黄仁勋：Vera Rubin AI工厂装进集装箱，数据中心建得更快

半导体产业纵横作者撰文，钛媒体经授权发布。

这一回，黄仁勋盯上的还是数据中心，只不过他关心的重点不全在机柜里插什么芯片，还多了一个更靠前的问题——一座数据中心怎么才能建得更快。

他给出的答案很直接：在工厂里先做好。

具体做法是把整套Vera Rubin AI工厂在合作方的厂房里塞进模块化集装箱，线缆、电路、液冷管路统统铺完，功能验证也一并跑通，运到现场后只要接上电、接上冷却和网络，就能开机。就靠这一手，现场部署的时间从6个月被压到最短14天。

琢磨预制数据中心的，其实不止老黄一个。

华为拿出了3D数据中心，把空间布局的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。几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涨势。

毕竟到了AI时代，机房要是还按老节奏一砖一瓦地盖，尴尬几乎是注定的——爷爷立项，爸爸施工，孙子开机，顺带给上一代GPU办个怀旧展。等数据中心两年后落成，黄花菜都凉了，最后只能当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，两个指标就能看出来：花了多少钱，用了多少电。

国际能源署在2026年的报告中提到，五家科技公司2025年的资本开支合计超过4000亿美元，2026年预计还要再涨75%。用电这一头同样在往上走。IEA统计，2025年全球数据中心用电需求增长了17%，面向AI的数据中心涨了50%；按它更新后的基准预测，全球数据中心用电量会从2025年的485太瓦时升到2030年的约950太瓦时。

国内的情况，工信部披露，截至2026年9月底，我国智能算力规模为2592 EFLOPS，同比增长146%。这些数字，说到底都得落到一台台设备、一间间机房上。

芯片要装进服务器，服务器要连网络和存储，还得吃电、散热。到了高密度AI系统这一步，供电、液冷、设备重量、安装空间和维护通道，必须放在一起设计。英伟达在DSX POD技术说明里，也把计算、网络、电力、液冷和运输结构列成了需要协同处理的工程环节。

也就是说，算力扩张并不只是“多盖几间机房”这么简单。设备集成度上去了，配套系统也得跟着改。

与此同时，计算设备自身的组织方式也在变。大模型训练和推理对通信的要求摆在那里，厂商开始用更紧密的高速互联，把更多加速器编成协同工作的系统，超节点由此成了重要方向。

超节点怎么设计，又会反过来决定机房怎么配套、怎么装，以及多久能交付。

02 形态各异的超节点，给机房出了新题

数据中心的需求压过来，服务器跟不上，行业里的目光都聚到了超节点上。

眼下厂商嘴里的超节点，物理尺寸并不统一。它可能缩在一座机柜里，也可能横跨好几座机柜。比如新华三有单柜32卡或64卡的产品，华为公布的Atlas 950最大配置则覆盖160个机柜。

看超节点，不能只数“多少卡”。至少有三个数字要分清：单个机柜装多少卡，一个超节点连多少卡，整个集群一共多少卡。这三个数分别对应部署密度、紧密互联的规模和整体建设规模。

先看机柜形态和数量。

按单柜集成的卡数，业内超节点大体分成了三个梯队。32卡、64卡是比较常见的基础配置。华为Atlas 950、沐曦曦景S600，以及百度天池、新华三的相关方案，用的都是单个计算柜64卡的设计。

再往上一档，是把单柜集成数量抬到百卡以上的方案。摩尔线程在2026年WAIC展出的MTT C256，单柜128卡；天数智芯亮出的IXL144，强调的是把144颗GPU塞进一个机柜。

其中比较特别的是中科曙光scaleX640，它用“一拖二”高密架构加极度定制化的刀片模块，把加速卡、内存、互联芯片集成到30cm×20cm×5cm的空间里，1.8米标准机柜内可容纳80个刀片模块，单柜密度被硬推到640卡。

再看密度背后的互联。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是系统设计的重点。

聊互联，可以从三层拆开看：用什么协议、硬件怎么连、信号走铜还是走光。

协议这一层，华为用灵衢互联体系把计算资源组织起来，百度靠自研XPU-Link和可编程交换技术搭通信域，壁仞布局的是BLink超节点互连协议。业内还有UALink这类开放加速器互联标准。新华三UniPoD系列就是例子，以太协议和PCIe协议的产品都有，其中F80000走的是PCIe光互联。

