当前，大模型训练规模持续扩大，推理负载和Agent应用加速增长，AI基础设施正向更大规模、更高密度和更高能效演进。面向超大规模AI计算，吉瓦（GW）级智算中心（AIDC）逐步成为重要的基础设施形态。其规划、建设、运维是贯穿建筑、能源、热管理、计算、存储、网络、算力调度的超大型系统工程。如何建设更加开放、高效、绿色、可持续演进的GW级智算中心，正成为全球AI产业共同面对的新课题。
2026年开放计算技术大会（OCTS 2026）上，业界首个《吉瓦（GW）级开放智算中心框架技术报告》（以下简称《报告》）正式发布。《报告》由中国电子技术标准化研究院、百度、浪潮信息、世纪互联、中国建筑标准设计研究院、广东省连接器协会等近二十家产业单位联合编写，面向全球AI基础设施向GW级演进的共性需求，立足中国国情与工程实践，构建覆盖基础设施层、IT设施层、网络与高速互连层、系统软件与资源管理层的四层开放参考架构，为产业各方提供可对齐、可共建、可持续演进的系统设计框架。
作为核心参编单位，浪潮信息深度参与《报告》总体框架设计，以及AI超节点、高速互连、统一运维管理等关键章节编写。基于其在开放计算、AI超节点、整机柜服务器、Scale-Up互连、液冷、系统管理等领域的技术实践和工程经验，为GW级AIDC系统架构设计提供重要参考。面向GW级AIDC发展，浪潮信息将继续联合产业链伙伴，围绕开放架构、关键接口、技术规范和工程实践开展协同创新，推动GW级AI基础设施加快走向开放化、标准化和规模化落地。
01 迈向GW级AIDC，从单点优化到系统重构
随着算力规模、部署密度和能效要求不断提升，数据中心单柜功率、超节点规模和网络复杂度持续攀升，传统以服务器或单个子系统为中心的设计模式已难以适应。GW级AIDC成为支撑大规模AI算力系统的重要基础设施形态。但它并非传统数据中心的简单扩容，而是一次系统级架构重构：设计尺度由服务器、机柜提升至园区乃至区域，算力、网络、供电、散热等系统由独立建设转向协同规划、一体化设计，推动AI基础设施从单点技术创新迈向系统能力升级。
全球来看，各地多个GW级智算中心进入在建或规划阶段。其中，中国依托新能源供给、高压直流输电、跨区域算力布局、制造业供应链与工程组织能力等方面的独特优势，为GW级智算中心的本土探索提供了坚实基础。但与此同时，技术路线多元、接口标准不统一、产业链协同不足等问题仍然存在。从园区选址、建筑空间和供配电架构，到超节点、存储、高速互连和统一运维，产业亟需一套兼具开放性、标准化与可落地性的系统级参考框架，支撑GW级AI基础设施规模化建设。
02 四层开放参考架构，定义GW级AIDC系统设计框架
针对上述系统设计挑战，《报告》提出覆盖基础设施层、IT设施层、网络与高速互连层、系统软件与资源管理层的四层开放参考架构：基础设施层聚焦建筑空间规划、供备电系统和冷却系统；IT设施层涵盖AI超节点、高速互连物理层与连接器、AI网络与交换系统、AI存储；网络与高速互连层包含Scale-Up机柜内纵向互连、Scale-Out横向无损组网和Scale-Across跨园区长距互通；系统软件与资源管理层则面向系统管理、动环监控、智能自治运维和统一运维管理。
该架构打破了传统数据中心各子系统独立规划、分别建设的模式，实现算力、网络、供电、散热、管理等能力的一体化协同设计，形成覆盖园区到芯片、硬件到软件的全栈开放参考架构体系，为GW级AIDC提供统一的系统设计框架。
■ 基础设施层：空间规划、供电、冷却系统协同升级
基础设施层聚焦GW级AIDC园区规划与基础设施建设，覆盖选址、总平面布局、建筑空间、结构荷载、能源接入、供配电、储能及热管理等内容，为吉瓦级总功率、高功率密度算力系统及算电协同提供统一的基础设施设计参考。其目标不再是为IT设备提供被动承载空间，而是围绕未来高密度AI算力进行前瞻规划，为供电、网络、液冷等系统预留持续演进能力，构建支撑GW级AIDC发展的基础设施底座。
随着AI训练与推理规模持续增长，数据中心单机柜功率密度不断提升并向MW级演进，传统交流供电架构转换损耗高、故障节点多，风冷散热能力也逐渐接近极限，供配电与冷却系统成为制约算力密度提升的关键瓶颈。对此，《报告》围绕空间规划、供备电和冷却体系提出系统化设计方案：
●供电侧推广800V高压直流架构，减少多级AC/DC转换环节，降低传输损耗，提升供电效率与可靠性；
