AI データセンターは電力インフラ設計のルールを書き換えています。従来の CPU サーバーのラックはかつて約 10 kW を消費していました。完全に構成された NVIDIA GB200 NVL72 ラックは現在約 120 kW を消費し、2026 年のロードマップはすでに 600 kW に近づくラックを指しています。同時に、国際エネルギー機関は、世界のデータセンターの電力需要が 2030 年までに 2 倍以上の約 945 TWh になると予想しています。、AI が単一の最大の推進力です。オペレーターにとって、これは核心的な質問を変えることになります。それはもうありません「総容量は十分ですか？」しかし「私たちの電源アーキテクチャは、ユーティリティ接続から各高密度 GPU ラックまで、クリーンで冗長な目に見える電力を供給できるでしょうか?{0}}」
AI ラックには実際にどのくらいの電力が必要ですか?
「大幅にパワーアップ」というのは計画上の数字ではありません。正直な答えは、AI ラックの電力は GPU プラットフォーム、冗長性のターゲット、および冷却方法に依存するということですが、公開されている基準点は現在、設計に十分に具体的です。
- 汎用 CPU ラック:-最大約12kWまで。
- 空冷 H100 クラス ラック:-およそ 40 kW、空気の実用的な上限に近い。
- NVIDIA GB200 NVL72:ラックあたり約 120 kW、完全構成では約 132 kW が、415 ～ 480 V の三相給電で複数の電源シェルフを介して DC バスバーに供給されます。-
- 次世代 (2026 年のロードマップ):ラック規模のシステムは 240～600 kW に達すると予測されています。{0}
これがどれほど極端であるかについては、以下を参照してください。Uptime Institute の 2025 年の世界調査平均ラック密度は約 9 kW ですが、オペレーターの 80% 以上が依然として 30 kW を超えるラックはないと報告しています。100 kW を超えるラックを稼働しているオペレーターは 1% 未満です実行するものは主に従来のハイパフォーマンス コンピューティングを実行しています。-言い換えれば、単一の GB200 ポッドは、業界の 99% がやったことのないことを建物に要求します。生のメガワットではなく、このギャップこそが、ほとんどの AI 電力プロジェクトが問題に陥る原因です。
AI ワークロードが従来の消費電力の前提を打ち破る理由
AI のトレーニング、推論、HPC は、アクセラレータ、サーバー、ストレージの高密度クラスター、および重いメッシュの高密度クラスターに依存しています。高速ファイバー ネットワーキング。これらのシステムは、従来のエンタープライズ IT のように動作しません。従来のラックは安定したドローを中心に計画されました。 AI ラックは、GPU が一斉に増加するにつれて、はるかに高いピーク電力を押し上げ、その消費量を急激に変動させます。数十のラックが同時にこれを行うと、その影響はキャビネットを越えて、分岐回路、ラック PDU、分配パス、UPS モジュール、および冷却プラントに到達します。
そのため、AI 対応の電力は、-ワンエンドツーエンドのシステムとして扱う必要があります。--ここでは、ユーティリティ入力、開閉装置、UPS、配電、バスウェイ、ラック PDU、監視、および冷却は個別の調達項目ではありません。これらは単一のチェーンであり、チェーンはその最も弱いリンクと同程度にのみ展開可能です。
AI データセンターの電力に関する重大な課題
1. ラックの電力密度は従来のインフラストラクチャを上回る
最も目に見える課題は、床面積と電気容量が一致しなくなったことです。キャビネットあたり 8 ～ 10 kW の定格の部屋には、タイルが空であるという理由だけで 120 kW のラックを設置することはできません。
これが実際に何を意味するか:改修の場合、最初の壁が総ユーティリティ容量になることはほとんどありません。これは、分岐回路数、母線路の電流容量、床荷重（GB200 クラスのラックは 1,300 kg を超える）、または単純にドアと通路のスペースです。{1}多くの部屋では、ホールのメガワットが使い果たされるずっと前に、キャビネットあたりの供給可能なアンプが不足し、構造上のヘッドルームも不足します。ラック レベルとクラスター レベルの両方で容量を計画し、各キャビネットに実際に設置できる使用可能なアンプの数を確認します。
