AI基础设施的快速扩张正与电力、冷却及电网容量等现实条件产生激烈碰撞。随着运营商部署规模更大的AI集群并不断提升机架密度，关于工作负载运行位置和基础设施设计方式的既有假设正在被打破。

在这场深刻变革中，电力并网时间表、配电设备和设施冷却系统已成为规划中的关键变量。与此同时，新建数据中心的用水问题也受到越来越多的社区关注。企业还必须证明，AI投资能够创造真实的商业价值，而不仅仅是消耗更多的资源。

HPE可持续转型首席技术专家Andrew DesRochers指出，这些压力正在重塑客户行为。他在HPE Discover 2026上表示，随着AI从实验阶段迈向生产部署，对话重心已从可持续性议题转向运营效率，能源可用性、冷却基础设施、资源利用率和电力约束正日益主导IT决策。

以下是Data Center Knowledge与DesRochers的对话，内容经过适当编辑以提升清晰度。

客户对话的最大转变

Data Center Knowledge：过去两年，客户对话最大的变化是什么？

Andrew DesRochers：最大的变化之一，是IT运营商开始意识到能源效率在自身运营中的重要性。过去，许多IT团队默认能源随时可用，由设施团队负责电网接入和用电需求。

如今，随着能源成本上升以及部分地区电力供应受限，能源已成为基础设施规划中的核心因素。客户开始追问：如何降低能耗，同时从有限的电力中获得最大的IT产出？

从"可持续性"到"执行力"的转变

Data Center Knowledge：对话是否已从可持续性转向运营层面？

Andrew DesRochers：确实如此。几年前，客户挂在嘴边的是"可持续性"，而现在，"落地执行"才是焦点。我们有一个客户告诉我们，他们已经好几年没有听到"可持续性"这个词了。

问题在于，效率依然至关重要。如果AI工作负载消耗过多能源或资源，企业将难以证明其投资回报为正。效率必须嵌入AI战略之中，因为它与商业结果直接挂钩。

电力、冷却与电力约束哪个先到来

Data Center Knowledge：客户最先遇到的是电力约束、冷却约束还是电力约束？

Andrew DesRochers：这取决于地区。总体来看，数据中心资源消耗正受到越来越严格的审视。目前能源仍是首要问题，但用水正成为下一个重大议题。在部分地区，我们已经看到社区反弹，以及对新建数据中心用水量的高度关注。

一个挑战在于，帮助人们理解资源究竟消耗在哪里。例如，直接液冷通常被认为是用水的主要来源，但这类系统通常是封闭式的。运营商需要从更宏观的视角审视整个系统，包括设施运营及数据中心围墙之外的影响。

电力并网时间表如何影响基础设施决策

Data Center Knowledge：电力并网时间表在多大程度上影响着基础设施决策？

Andrew DesRochers：影响越来越大。客户越来越关注在电力时间表和基础设施可用性范围内，能够实际部署多少规模。我们甚至看到关于高压直流等技术的讨论浮现，企业正在评估一切可能的方案以满足未来用电需求。

一个值得关注的趋势是，配电设备和配套电气基础设施正成为部署规划中的重要影响因素，相关时间表也在迅速变化。

AI驱动的用电需求预测是否准确

Data Center Knowledge：关于AI带来的用电需求，有哪些预判被证明是错误的？

Andrew DesRochers：区分大规模AI训练设施和典型企业AI部署非常重要。

大多数企业客户并不从头训练基础模型，他们部署的是推理工作负载，并尽可能使用规模较小或经过蒸馏的模型。这类工作负载与主导公众讨论的大型训练集群相比，基础设施需求截然不同。

不应将所有AI工作负载一视同仁。训练环境与企业推理环境在电力和效率特征上存在显著差异。

部署后的意外发现

Data Center Knowledge：部署后，客户最常感到意外的是什么？

Andrew DesRochers：一个反复出现的主题是度量和分析的重要性。部署最新硬件的组织需要对电力消耗、冷却需求和整体效率有清晰的可见性。没有这些数据，运营优化几乎无从谈起。

GPU效率与利用率

Data Center Knowledge：GPU效率和利用率持续是热门话题，您观察到了什么？

Andrew DesRochers：利用率至关重要。我们在内部项目中也有切身体会。我们发现，某些系统以性能模式运行，但这对实际工作负载而言完全没有必要。仅仅切换到更节能的运行模式，就在不影响结果的情况下显著降低了能耗。