●冷却侧采用冷板液冷与浸没液冷协同发展的技术路线，在满足当前规模化部署需求的同时，为更高热流密度场景预留演进空间；
●优化建筑空间规划，适配高密度机柜与液冷管路的布局要求，提升机房空间利用率与部署效率，实现建筑、供电、冷却与算力的协同规划，为GW级智算中心长期演进奠定基础。
■ IT设施层：依托AI超节点打造核心算力引擎
IT设施层聚焦AI算力系统建设，以AI超节点为核心，将计算、供电、液冷、互连、交换和存储等资源纳入统一设计，实现机柜级集成和资源池化，推动IT设施由传统服务器堆叠转向机柜级集成和资源池化。
AI超节点正在成为高密度AI计算的重要组织单元。针对大模型训练和Agent应用带来的高密度算力需求，《报告》提出以AI超节点构建新一代IT设施体系，通过高规格计算芯片、高速互连链路与分层存储系统，打造"算力—互连—存储"一体化的算力供给单元。
相比传统服务器集群主要依赖跨节点数据传输，AI超节点通过缩短高速信号传输路径、扩大高速互连范围，并将系统内AI加速芯片的内存与显存纳入统一编址空间，使计算单元能够以内存语义直接访问其他芯片的存储资源，减少数据拷贝和协议处理开销，提升互连带宽、端到端时延可降至亚微秒级，进而提高系统级算力密度和并行计算效率。并且，《报告》指出，超节点需要重点满足高带宽、低时延、高可靠和高密度的要求。该架构能够更好适配MoE、PD分离、长序列处理、多轮交互及智能体等对数据交换和资源协同要求较高的AI应用，为大规模训练和推理提供高密度、低时延、可扩展的算力支撑。
■ 网络与高速互连层：构建全域高速互连体系，支撑算力规模扩展
在大规模AI计算场景中，网络性能直接决定集群计算效率。带宽不足、时延过高、丢包等问题将导致通信开销增加、算力资源闲置，降低大规模集群整体算力利用率。构建面向AI业务的高速互连网络，已成为提升算力效率和系统扩展能力的关键。《报告》提出构建 Scale-Up 机柜内纵向互连、Scale-Out 横向无损组网、Scale-Across 跨园区长距互通的三级立体互连体系，并针对不同场景明确铜互连与光互连的选型策略，全方位打通数据传输瓶颈。
●纵向Scale-Up场景中，采用铜互连技术，凭借短距离下纳秒级低时延、高带宽、部署成本低的优势，满足柜内多节点纵向堆叠的高速数据交互需求，保障柜内算力资源的高效协同；
●横向Scale-Out场景中，融合铜互连与光互连技术构建无损网络，保障大规模算力系统并行计算时的数据传输稳定性，避免因网络丢包导致的计算重传与算力浪费，支撑算力资源的横向平滑扩展；
●Scale-Across长距互通场景中，则以光互连为核心，凭借长距离传输低损耗、高带宽的特性，突破物理空间限制，实现跨园区算力资源的统一调度与业务容灾部署，构建全域协同的一体化算力网络。
■ 系统软件与资源管理层：统一系统管理，支撑智能运营
系统软件与资源管理层面向GW级AIDC统一运营管理，覆盖资源调度、系统管理和智能运维等能力，通过标准化接口和统一管理体系，实现异构设备集中管理和资源协同调度，为超大规模AI基础设施提供智能化运营支撑。
《报告》围绕超节点统一运维，建立基于BMC、Redfish等标准接口的统一硬件模型和遥测体系，推动运维体系向自动化、平台化和智能化演进。其中，资源调度实现算力、存储、网络资源的动态分配和弹性调度，精准匹配业务峰谷需求，最大化提升资源利用效率，降低闲置损耗；系统管理遵循统一的标准接口与管理规范，覆盖资产、监控、配置、能耗、拓扑及安全等全生命周期管理；智能运维则依托AIOps能力，实现故障预测、自动诊断和智能处置，有效规避运行风险，缩减人工运维投入，提高系统可靠性，降低全生命周期运营成本。
《报告》的发布，构建了面向GW级AIDC的系统级设计框架，将建筑、能源、冷却、计算、存储、网络与运维纳入统一架构，推动AI基础设施建设由单点技术创新转向跨层协同。依托开放架构、接口标准和工程实践共建，《报告》可降低跨主体协作成本，凝聚产业链技术共识，为全球 GW 级AIDC建设提供开放参考路径。未来，随着技术规范与测试认证体系持续完善，我国将在全球智算基础设施标准制定与生态协同中贡献更多实践经验，加速中国AI基础设施标准化与供应链全球化，为全球AI产业发展提供绿色、高效、可扩展的“中国样本”。
*本文转载自“OCTC开放计算标准工作委员会”公众号，内容略有调整。
第七代服务器
访问 AIStore