2. 動的 GPU 負荷ストレス UPS 過渡応答
AI の負荷はバースト的で同期されます。集合的な all-reduce ステップまたはチェックポイント書き込みにより、クラスタの描画がミリ秒単位で数十パーセント移動し、その後再び削除される可能性があります。
これが実際に何を意味するか:ダブルコンバージョン UPS では、これらの変動は、インバータと静的バイパスがきれいに通過する必要がある負荷ステップとして表示されます。 -調整が不十分なブレーカーは-上り坂でつまずき、数日間にわたるトレーニングの実行を台無しにする可能性があります。-共有が不十分な並列 UPS モジュールは、過渡時に互いに競合する可能性があります。高速負荷ステップに対する UPS と保護を指定し、銘板の平均ではなく実際の負荷プロファイルに対してブレーカーの調整を検証します。 -施設規模でのこうした変動を吸収するために、オンサイトの蓄電池が特に使用されることが増えています。
3.-GPU ラックの高密度配電
静的なエンタープライズ負荷に機能する固定分散パスは、高密度の GPU 行、段階的な拡張、および A/B 冗長フィードを同時にサポートすることはほとんどありません。
これが実際に何を意味するか:A/B フィードの場合、実際のテストはフェイルオーバーの場合です。 1 つのパスがダウンした場合、生き残ったパスは、ブレーカーを超えたり、隣接するキャビネットを枯渇させたりすることなく、ラックの全負荷を支えなければなりません。冗長負荷ではなく N 容量に合わせて各フィードのサイズを設定することは、よくある間違いであり、コストが高くなります。頭上母線は多くの場合、固定ホイップよりも容量の追加や再配置が容易ですが、適切な選択は密度、部屋のレイアウト、メンテナンス戦略によって異なります。
配電では、ケーブル配線が同じトレイと導管の電力と競合する場所でもあります。単一の 120 kW ポッドは、リーフ スイッチとスパイン スイッチへの数百のファイバ接続を終端し、そのファイバはルーティングとエアフロー パスを給電と共有します。密集した列の中で、MPO/MTP トランクのケーブル接続接続数を維持し、一括管理できるため、エアフローやサービス アクセスが妨げられません。リーチも重要です。通常、短い GPU- から- へのリーフ リンクはマルチモードで実行されますが、スパインとキャンパス リンクはマルチモードに移動します。シングルモード（OS2）ファイバー長距離用。
4. 電力品質が事業継続の課題となる
AI 施設では、電力品質は電気的な問題だけではありません。これは、稼働時間、ハードウェア寿命、トレーニング実行が存続するかどうかに直接影響します。
これが実際に何を意味するか:高-波高率-スイッチ-モード負荷と不平衡な単相タップ-オフ-オフにより、中性電流、高調波歪み、位相不均衡が増加します。監視されないまま放置されると、不均衡は通常、きちんとしたダッシュボードのアラートとしてではなく、ホット接続またはブランチのトリップとして最初に現れます。 IT には費用がかかり、停電には多大な費用がかかるため、ブレーカーが問題を発見するのを待つのではなく、電力品質を継続的に監視してください。
5. 電力と冷却は同時に計画する必要がある
IT に供給されるすべてのワットは熱となり、除去する必要があります。ラックあたり約 30 kW を超えると、空冷は使用できなくなります。そのため、GB200 クラスのシステムでは現在、チップ間直接液冷が標準となっています。{2}}-ASHRAE の TC 9.9 委員会熱ガイドラインに高密度（H1）クラスを追加し、2024 年には、冷却剤分配ユニット（CDU）の境界、突然の負荷変化に対する熱慣性、過渡モデリングをカバーする液体冷却の回復力に関する技術情報を発行しました。-
これが実際に何を意味するか:コールド プレートは GPU の熱の大部分を CDU に移動しますが、ラック負荷 (メモリ、NIC、光学系、電力変換) の 10～20% は空冷されたままになる可能性があるため、部屋の空気処理が依然として必要です。- CDU の配置、冷却剤供給温度 (通常約 25 ～ 45 度)、流量バランス、漏れ検出の配線はすべて、ラックが到着する前に決定する必要があります。{6}}各スイッチからサーバーへのファンアウト- -MPO/MTP ブレークアウト ケーブル接続- は、冷却が依存するパスに決して置かれないように、意図的に配線する必要があります。