结论很直接：组织必须确保从所部署的基础设施中获取最大价值。效率始于对系统实际使用方式的深入理解。

冷却挑战是否被低估

Data Center Knowledge：运营商是否低估了冷却方面的挑战？

Andrew DesRochers：很多企业正在从设施层面重新审视冷却基础设施。客户越来越认识到，冷却效率不仅仅关乎服务器本身，还涉及建筑、设施系统以及整体协同运作。这创造了超越IT设备本身、在更大范围内降低能耗的机会。

机架密度的变化趋势

Data Center Knowledge：哪些机架密度已足够普遍，不再是特殊案例？

Andrew DesRochers：行业平均水平持续上移。

讨论的焦点越来越集中在：液冷在何时变得不可或缺？尽管很多企业仍希望延长风冷基础设施的使用寿命，但更高密度的部署正在持续推动运营商转向液冷方案。

值得注意的是，冷却需求并不局限于计算。网络和存储也日益成为这一讨论的组成部分。

水资源可用性是否成为瓶颈

Data Center Knowledge：水资源可用性正在成为制约因素吗？

Andrew DesRochers：用水消耗确实受到了更多审视。与此同时，一些企业开始对工作负载的运行地点变得更加灵活。在某些AI应用场景中，用户愿意接受略高的延迟，以换取将工作负载迁移至气候更凉爽或设施效率更高的地区的机会。

这为重新思考选址策略和资源优化提供了新的空间。

用水担忧如何改变选址策略

Data Center Knowledge：客户是否因用水问题调整了选址策略？

Andrew DesRochers：水资源正成为一项更重要的考量，尤其是在资源已经紧张的地区。

我们也看到市场对无水冷却技术的兴趣持续增长。过去，这类方案溢价显著，但经济性已大幅改善。随着社区和监管机构对用水消耗的关注日益增加，这些替代方案正变得愈发具有吸引力。

AI基础设施运营行为的转变

Data Center Knowledge：AI基础设施运营商的运营行为中，变化最大的是什么？

Andrew DesRochers：客户变得更加审慎。早期，很多企业追求生成式AI只是因为"别人都在做"。如今，企业开始冷静下来，追问AI是否真的适合解决特定问题，以及哪种AI部署方式最符合其业务目标。

我们看到，对实际应用场景和可量化结果的关注显著增强。

过去几年的决策遗憾

Data Center Knowledge：客户是否对过去几年的某些设计决策感到遗憾？

Andrew DesRochers：我不会用"遗憾"来形容。许多企业通过AI实验积累了宝贵的经验教训。现在他们正在重新评估战略，聚焦落地推广，并认真思考效率如何支撑商业价值。

一个挑战是确保员工理解AI如何融入他们的工作。落地推广最终在很大程度上决定了企业能否从AI投资中获得实质性回报。

两年后的展望

Data Center Knowledge：两年后再回顾这场对话，什么将会改变？

Andrew DesRochers：我希望效率能成为企业的默认做法。我期待能源、冷却和资源效率成为基础设施设计的标准考量，而不是需要反复普及的议题。还有很多工作要做，但这是我们希望行业达到的状态。

效率应当成为企业设计、部署和运营基础设施的常规组成部分。

Q&A

Q1：Andrew DesRochers认为AI基础设施的最大挑战是什么？

A：Andrew DesRochers认为能源效率是当前最核心的挑战。随着能源成本上升和部分地区电力供应受限，企业必须将能源规划纳入基础设施决策。此外，冷却系统的整体效率（不仅限于服务器层面）以及电力并网时间表也正成为越来越关键的制约因素。他强调，效率必须嵌入AI战略，因为它与最终的商业回报直接挂钩。

Q2：企业AI部署和大规模AI训练在基础设施需求上有什么区别？

A：两者存在显著差异。大规模AI训练设施需要消耗海量电力，通常是公众讨论的焦点。而大多数企业并不从头训练基础模型，他们主要部署推理工作负载，并尽量采用规模较小或经过蒸馏的模型。这类工作负载的电力需求和效率特征与训练环境截然不同，不应被一视同仁地对待。

Q3：无水冷却技术为何开始受到数据中心运营商的关注？

A：主要原因有两点：一是社区和监管机构对数据中心用水消耗的审视日益严格，部分地区甚至出现社区反弹；二是无水冷却技术的经济性已大幅改善，过去高昂的成本溢价已显著下降。此外，部分AI应用场景中用户愿意接受略高的延迟，使得将工作负载迁移至更凉爽或节水地区成为可行选项，进一步推动了相关技术的采用。