留CUDA写法，再编译成面向摩尔线程GPU的程序。昆仑芯在XPU Runtime里也提供了CUDA兼容接口。中科曙光主打的是开放包容，兼容主流生态，还支持多品牌国产卡混合部署。

再看这些超节点正走进哪些场景。从实际需求看，推进方向主要分三类：大模型训练与推理、公共智算基础设施，以及科学计算等行业应用。

大模型是最直接的推力。模型规模变大、训练任务变多，互联网企业最早生出大规模紧密互连的需求。昇腾384超节点作为第一代正式商用的超节点，已商用落地750多套，规模应用于互联网、运营商、金融、教育、医疗、交通、制造等行业，也是国内唯一训练出SOTA模型的超节点。

百度超节点经过百度自身核心业务的验证，已实现量产交付，是国内率先实现量产交付的超节点产品之一。

中科曙光国家超算互联网核心节点已在郑州上线试运行。据悉，该节点的算力资源由3套曙光scaleX万卡超集群系统支撑，可对外提供超3万卡的国产AI算力。

摩尔线程在集群业务上也没闲着。MTT C256眼下处在“商用准备就绪、早期客户验证”的阶段；夸娥智算集群已经落地多个地方，其中一笔6.6亿元的夸娥智算集群合同，公司披露已于上半年交付完毕并确认收入。无锡惠山智算中心一期上了2000张S5000，两个月后基本跑满，20多家客户已经在测试或正式使用。

壁仞已成功交付多个千卡级智算集群，其中包括2048卡光互连光交换GPU超节点。此前推出的“光跃LightSphere X”超节点方案，半年内就实现了128卡商用版落地。

天数智芯天垓系列GPU已实现万卡级规模化落地，服务超过380家政企、科研与产业客户，落地部署超过1000个项目。

各家产品形态和商业化进度并不一样，但这些案例已经把问题摆到台前：计算设备开始按整柜、多柜乃至万卡集群的规模组织，承载它们的机房，也得有相应的建设和交付能力。

计算、网络、供电和冷却要通盘考虑。预制化的办法，是把能提前做的集成与验证搬进工厂，让现场少一些逐项安装和协调。

03 数据中心，早就开始预制了

早在2006年，Sun就发布过Project Blackbox，把计算、存储、网络连同配套供电和冷却设施装进标准集装箱，主打运输方便、部署快。当年的发布现场，展示的正是接入外部电力、冷却水和网络后投入运行的思路。

说白了，“机房装箱、运到就接”这套玩法，资历老得都能办二十周年同学会了。硬把预制说成AI时代冒出来的新发明，差不多是给老技术补开一张出生证明。

如今AI需求让这条老路线有了更大的用武之地。从供电、制冷等机电模块，到集装箱式机房，再到围绕特定计算平台做整套集成，各家正把预制推进到不同层级。

模块化数据中心这块，已经有规模化交付的案例。中集集团在2026年3月30日的投资者关系活动记录里提到，中东、东南亚等地区累计交付的模块化数据中心超过1000MW、模块超过17000个；另外，还有超过300MW的行业客户正由他们提供预制化数据中心的技术与制造交付服务。

“双厂协同”加上全流程一体化交付，是中国速度的来源：结构施工、机电安装和内部装修有90%以上在国内工厂做完，到了现场只剩下像搭积木那样拼起来。

华为3D数据中心走的是另一条路，学的是芯片工厂把“动力层”和“IT层”严格分开的做法。分层解耦、立体堆叠之后，原本水平铺开的各个功能空间被垂直叠到一起，形成“一层供冷、二层IT设备、三层供电、屋面备电”的架构，供电和制冷都走垂直方向，链路最短、损耗最小，既能撑起AI算力集群的高密部署，也给算力后续演进留了余地。

建设模式上，华为把供电、制冷这些核心机电系统做成了标准化POD，也就是能独立运行的最小数据中心单元。预制、组装、测试都在工厂里完成，现场只做装配和连接。大小机电的预制化率超过90%，机电交付时间从大约6个月压到3个月。

立讯智算拿出的则是集装箱式预制数据中心方案。整个数据中心被拆成一个个集装箱大小的标准模块，供电、散热、算力、组网、存储都在工厂提前集成、调试好，运到现场像搭积木一样拼起来，接上电就能用。一座方舱，就是一座开机即用的数据中心。具体来看，能源模块把变配电和储能合在一起，负责稳定供电；液冷模块借助冷却液分配单元（CDU）与冷板管路，让冷却液直达芯片、把热量带走；算力模块由成排的GPU整机柜组成，上电就有算力；组网模块基于正交组网（Orthogonal Fabric）把所有整机高速连通；租户模块按需配置，支持一池多租。客户要什么就选配什么，钥匙一交，数据中心即刻上线。

浪潮走的是预制化方舱数据中心路线，即PrefabDC-C1000系列AIO方舱。箱体采用标准化设计，主流规格覆盖20英尺、40英尺国际标准尺寸，可按算力需求灵活选型或组合扩展。据了解，这一方案已在日本、沙特、哈萨克斯坦阿拉木图落地建设。

再说回这次英伟达。DSX POD把7个Vera Rubin机架连同线缆在工厂内预装成一个集装箱，合作伙伴能在工厂完成机架间连接、管路安装和功能验证，再把预装模块运到已经准备好的场地。参与该方案的合作伙伴有戴尔、HPE、联想、施耐德电气、维谛等，计划2027年初开始交付。

英伟达提出的部署目标是，在外部配套就绪的条件下，DSX POD能把现场部署时间压缩到最短14天。工厂里提前完成的集成，加上现场基础设施的准备，两相配合，共同推动AI工厂上线。

04 结语

预制数据中心一直在解决同一个问题：现场组装和集成的时间怎么缩短。今天的不同在于，需要提前集成的系统更复杂了，计算、网络、供电、冷却之间的配合也更紧密。设备在工厂里多做完一道工序、多做一次验证，现场就能少一些安装和协调。

数据中心其实早就开始预制了。这项老技术如今重新火起来，背后是一个越来越急的要求：算力设备在升级，机房的建设和交付也得跟上。毕竟GPU可以买新一代，机房总不能还停在上一代的工期里。