真正让 AI 计算“特殊”的，是其运行时电力行为（runtime power behavior）：在训练基于 Transformer 架构的模型时，大规模计算集群会产生高度同步、频繁且幅度极大的阶跃负载（step load）变化，对数据中心配电系统与电能质量提出新的挑战。

为什么 AI 训练负载与传统 IT/HPC 不同

在大多数数据中心中，成千上万台通用服务器的功率变化是不一致的。即便单台服务器功率突变，整体负载仍然相对平滑。而在 AI 训练集群中，情况完全不同：

数十甚至数百台GPU 服务器在几乎同一时间进入高负载或低负载状态

功率变化与模型训练步骤强相关，通常每1–2 秒发生一次

负载波动并非随机，而是高度可预测、却难以被传统配电系统“消化”

即便与其他 HPC 集群相比，AI 训练的功率波动也更为剧烈。这源于三方面的叠加效应：

Transformer模型的计算节奏

以峰值性能为目标的现GPU 架构

硅片在热与功率预算允许下的“机会性超频”行为

同步功率波动带来的现实影响

根据 Uptime Intelligence 的分析，在最极端情况下，AI训练过程中系统级功率的低点与高点差值可能超过100%，也就是说，功率几乎在毫秒级内完成“翻倍”。这种情况每隔几秒就会反复出现，通常发生在 GPU 从短暂低负载状态迅速进入高强度计算阶段时。 

这种情况通常发生在GPU 加载一批权重并开始训练时，伴随明显的电流尖峰（di/dt极高）。GPU 会在此前计算“间歇期”积累的热裕量基础上，短时间突破其标称 TDP。

单台服务器的这种行为并不罕见，但在AI 训练集群中，它们是同步发生的。即便只是由几十个机柜组成的中等规模集群，也可能导致：

数百kW，甚至数MW 级别的交流电负载突变

电压暂降、暂升

谐波放大、次同步振荡

对母线、断路器、UPS、变压器造成额外应力

在负载结构单一、缺乏“缓冲负载”的专用 AI 数据中心中，这种风险尤为明显。

根据多家电气设备厂商（ABB、Eaton、施耐德、西门子、维谛等）及行业研究机构的综合判断，只要保持在额定负载范围内，现代配电设备应该能够处理人工智能造成的电力波动。

AI 正在重塑IT 容量的定义

传统容量规划通常基于以下假设：

以 IT 设备铭牌功率为上限

再考虑 25%–50% 的折减系数

原因是负载不一致、软件很少跑满

但 AI 训练系统正在打破这一逻辑。在大型 AI 集群中，瞬时功率变化可能类似“准浪涌电流”，其峰值甚至可能超过系统的持续额定功率。这些并非偶发事件，而是在训练过程中反复出现。

虽然电气设备本身允许短时过载，但问题在于：

这些过载可能每年发生数百万次

设备并非为“长期、重复性过载”而设计

长期结果可能是：

电磁与机械疲劳

热量逐步累积（升温快、降温慢）

元器件寿命缩短甚至失效  

新一代 AI 系统放大了这一挑战

早期（2022–2024）主流 AI 系统中：

单台8-GPU 服务器功率波动约 4 kW

单机柜（4台）波动约 16 kW

在 40kW 级机柜中，超标概率相对有限

但新一代系统正在改变这一平衡：

单GPU 功率已超过 1 kW

GPU 占据系统功率预算的比例显著提升

直接液冷（DLC）减少了风扇等“稳定负载”

更高的热效率反而释放了更大的功率冲击空间

以基于 NVIDIA GB200 NVL72 架构的机架级系统为例，机架功率可能在极短时间内从 60–70 kW 跃升至 150 kW 以上，而其额定功率约为 132 kW。根据Uptime 的评估，在极端情况下，瞬时过载幅度可达约 20%，这对断路器选型、母线容量、插接单元和导体布局都提出了更高要求。

图 1 展示了基于 GPU 的计算集群在运行 Transformer 模型训练工作负载时的典型功耗曲线，可见其功率需求具有明显的峰值波动特征。（算法数据，非真实世界数据）

可行的缓解思路与工程实践

目前，数据中心尚难以完全“消除”这类功率波动，但通过系统层面的协同可以显著降低风险。

第一，负载多样化，而非“纯 AI 化”

将 AI 训练负载与其他 IT 负载混合部署，可显著平滑整体功率曲线。即便无法共享配电，也应尽量共享柴油发电机组，因为发电机对快速、大幅波动最为敏感。

第二，UPS 选型与冗余策略要更保守

更大容量的 UPS 通常具备更高的内部电容，有助于吸收瞬时波动。同时，采用更高冗余等级（如N+2）可避免 UPS 长期处于边缘过载状态，尤其是在涉及电池频繁充放电的场景。

第三，善用服务器功率与性能管理工具

AI 服务器并非“不可控黑盒”。通过功率封顶、关闭加速频率、限制性能状态、设定温度上限等方式，可以有效削峰。

同时，可通过关闭深度节能模式（如 CPU/GPU 的休眠状态）来抬高功率“地板”，减少上下波动幅度。最新一代 GPU 还支持“功率平滑（Power Smoothing）”机制，可限制功率变化速率。

电气厂商正在研究超级电容、新型储能、电池或飞轮等方案，用于吸收高频、大功率冲击。但长期来看，从IT 硬件与软件层面抑制波动，往往比单纯增加电气缓冲更经济、更可持续。