外部行业实践 ·
商汤临港智算中心采用算电协同AIDC方案提升算力扩容及运营效率
针对AI算力扩张阶段电力供应与算力建设不匹配、供电散热适配性不足、能效转化率低等痛点，商汤科技在临港智算中心扩容项目中采用源网荷储协同的AIDC方案，大幅缩短供配电系统交付周期，同时升级全链路能效管理体系，有效提升电力向有效算力的转化效率。
仅供行业学习与场景参考，不代表优秘交付、客户关系或效果承诺。
面临的问题
一是算力扩容项目中传统供配电系统建设交付周期长，难以匹配业务快速上线的需求，且供配电设施部署在楼内会占用可放置计算设备的空间，限制算力扩容规模；二是传统以PUE为核心的能效评价体系仅能衡量供电、制冷等辅助系统的能耗占比，无法反映电力向有效计算的转化效率，设备闲置、任务中断、调度不匹配等问题都会导致电力投入无法转化为预期算力产出；三是AI集群负载高频跳变容易引发供电波动，高密度计算设备产热量大，传统供电、散热系统适配性不足，容易影响算力的稳定连续运行；四是不同代际计算设备的供电制式存在差异，传统供电系统兼容性不足，不利于后续算力平滑升级。
AI 落地做法
采用源网荷储协同的AIDC建设运营方案，从供电链路、热管理、数字化运营、建设模式四个维度重构AIDC技术路线，同时将能效评价体系从以PUE为核心升级为以Token产出为核心的全链路效率管理，打通能源、硬件、软件、业务的统一评价标准，全面提升电力向有效算力的转化效率。
实施路径
- 算力扩容项目供配电系统采用预制式电力模块与集装箱式储能部署方案，将设备集成、验证工作前移到工厂完成，采用室外部署模式缩短现场施工周期，释放楼内算力部署空间
- 部署AI赋能液冷系统，以热管理单元为控制核心，配套微小漏液检测、冷却介质健康预测、预测性维护能力，与服务器原生适配实现冷电联动，跟随计算负载动态调整散热策略
- 升级能效管理体系，从传统PUE能效管理转向以单位电力Token产出为核心的全链路效率管理，将电网供电、IDC服务、算力服务、模型服务纳入统一评价链路
- 采用支持多直流制式的供电设备，兼容不同代际计算设备的供电需求，为后续算力平滑升级预留适配空间
来源：量子位（本站改写摘要，成效数据均取自原文）
项目背景
全球AI算力需求高速增长带动数据中心用电量快速攀升，全球各地区相继出台政策对数据中心绿电消纳比例、用能效率提出更严格的监管要求。同时AI集群存在负载波动大、高密度设备散热压力高等特性，传统数据中心的供电、散热、建设模式难以适配AI算力基础设施的建设需求，算力与能源协同设计成为行业共识。 本案例依据「量子位」公开发布的信息整理，原文：https://www.qbitai.com/2026/09/498787.html
业务问题
一是算力扩容项目中传统供配电系统建设交付周期长，难以匹配业务快速上线的需求，且供配电设施部署在楼内会占用可放置计算设备的空间，限制算力扩容规模；二是传统以PUE为核心的能效评价体系仅能衡量供电、制冷等辅助系统的能耗占比，无法反映电力向有效计算的转化效率，设备闲置、任务中断、调度不匹配等问题都会导致电力投入无法转化为预期算力产出；三是AI集群负载高频跳变容易引发供电波动，高密度计算设备产热量大，传统供电、散热系统适配性不足，容易影响算力的稳定连续运行；四是不同代际计算设备的供电制式存在差异，传统供电系统兼容性不足，不利于后续算力平滑升级。
实践方案
采用源网荷储协同的AIDC建设运营方案，从供电链路、热管理、数字化运营、建设模式四个维度重构AIDC技术路线，同时将能效评价体系从以PUE为核心升级为以Token产出为核心的全链路效率管理，打通能源、硬件、软件、业务的统一评价标准，全面提升电力向有效算力的转化效率。