熱遮断を検証せずに電力容量を承認しないでください。負荷を除去できない冷却は、高密度の電力容量が滞って使用できなくなる最も一般的な原因です。-
6. 可視性の制限によりキャパシティプランニングが危険になる
部屋{0}}レベルまたは UPS- レベルのモニタリングにより、AI ホールで重要な要素、つまり相ごとの不均衡、局所的な過負荷、ラック-レベルのスパイク、分岐回路-の制約、冗長性の低下、容量の行き詰まりなどを正確に隠すことができます。
これが実際に何を意味するか:-コンセントごとの計測、ブランチ-回路モニタリング、UPS テレメトリ、DCIM 統合を備えたインテリジェント ラック PDU により、チームは、現在使用されている容量はどれくらいか、リスクはどこにあるのか、AI 負荷をどの程度安全に追加できるかという 3 つの質問にリアルタイムで答えることができます。-この粒度がなければ、キャパシティ プランニングは当てずっぽうになり、問題の最初の兆候はトリップになります。
7. スケーラビリティとグリッドの制約により AI 導入が遅れる
AI の成長は現在、従来の計画サイクルを上回っています。床面積があっても、サイトには次世代 GPU 用のユーティリティ、UPS、配電、または冷却能力が不足している可能性があります。データセンターの需要に応じて年間約 15 ～ 17% 上昇制約のある市場における電力会社の相互接続のリードタイムは複数年に及んでいるため、一部の開発者はオンサイト発電と蓄電池に目を向けています。{0}
これが実際に何を意味するか:単一世代のハードウェアではなく、段階的な拡張を考慮した設計。-モジュラー UPS、拡張可能な分散、バスウェイベースの容量追加、標準化されたラック電源ブロック、明確な冗長性とトリガー ポイント。{1}}目標は、可能な限り最大の初日システムではなく、長期にわたって使用可能、展開可能、保守可能な容量です。-
従来のデータセンターと AI データセンターの電力設計
| エリア | 従来のデータセンター | AIデータセンター |
|---|---|---|
| ラック密度 | 中程度、予測可能 (多くの場合 10 kW 未満) | 高速かつ高速立ち上がり (ラックあたり 100 kW 以上が可能) |
| 負荷動作 | 比較的安定している | ダイナミック、バースト性、同期性 |
| 計画モデル | 部屋-レベルまたは列-レベル | ラック-レベルとクラスタ-レベル |
| UPSの優先順位 | 容量とバックアップ実行時間 | 容量、冗長性、過渡応答 |
| 分布 | 固定または緩やかな変化- | 柔軟性と拡張性-対応 |
| 監視 | 部屋、UPS、またはラックレベル | システム、ブランチ、フェーズ、ラック、コンセントレベル |
| 冷却関係 | 別々に計画されることが多い | 最初から権力と連携していた。液冷共通 |
| 主なリスク | 総容量が不足しています | 孤立容量、過負荷、不安定性、熱制限 |
高密度 AI ラック用の電源インフラストラクチャを計画する方法-
ステップ 1: ラック-レベルとクラスタ-レベルの需要を定義する
ワークロードとハードウェアの計画から始めます。 GPU、サーバー、ネットワーキング、ストレージ、ラック レベルの電源装置など、各ラック、各クラスタ、各導入段階での使用量を見積もります。-現実的な成長想定を使用する - AI ハードウェアの入れ替わりが早いため、初日の負荷は間違った設計目標です。-
ステップ 2: アップストリームの容量と冗長性を確認する
ユーティリティ サービス、開閉装置、変圧器、UPS、分電盤、母線路またはケーブル、ラック PDU、分岐回路、A/B フィードなどのパス全体を歩きます。通常モードだけでなく、メンテナンスまたは障害状態でも、システムが予想される負荷と冗長レベルの両方をサポートしていることを確認します。
ステップ 3: UPS アーキテクチャを AI 負荷動作に適合させる
合計kWを超えて見てください。過渡応答、スケーラビリティ、冗長性 (N+1 または 2N)、部分負荷効率、バッテリ実行時間、並列動作、モニタリングを評価します。-モジュラー UPS は、初日からサイズを大きくしすぎることなく容量を追加できるため、クラスターが段階的に拡張される場合に役立ちます。
ステップ 4: 柔軟な配電を選択する
