AI 的高光时刻不在演示，而在数据中心机房

从中关村往西北走50km，走出北京。

那里立着一片数据中心机房，数万张GPU卡连成最高可达1000EFLOPS的算力规模，光纤直通北京，时延压在 2ms 以内。

这是河北怀来的合盈数据科技产业园，位于张家口这一京津冀东数西算的枢纽节点，离北京最近的大型智算集群之一。

而这个距离，比不少人每天上班的通勤还短。

1000EFLOPS落到地面上全是供电需求，数万张卡满载，让电力模块成为不能掉链子的环节。

为此，西门子在合盈数据（怀来）科技产业园，构建了工厂预制的一体化电力模块：工程周期压缩约60%，占地省了约30%，链路效率提高95.6%。

10月12日-16日举行的第二十六届中国国际工业博览会（下称“工博会”）上，在西门子发布的一系列新品中，包括直流空气断路器、直流隔离开关在内的直流产品家族，以及软启动器、电涌保护器赫然在列。

不难发现，西门子真正要发力的，并不是“聚光灯”下的芯片，而是供电、冷却、控制和仿真这些真正决定算力能否稳定运行的“不性感”环节。

这些底层基础设施一旦搭建扎实，PUE（电能使用效率）指标会更好看，故障点也会更少，数据中心自然能跑得更快、效率更高。

当AI Agent应用逐步深入各行各业之时，最核心的不只是算力、数据，也不是保持传统模式，而是AI算力时代的“水、电、煤”等基础设施。

卡住AI的从来不只是芯片，而是三个底层矛盾

这个标题看起来有点“反共识”。

过去两年，市场聚光灯几乎全打在GPU和AI算力上，但一个很明显的新趋势是，全球最稀缺的算力基础设施，不是GPU计算卡，不是CUDA能力，而是电力，是能扛住 130kW 单机柜的冷却系统，是一栋能按时建好的楼。

今年初，英伟达创始人黄仁勋在播客节目中被问到能源是不是AI发展最大的障碍，他直接表示，AI和加速计算所需的电力是目前水平的1000倍。

“这是瓶颈。以后科技得在自家门口建小型核反应堆，我们都将成为发电机”。

芯片越强，放芯片的“房子”越撑不住。

AI模型越大，算力需求就越来越多，而数据中心行业无法沿用旧的需求构建，而沿用了20多年的数据中心工程模式存在巨大的风险和挑战。

功率密度快速提升，传统供电和冷却方式承压；建设周期被压缩，传统“先建后调”模式代价过高；系统和供应商越来越多，集成与长期运维更加复杂。

具体来说有三个重要矛盾点：

矛盾一、功率密度快速提升，传统供电和冷却方式承压

先说冷却。

数据显示，传统风冷系统的物理极限在单机柜20kW到30kW左右，到如今由英伟达算力卡组成的AI算力机柜的单柜功耗已飙升至40kW到100kW，甚至最新基于Blackwell架构的整柜功耗可高达140kW，这恰好是风冷极限的6到7倍。

意味着，芯片功耗不断突破，风冷便难以招架。

同时，数据中心平均机架密度翻倍，从2025年的16kW涨到2026年的27kW，但散热和供电系统的改造周期以年计。

一面是摩尔定律带来18个月的芯片代际周期，另一面是机电系统五到十年才大修一次，两者的时间尺度完全错位。

总的来说，数据中心的GPU算力卡、土地、机柜、资金都在加速就位，唯独电力的节奏没有跟上。

而且，数据中心正在从传统风冷向液冷跃迁，但液冷不是换个散热器那么简单，它改变的是供电架构、冷却架构、机柜形态和运维方式，是把“整栋算力楼”的设计逻辑重写一遍。

矛盾二、建设周期被压缩，传统“先建后调”模式代价过高

功率密度只是矛盾的“第一刀”，数据中心的痛点依然在时间层面。

当传统数据中心建设周期在18-24个月，但在AI时代，这成了“致命伤”，模型每2-3个月就要更迭一次，5-10T模型训练频次陡然增加，AI公司需要更多、最新、最强的算力，数据中心，服务器、网络设备、电力系统换代加速。

