人工智能行业：新一代AIDC定义与实践研究报告

全球计算联盟新一代AIDC定义与实践研究报告v0.8000ESI中国电子院全球计算联盟联合编制Global Computing Consortium全球计算联盟全球计算联盟版权声明本研究报告版权属于全球计算联盟。使用说明：未经全球计算联盟事先的书面授权，不得以任何方式复制、抄袭、影印、翻泽本文档的任何部分。凡转载或引用本文的观点、数据，请注明“来源：全球计算联盟。全球计算联盟前言大模型与AI应用高速发展，算力需求持续爆发，AI数据中心(AIDC）迎来系统性代际变革。芯片功耗攀升、集群规模向十方卡、百万卡级别跨越，传统以设备选型为主的评估方式，已难以衡量新一代算力基础设施的综合能力，行业驱需一套可量化、可对比的统一评价体系。当前产业对新一代 AIDC已形成广泛共识，本文提出六维指标体系，从单柜功率、集群规模、交付速度、弹性兼容、运维方式、综合能效六个维度，系统定义新一代 AIDC 的代际跃迁特征，摆脱单一产品视角，实现对AIDC 综合能力的客观评判。本报告对该指标体系展开定义和说明。指标明确能力自标，架构支撑落地实现。3D数据中心作为新一代 AIDC 的最佳实践架构之一，报告相关内容由行业内 3D 数据中心相关资料浓缩提炼。该架构通过系统分层解耦，匹配六维指标的发展要求，同时它并非唯一技术路线，业界也可通过其他技术路径实现同等指标水平。本报告面向产业从业者，打通指标定义与工程实践，文中代际数值仅代表能力量级，后续将依托项目实践持续迭代优化，为AI算力基础设施建设提供参考。编写组2026年9月全球计算联盟目录前言，第一章 AIDC 演进,第一节 发展方向..第二节代际演进衡量..第二章 AIDC 代际指标体系框架.第一节 总体框架.第二节 维度一：单柜功率第三节 维度二：集群规模6第四节 维度三：交付速度，第五节 维度四：弹性兼容.8第六节维度五：运维方式，10第七节 维度六：综合能效12第三章 AIDC 划代.14第四章3D数据中心实践.15第一节面向AI高密算力时代的3D数据中心架构设计理念..15第二节3D数据中心关键技术实践.16第三节 六维指标体系与 3D 数据中心的关系.20第五章倡议.. 21全球计算联盟第一章 AIDC 演进第一节 发展方向进入AIDC（人工智能数据中心）时代，AI算力的指数级爆发正驱动数据中心发生一场深刻而全面的变革。在硬件层面,变革尤为显著：机柜功率已从传统数据中心普遍的 10-20干瓦级别，跃升至100-300干瓦甚至更高的百干瓦级别，这对建筑的供电、散热和结构承载能力提出了前所未有的要求。同时，单集群的算力规模正从过去的万卡级别，迅速向十万卡乃至百万卡的超大规模演进，高密度算力部署已成为行业常态，彻底改变了数据中心的物理形态和基础设施设计理念在建设模式上，传统依赖现场测、施工和调试的线性建设模式，正逐步被高效的预制化、产品化模式所取代。通过将电源模块、制冷单元等核心组件在工厂预制，再到现场进行快速组装，算力交付周期从过去的以年为单位，大幅压缩至以月甚至周为单位。这种模式不仅提升了建设效率，更重要的是，它使基础设施具备了高度的灵活性，能够支持算力硬件的快速迭代和代际升级，极大缩短了技术更新周期。运维与能效管理也迎来了革命性改变。传统依赖人工巡检和被动故障排查的模式，正被基于 AI 的智能运维系统所替代,实现了从故障预警、自动定位到闭环自愈的全流程自动化极天提升了系统的可靠性和稳定性。