-高密度の行には、通常、静的なパネル-やホイップの設計よりも高い柔軟性が必要です。-従来のパネル分配、架空母線路、高密度ラック PDU、デュアル フィード、インテリジェント メータリングを比較します。-新しい AI ホールでは、将来の密度に合わせてバスウェイのサイズを調整することが正当化されることがよくあります。改修は既存のパネルに限定される場合があります。
ステップ 5: 導入前に電源と冷却を調整する
ラックを設置する前に、冷却技術、空気流路、液体冷却要件、CDU の位置、冷却剤の温度と流量、床荷重、サービスアクセス、および漏れ検出を検証します。これにより、十分な電気容量があるにもかかわらずラックを全負荷で稼働できないという典型的な失敗が回避されます。
ステップ 6: 段階的な拡張に向けた構築
電力システムをロードマップとして扱います。 -初日の容量、拡張容量、UPS またはディストリビューションのアップグレードのトリガー ポイント、監視しきい値、冗長性要件、予算段階を定義して、エンジニアリング、運用、調達が 1 つの計画を共有できるようにします。
AI データセンターの電力計画チェックリスト
| 層 | 確認すべきこと | よくある故障箇所 |
|---|---|---|
| ユーティリティと開閉装置 | 確認された相互接続容量と現実的な通電日 | 制約のある市場では数年にわたるリードタイム{0}} |
| UPS | kW ヘッドルーム、過渡応答、冗長性、部分負荷効率- | ミリ秒のロードステップではなく、定常状態に合わせたサイズ設定 |
| 分布 | バスウェイ/PDU の電流容量。フェイルオーバーケースに合わせてサイズ設定された A/B フィード | 完全な冗長負荷ではなく、N に合わせてサイズ設定された各フィード |
| ラックPDU | -コンセントごとの測定、正しいプラグとブレーカーの定格、位相バランス | キャビネットが物理的にいっぱいになる前にブランチの過負荷が発生する |
| 冷却 | DLC/CDU 容量、冷却剤の温度と流量、残留空気負荷、漏れ検出 | 熱遮断を検証せずに電力が承認されました |
| ケーブル配線 | ファイバートランクとブレークアウトルーティングは空気の流れから遮断されます。サービスアクセスが維持される | ケーブルの混雑により通気とメンテナンスが妨げられる |
| 監視 | システム、ブランチ、フェーズ、ラック、コンセントの可視性。 DCIMの統合 | 旅行するまでは見えない容量の不足と不均衡 |
| 構造的 | 1,300 kg以上のラックの床耐荷重。ドアと通路の隙間 | ラックは物理的に入ることもサポートすることもできません |
AI に求められるもの-Ready Power Solutions
モジュラーUPS。導入が段階的に拡大する場合には価値があります。容量を追加し、初日に未使用の kW に料金を支払うことなくメンテナンスを簡素化します。
高密度分布。-バスウェイやその他の柔軟なシステムは、ラックの追加や移動、デュアル フィードと安全なメンテナンスが重要となる列の急速な変化に効果を発揮します。{0}
インテリジェントラックPDU。-コンセントごと、または-ラックごとの可視性により、チームは不均衡を把握し、過負荷を防ぎ、容量を正確に計画できます。これは、AI ビルドで指定されていないことが最も多いレイヤーです。{3}
電力品質の監視。電圧、電流、力率、高調波、位相バランス、負荷傾向を可視化して、問題が停止に至る前に表面化できるようにします。
DCIM の統合。電力データを熱データおよびラック使用率と結び付けることで、監視が容量計画に変わります。ネットワークが同じビルドの一部である場合、エンジニアのMTP と MPO の選択ガイドこれは、ラックのファイバー側を電源側と同じくらい慎重に保つのに役立ちます。
避けるべきよくある間違い
- 施設の総容量のみを計画します。サイトに十分なメガワットがあっても、ラックで障害が発生する可能性があります。ラック-レベルとブランチ-レベルの制限を確認してください。
- 冷却は後の決定として扱います。電力供給後に計画された冷却が、容量不足の主な原因です。
- 動的ロード動作を無視します。平均負荷ではなく、過渡応答と電力品質を考慮した設計。
- -監視を指定しています。可視性が限られていると、トラブルシューティングが遅くなり、キャパシティ プランニングが信頼できなくなります。
- 厳格なアーキテクチャを構築する。AI ハードウェアは数か月で進化します。固定設計は、施設が耐用年数に達する前にボトルネックになります。
よくある質問
Q: AI ラックにはどのくらいの電力が必要ですか?