如果数据中心要等两年才能通电，建好的那天，“楼里的设计方案”就已经落后一代。

AI时代，传统“先建后调”模式代价过高，单体项目动辄数十亿投资、单机柜价值数百万，一次现场返工的代价，可能超过工厂预调试的全部成本。

而把调试从“现场”搬进“工厂”，本质上是把基础设施的试错成本从寸土寸金的机房，转移到可以批量复制的产线。

矛盾三、系统和供应商越来越多，集成与长期运维更加复杂。

当前两个矛盾是数据中心“建不起来”和“算力需求供给出现缺口”，第三个矛盾就是数据中心“建起来之后管不住”。

研究机构Uptime Institute发布的《2026年度数据中心宕机分析报告》给出了一组扎心数据：

57% 的受访者表示，最近一次重大宕机造成的损失超过 10 万美元；更有20%（五分之一）受访者的宕机损失超过 100 万美元；约10%的受访者表示，宕机造成了“严重或极其严重”的影响。

报告指出，数据中心宕机的首要原因仍然是电力故障。UPS 系统、转换开关、发电机的故障占主导，但电网约束加剧和高密度负载正在引入新的压力点，且智算中心的复杂度在指数级上升。

供电、冷却、网络、自动化管控、消防、安防各成体系，每个体系又来自不同供应商，而GPU 集群、液冷、储能、并网设备之间高度耦合。供应商数量越多，接口越多，出错的概率越高；系统越复杂，故障定位越难，运维人才越稀缺。

AI时代，人、系统、设备三个维度同时承压。

上述三个矛盾放在一起看，不是三个独立的技术问题，而是一个系统性问题：风冷到顶、供电告急、工期太长、运维太散，传统建设模式的所有痛点，在智算中心被进一步放大。

如何把数据中心变成能稳定运行十年的高密度算力系统，成为关键挑战。

很显然，如今谁能在电网极限下把电稳稳送进机柜，谁能把交付周期从两年压到几个月，谁能把几十家供应商的系统捏合成一个可运维的整体，谁就握住了 AI 时代真正稀缺的资源。

西门子的答案：从虚拟设计到真实运行

据《2025中国算力发展报告》，截至2025年5月，国内算力相关企业约15.7万家。天眼查统计，去年新增注册超9万家数据中心相关公司。

虽然有很多数据中心产业链的公司，但真正打通智算中心全栈系统的，非西门子莫属。

AI时代，数据中心并非是单一产品的组合，而是要同时拥有能设计高密度电力与冷却系统的软件，能把这些设计变成真实设备的硬件，以及把两者捏合成一个可运维整体的自动化和数字化能力。

西门子的“家底”不俗。

作为全球排名第一的工业软件与自动化公司，全球近70%的电力流经由西门子软件规划和优化的电网进行输送，全球1/3的工厂采用西门子控制器；工业AI积淀超过50年，全球1500多名AI专家，拥有近2370个有效AI专利家族

这些数字的意义在于，西门子不是数据中心行业的新玩家，而是把工业制造的“先仿真、后生产”方法论，搬进了数据中心。

如今，西门子提出了西门子数据中心解决方案5.0。

这个方案的核心价值，正是针对AI时代数据中心面临的‌高功率密度、能耗激增、运维复杂、可靠性要求提升‌等痛点。

通过“‌更安全、更智慧、更绿色‌”三大方向，提供覆盖规划、建设、运营、维护全生命周期的系统化能力。

工程在前期设计时可以应用Simcenter、SIMIT等仿真技术，可以实现从工艺设备、工艺流程、以及工艺逻辑的提前设计。

数据中心整体架构实现一体化监控与运维管理后，可进行故障预警，有助于从被动响应转向主动维护，从而降低宕机风险。

硬件设备提供交流、直流的配电系统与消防系统，保障数据中心安全长久持续的运行。同时，全集成一体化的冗余控制系统架构，让电力、冷却系统高可靠监控与稳定运行，故障状态下自动实现冗余切换。

西门子全集成一体化架构全面整合中低压配电、柴油发电机、楼宇自控、制冷及动力环境等系统，打破信息孤岛，数据互联互通，实现一体化监控与智能运维，不仅可动态协同优化，还可提前预警故障，将“被动响应”变为“主动防御”，为云计算、AI训练等业务提供“零中断”基础设施保障。