在能效方面，除了对 PUE（电能利用效率）提出更严苛的要求外，AIDC 还引入了WUE（水利用效率)、CUE（碳利用效率）等多维评估指标对水资源消耗和绿色能源占比提出了更高标准，推动数据中心向更绿色、更可持续的方向发展。不同于传统 IDC 侧重服务器、交换机等单点设备的性能指标，AIDC 作为一个高度耦1全球计算联盟合的复杂系统，更强调从单个机柜、整栋楼宇到整个算力集群的端到端整体系统能力。这种系统性思维驱动行业必须建立一套全新的、能够综合评估算力密度、能效、可靠性、弹性和智能化水平的量化评估标准，以指导新一代数据中心的设计、建设和运营。对比维度传统 IDCAIDC (AI Data Center)机柜功率大幅提升（百千瓦级），建筑承机柜功率较低（通常10-20kW）硬件特征载密度显著提高，集群规模向十万卡、百密度较低，集群规模较小(万卡级）万卡演进传统现场施工为主，建设周期长，预制化、产品化转型，算力交付周期大幅建设模式升级改造相对复杂压缩，支持硬件快速迭代改造运维模式依赖人工被动排查和处置故障系统自动闭环自愈，智能化程度高对PUE、水资源利用、绿电占比等指标要能效要求主要关注 PUE 指标,要求相对宽松求更为严苟强调从机柜、楼宇到集群的整体系统能评估标准侧重单点设备性能和基础指标力，需要全新的量化评估标准表 1 传统 IDC 与 AIDC 的差异(全球计算联盟第二节 代际演进衡量如何衡量AIDC发展、清晰划分基础设施代际，是AI算力产业发展面临的现实命题技术行业早已形成用量化指标划分技术代际的成熟范式，可以作为AIDC基础设施代际划分的参考。移动通信领域依靠速率、时延、连接数等一组关键指标，清晰区分 3G、4G、5G 的代际差异，代际升级不以单一设备改动作为标志，而是整套系统能力的跨越。PCle 接口的迭代同样遵循这一逻辑，每一代的升级核心以带宽、传输速率等量化参数作为判断依据，而非单纯硬件版本名称。WiFi 技术的演进，也是依靠吞吐、时延、并发接入能力等指标，来界定 WiFi4、WiFi5、WiFi6 之间的代际边界。反观AIDC领域，随着大模型驱动算力规模快速扩张，单柜功耗、集群规模、建设模式都发生巨大变化。如果仅凭产品型号、建筑外观或是企业概念去定义新一代AIDC，容易造成概念混淆，缺少横向对比的统一标尺。新一代AIDC 的升级，不是单一设备的更新，而是机柜、楼宇、集群、建设交付、改造兼容、运维、能效多方面的系统性跃迁。借鉴通信、接口技术的代际划分思路，产业需要构建一套面向全行业、可量化、可横向对比的指标体系。摒弃单一产品、厂商或者建筑形态的主观判定方式，通过多维度系统能力指标，客观刻画基础设施整体水平，以此实现用可量化指标定义 AIDC 基础设施的代际跃迁。因此，本报告定义了AIDC 代际指标体系框架以及各个指标的说明，并以 3D数据中心作为实例以供读者参考全球计算联盟第二章AIDC代际指标体系框架第一节总体框架秉承上述以指标体系为核心的代际划分思路，在开展新一代 AIDC 评估时，建议将单个算力集群作为基础评价单元。围绕算力基础设施的全场景特征，分别从“机柜一集群”两大空间尺度，叠加“建设一改造一运行一能耗”四大生命周期尺度，搭建形成新一代AIDC六维指标体系。其中，机柜和集群这两个空间维度，聚焦算力承载能力，主要解答核心问题：一套算力集群究竟能够承载多大规模的 AI算力。而建设、改造、运行、能耗四大生命周期维度，则聚焦基础设施的工程落地与运营表现，分别衡量集群的算力交付效率、对未来硬件代际的兼容适配能力、业务运行的可靠性保障水平，以及整体能源利用效率。结合空间与生命周期两大评估视角，实现对 AIDC 基础设施从硬件承载、工程建设到运营能效的系统性全覆盖评估。维