硬件连接这一层，正交直连、Cable Tray等设计是业内讨论较多的方向。沐曦曦景S600主打柜内连接的“三零”设计，靠减少传统线缆来改善部署和维护；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。

光连接这条路，也有选手在走。

壁仞的1024卡方案用NPO近封装光学加分布式解耦架构，GPU节点和交换节点分开部署，靠光连接组织资源，单个超节点最高支持1024卡Scale-up扩展。华为在光模块上同样走得靠前：此前384卡配置400G光模块，如今1024卡升级为800G GPU光模块，速率翻倍，用量还少了。

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，账不只是采购那一笔。

国产芯片各有自己的软件底座：华为是CANN，摩尔线程是MUSA，沐曦是MXMACA，昆仑芯和天数也分别建了配套软件栈。框架层的迁移上，客户照旧用PyTorch等熟悉的框架，底下换成新硬件平台。华为用TorchNPU把PyTorch接到昇腾上，昆仑芯和飞桨做了适配，其他厂商也通过框架支持，让模型开发沿用原来的方式。

到了应用里直接调CUDA接口、写自定义内核的部分，摩尔线程MUSA给了两条路：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以保留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，目前主要沿三类推进：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。模型变大、训练任务变多，互联网企业最早产生了大规模紧密互连的需求。昇腾384超节点是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。

百度的超节点经过自身核心业务验证，已经实现量产交付，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。

国产GPU厂商的集群业务也在往前走。摩尔线程MTT C256目前处于“商用准备就绪、早期客户验证”阶段；夸娥智算集群则已在多地交付，摩尔线程披露的一笔6.6亿元夸娥智算集群合同，已在上半年完成交付并确认收入。无锡惠山智算中心一期部署2000张S5000，两个月后基本满载，已有20多家客户在测试或正式使用。

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。

各家的产品形态和商业化进度并不一样，但这些案例把一个问号摆到了台前：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，建设和交付能力也得跟上。

计算、网络、供电、冷却得一起算。预制化的办法，是把能提前做的集成和验证搬进工厂，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，卖点是运输方便、部署快。

当年的发布现场，就展示了接上外部电力、冷却水和网络后投入运行的思路。

换句话说，“机房装箱，运到即接”这个想法，老到可以参加二十周年同学会了。把预制说成AI时代凭空冒出来的新发明，多少有点替老技术补办出生证明。

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，已经有不少落地交付的案例。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规模已经超过1000MW，模块数量超过17000个；眼下还有超过300MW的行业客户，由他们提供预制化数据中心的技术与制造交付服务。

这种中国速度靠的是什么？一是“双厂协同”，二是全流程一体化交付。结构施工、机电安装和内部装修有90%以上放在国内工厂搞定，到了现场，只需要像搭积木那样拼起来就行。

华为的3D数据中心借鉴了芯片工厂把「动力层」和「IT层」严格分开的做法。它用分层解耦、立体堆叠的方式，把过去水平铺开的各个功能空间竖着叠起来，形成「一层供冷、二层IT设备、三层供电、屋面备电」的垂直架构。供电垂直走、制冷垂直走，链路最短、损耗最小，既能撑住AI算力集群的高密部署，也给算力后续演进留出了余地。

建设方式上，华为把供电、制冷这些核心机电系统做成标准化的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，运到现场主要做装配和连接。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。

这些模块各有分工。能源模块把变配电和储能合在一起，负责稳定供电；液冷模块靠冷却液分配单元（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，上电即有算力；组网模块基于正交组网（Orthogonal Fabric），把所有整机高速连通；租户模块可以按需配置，支持一池多租。客户缺什么就选配什么，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PrefabDC-C1000系列AIO方舱，箱体标准化设计，主流规格覆盖20英尺、40英尺国际标准尺寸，能按算力需求灵活选型或组合扩展。据了解，该系列已在日本、沙特、哈萨克斯坦阿拉木图落地建设。再说回这次的英伟达。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，合作伙伴可以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。参与这一方案的合作伙伴有戴尔、HPE、联想、施耐德电气、维谛等，计划于2027年初开始交付。

英伟达给出的部署目标是，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。工厂里提前做完的集成，和现场提前做好的基础设施准备相互配合，一起把AI工厂推上线。

04 结语

预制数据中心一直要解决的都是同一件事：现场组装和集成的时间怎么再少一点。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。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。