A: プラットフォームによって異なりますが、基準点は具体的です。汎用 CPU ラックは最大約 12 kW、空冷 H100 クラス ラックは約 40 kW、完全に構成された NVIDIA GB200 NVL72 は約 120～132 kW です。- 2026 年のロードマップでは、ラックあたり 240 ～ 600 kW を目指しています。
Q: 既存のデータセンターは AI ラックをサポートできますか?
A: 一部は可能ですが、多くはアップグレードが必要です。通常、制限要因はラック電力、UPS 容量、配電、冷却、床負荷、または監視 - であり、施設の合計電力ではありません。導入前に、電力と冷却の完全な評価が必要です。
Q: AI データセンターには常に液体冷却が必要ですか?
A: 常にではありません。低密度の AI 導入でも、最適化された空冷を使用できます。-ラックあたり約 30 kW を超えると、空冷は不可能になるため、GB200- クラスのシステムは、通常は 25 ～ 45 度の範囲の CDU と設備水を使用して、チップへの直接液体冷却を使用します。-
Q: AI ワークロードが電力の安定性に影響を与えるのはなぜですか?
A: AI トレーニングは GPU の大規模なグループを同期し、ジョブの開始時、チェックポイント時、またはフェーズの変更時に一緒に増加および減少します。これらの調整された変動により、UPS システム、PDU、および上流の配電にストレスを与える高速電力過渡現象が発生します。
Q: AI データセンターに最適な UPS はどれですか?
A: 単一の答えはありませんが、AI 負荷の場合、決定要因となるのは、総 kW だけではなく、過渡応答、スケーラビリティ、冗長性、部分負荷効率です。{0}}モジュラー UPS は、展開の拡大に応じて容量を追加できるため、段階的なクラスターに適しています。
Q: 電力容量の不足を回避するにはどうすればよいですか?
A: 電力を承認する前に冷却を検証し、各ラックの分岐回路と PDU の容量を確認し、分岐、フェーズ、ラック、コンセント レベルで監視します。{0}滞留容量のほとんどは、熱を除去できない冷却、または詳細な計量なしでは目に見えない分岐制限に起因します。
Q: AI データセンターにおけるインテリジェント ラック PDU の役割は何ですか?
A: インテリジェント ラック PDU はラック{0}}レベルとコンセント-レベルの可視性を提供するため、チームは負荷を追跡し、位相の不均衡を捕らえ、過負荷を防ぎ、容量を正確に計画できます。高密度環境では、その粒度により安全な拡張が可能になります。-
Q: AI- 対応の電源アーキテクチャとは何ですか?
A: これは、電力供給源から高密度 GPU ラックに信頼性の高い電力を供給する、スケーラブルで監視された冗長システムです。{0}}通常、適切な UPS 容量と過渡応答、柔軟な分散、インテリジェントな PDU、電力品質の監視、および最初から電力と調整された冷却が組み合わされます。
最終的なポイント
AI データセンターの電源設計は、電気容量を追加することではありません。これは、従来のインフラストラクチャの構築目的の 10 倍を超える電力を消費できるラックに、使用可能な電力 - を安全に、目に見えて、確実に - 提供することです。グリッドからラックまで計画し、電力と冷却を調整し、ブランチおよびコンセントレベルで監視し、現行の GPU ではなく次世代の GPU に向けた設計を行います。導入する前に、ラック密度、配電パス、UPS 過渡パフォーマンス、電力品質、監視、冷却を合わせて評価します。このように構築された電力システムは、停電を防ぐだけではありません。これにより、AI インフラストラクチャが最初のボトルネックで停止するのではなく、スケジュールどおりに拡張できるようになります。
