Powering AI is an architecture problem

AI供电是架构问题 | MIT技术评论

赞助

人工智能

AI供电是架构问题

将电力保护系统向上迁移至更高的电压层级、移出建筑范围并融入电力传输路径，不仅能解决停电问题，还会改变电力密度，使时间规划和备用电源经济性成为可能。

作者：

• Ricardo De Azevedo 档案页面

2026年9月10日

由ON.energy提供

2026年7月22日，弗吉尼亚州阿什本（全球最大的数据中心集群中心）发生输电线路故障，数秒内导致电网负载减少超过3吉瓦。这并非首次发生。两年前，一个失效的浪涌保护器一次性导致约60个弗吉尼亚设施和1500兆瓦负载断开。没有人能预料到如此大规模的负载会同时以相同方式响应电网故障。

当前关于AI供电的讨论主要集中在发电端：更多涡轮机、更多太阳能、更多输电线路。电网需要更多电子。但弗吉尼亚的停电并非供应故障，而是架构故障。同时，一波巨大的互联浪潮正冲击着这一架构，威胁电网可靠性。这是一个无人愿意承担的问题。

向电网提出更高要求

电网的建设围绕着可预测的负载：钢铁厂、炼油厂和晚餐时间的住宅。不同规模的负载，相同运行模式——平稳用电、偶尔异常、优雅恢复。

但AI数据中心并非如此运作。

在AI训练运行期间，一个AI园区可在毫秒级时间内波动70%的负载，随后在上游出现首个故障迹象时，也会以同样速度离线以保护价值数十亿美元的计算资源。单独来看，每个操作都合理。但当它们以吉瓦级规模同时运行时，却成为电网从未解决过的难题——而下一波数据中心园区正计划以这种规模建设。

旧架构的失效点

标准数据中心供电架构数十年来未发生改变。中压电力到达后，变压器将其降压，低压UPS设备进行调节，最终输送到机架。若将此设计扩展至AI规模，会在三个关键点失效。

首先，UPS设备深置于建筑内部，靠近机架。但其电池如同一个容量不足的备用轮胎，仅设计用于应对几分钟的停电，而非全天候吸收这种快速且剧烈的负载波动。

其次，UPS设备大部分时间处于旁路模式。传统转换器损耗的电力足以让运营商启用生态模式：静态开关直接从电网向机架供电，双向均无过滤。计算负载的波动直接输出，而电网瞬变（毫秒级事件，可能损坏设备）则以过快的速度涌入，任何开关都无法及时捕捉。

第三，保护逻辑编写时"大负载"指代的是50兆瓦。当前这种保护逻辑无法识别其所在的电网，因此当上游出现故障时，它会做出完全错误的反应：直接断开。在2024年弗吉尼亚事件中，大部分丢失负载均源于保护方案——该方案监测电压骤降并在第三次检测到时断开连接，正如设计初衷，却在最糟糕的时刻触发。

这不是工程疏忽，而是精心设计的负载规模已超出原有架构承载能力。

迈向电力传输路径

解决方案需要同时完成三项变革。

向上迁移——从480伏特升级至中压（13.8千伏及以上），这是大型站点从电网获取电力的电压等级。

将设备移出数据厅，安置在变电站附近的模块化机房中，使建筑内仅保留计算设备和维持其运行的冷却系统。

将设备纳入电力路径——不再采用被动监测反应的电池系统，而是让每颗电子都持续流经整个系统。无需检测和切换，因为从未有电流绕过该系统。

纸面方案看似三个简单的升级，实际却彻底重构了所有下游环节。

实施变革

当数千块GPU同时启动时，系统会吸收电力波动，向电网提供稳定的负载曲线。当发生扰动时，后端设备毫无感知。原本难以相处的邻居变成了可预测的设备，当电网需要支援时，更成为可提供帮助的资产。

互联方式也发生改变。电力公司只需认证一个中压配电箱，而无需拆解其后所有变压器、UPS、冷水机组、泵和开关柜的配置。工程师可直接更换芯片代次，无需重新进行互联研究。审批时间表缩短数月。

围栏内，UPS机房转变为计算或冷却空间。每单位建设成本的设备密度显著提升。

经济模式彻底反转。运行在中压、部署于户外且具备储能能力的设备可获得税收抵免，并通过电网项目（如削峰和需求响应）产生收入。备用电源不再只是保险措施，而是开始创造价值。

架构测试

2026年初，我们在落基山国家实验室（美国能源部设施，西半球唯一能同时模拟真实电网故障和AI级负载波动的场所）进行了全尺寸系统测试。

我们从双向施加压力：真实AI负载曲线以全额中压冲击计算端，电网故障则冲击电力公司侧，包括完整的零电压事件。计算端毫无波动，电网侧同样稳定。该系统轻松满足德克萨斯州电力可靠性委员会（ERCOT）的大型负载电压穿越要求，且有充足余量。

这些规则之所以存在，是因为运营商不再盲目信任如此规模的设施，而这类设施将越来越多。行业多数人视其为障碍，而中压直连系统却能原生满足要求。合规性不是附加功能，而是架构本身的设计特性。

新层级

当前AI建设中看似电网问题的许多挑战，其实源于围栏内设备的规格仍基于已不存在的负载需求。将合适的组件向上迁移、向外部署、纳入电力路径，电网负担将转化为电网资产。设备密度提升，审批时间缩短，备用电源开始创造价值。

工程方案已验证有效，下一批AI工厂正在此基础上建设。行业尚未为这一层级命名，我们称之为"中压AI UPS"。名称重要性不及选择本身：这些工厂可以成为电网负担，也可以成为电网支撑。我们已经掌握构建后者的方案。

本内容由ON.energy制作，非MIT Technology Review编辑团队撰写。

深度解析

人工智能

一个根本性缺陷使大语言模型对攻击异常脆弱

它很容易被诱导去做不该做的事，例如告诉你如何破坏飞机导航系统。

• Will Douglas Heaven 档案页面

人工智能在招聘时比人类更容易形成偏见

AI 不仅会从训练中学习刻板印象，它甚至可以编造新的刻板印象。

• Michelle Kim 档案页面

人工智能代理为何会说谎和作弊以达成目标

这种不当行为被称为奖励劫持。以下是你需要了解的内容。

• Grace Huckins 档案页面

人工智能的递归自我改进可能不会来得如此迅速

看来人工智能代理目前尚未具备足够的创造力，无法开展真正具有创新性的开放式人工智能研究。

保持联系

插画由 Rose Wong 创作

获取 MIT Technology Review 的最新动态

发现特别优惠、热门故事、即将举办的活动等更多信息。