先说虚拟设计。

传统数据中心存在诸多风险，比如控制逻辑不对，运行后调，架构选型失误，只能推倒重来。而此前两年工期时代这勉强能忍，但现在智算中心属于三个月交付时代，这种风险是不可承受的。

而西门子Simcenter做的则是把整个过程前移，其构建面向“AI 工厂”的端到端系统仿真数字孪生，从芯片到服务器，从工艺机械电气到热管理，全部在虚拟世界建模。

具体来说，西门子把原本要在真实机房验证的环节，搬进了软件里。其构建的液冷系统的仿真设计与优化，与3D计算流体力学软件协同进行“芯片、服务器、机柜、数据中心”全链条热分析，结合冷却系统控制逻辑、虚拟 PLC 的逻辑仿真测试，从而实现架构选型与早期验证，做好AI数据中心的“地基”。

再次，相对于前期设计，“真实运行”可以解决数据中心一体化部署挑战。

以供电为例，今年3月，西门子推出了面向中国市场开发的SENTRON 3WD直流专用框架断路器与SENRTRON 3VD直流专用塑壳断路器。两款产品均可支持最高1000VDC额定电压，其中3WD系列具备最高65kA分断能力，覆盖了智算中心园区主干回路。3VD提供更为紧凑的两极开关，减小20%的体积，为客户节省30%的安装时间和铜材等原材料。

而且，西门子全新的E-House预装式变电站，能把中低压开关柜、变压器、保护控制、UPS、暖通消防集成于一体，交付周期缩短约 50%，资本支出降低约 20%。

针对液冷系统，西门子不仅提供变频器、传感器、流量计、控制阀门以及低压电气开关等高质量硬件产品，更是植入了由控制器构筑的“智慧大脑”，负责采集现场各类运行信号。

这套系统对接充当决策中枢的数据中心设备管理系统（BMS），为液冷系统的智能调度及风液协同奠定基础。如果说控制器是“大脑”，那么软件平台就是指挥风液协同的中枢。

西门子提供两套专为智算温控量身定制的软件系统，分别是面向楼宇智能管理的Desigo CC软件，在空气环境、水力系统和流程协调中实现精细化总控；以及工业级SCADA系统控制软件WinCC，保证控制系统的毫秒级响应与数据连续性。

最后用“案例”事实检验西门子从虚拟设计到真实运行的整套方案。

据悉，西门子与爱沙尼亚 Greenergy 数据中心合作，让WSCO将白空间制冷效率提升30%。

在中金数据乌兰察布零碳算力基地，西门子提供了NXAirS中压开关柜、SIVACON S8低压柜等核心配电解决方案，保障数据中心供电可靠性，为AI算力基础设施提供稳定的电力底座。

西门子的方向很清楚，不做单品定制，也不是给单个客户解题，而是把解题过程变成可复制的标准化系统，把虚拟世界算过的账、跑过的逻辑、验过的架构，一体化放进现实世界验证和落地，真实运行、确定性交付。

回到AI基础设施竞争

今年工博会现场，智能纪元AGI注意到，西门子展示了一整套数据中心液冷CDU（冷却液分配单元）系统案例。

AI的高光时刻，从来不在演示Demo当中，模型和应用落地、Agent智能体跑通流程，支撑这些瞬间的，是机房里不间断运行的供电、冷却和控制系统。

一旦训练跑到一半断电，损失按分钟算，负载骤升、冷却跟不上，芯片会首先罢工。

所以，中国AI的上半场，热闹都在明面上，模型刷榜、融资刷屏、应用发布会一场接一场。

但下半场，AI行业比拼的则是在数据中心机房里，那些没人拍照、没人转发的供电、冷却和控制系统。

上半场拼谁喊得响，下半场拼谁转得久。

要知道，机房里的账，比发布会上的数字难算得多。单机柜功率从5-8kW冲到50kW；未来数据中心液冷成了必选项；全国算力中心平均 PUE降到1.2，AI模型能力是否够强，数据中心的机房拥有话语权。

西门子的答案，恰好就落在这些看不见的地方。从虚拟设计到真实运行，CDU、直流配电、一体化监控把这些验证稳稳接住。中国 AI 的下半场要成立，靠的就是机房里的这些确定性。

西门子要做的，不是聚光灯下的事，但聚光灯要一直亮着，靠的正是它。