江森自控加入新国大热带AI数据中心试验台 非IT能耗拟降50%

核心要点

• 巨头联动合作：江森自控（Johnson Controls）正式加入新加坡国立大学（NUS）的热带AI数据中心测试平台（Tropical AI Data Center Testbed）。
• 大幅降低能耗：江森自控表示，其提出的模型化设计方案相较于传统冷却方式，可将非IT能耗降低高达50%。
• 聚焦热带场景：该测试平台专门针对热带高温高湿环境下的高密度人工智能算力中心，开展前沿冷却与能效技术探索。
• 处于验证阶段：当前数据基于模型化设计评估，将借助高校的专业测试平台进行进一步的方案验证与性能测试。

详细分析

产学携手：聚焦热带环境下的AI算力散热挑战

随着人工智能算力需求的爆炸式增长，高密度服务器集群的散热与能耗管理已成为制约基础设施扩容的关键瓶颈。江森自控加入新加坡国立大学的热带AI数据中心测试平台，标志着工业级建筑与制冷解决方案巨头与顶尖科研机构的深度联合。在热带地区，常年高温高湿的气候特征使得数据中心非IT基础设施（主要是暖通空调与制冷系统）面临极高的能耗负荷。该测试平台的设立，正是为了在严苛的气候条件下，探索并验证专门针对高功耗AI数据中心的可持续冷却策略。

能效跃升：模型设计展现高达50%的非IT节电潜力

在数据中心的能耗结构中，总能耗通常被划分为核心算力使用的IT能耗，以及制冷、照明、配电等维持机房运行的非IT能耗。江森自控公布的核心成果表明，其创新提出的模型化设计方案相较于行业传统的冷却方法，能够将非IT能耗最高削减达50%。这一幅度的提升意味着机房基础设施在环境控制环节的效率取得了实质性进展，能够显著降低能源消耗基线，为评估和改善高算力机房的整体能效指标（PUE）奠定了坚实的理论与模拟支撑。

从模型模拟到实测平台：推动数据中心绿色升级

当前公布的50%非IT能耗降幅来自于前期的模型化设计，而加入新加坡国立大学的试验测试平台则是将设计转化为实际运行效果的重要阶段。在实际热带运行环境中，动态气流、高湿负荷以及AI间歇性高热负荷等多种复杂因素交织，必须依靠专业的测试平台进行实测与系统调控。江森自控通过参与该测试平台，将基于实测数据对冷却模型进行持续迭代，为后续大规模商业化推广更高效的数据中心冷却架构提供关键支撑。

行业影响

该新闻反映了全球AI基础设施建设中不可忽视的“能耗脱困”趋势。随着大型AI模型训练与推理任务激增，数据中心面临前所未有的电力与碳排放压力。冷却系统作为最大的非IT耗电环节，其能效提升直接关系到AI算力能否在热带及亚热带高热地区大规模扩展。江森自控与新国大的这一合作，不仅为全球热带地区的绿色数据中心构建树立了新的参考范本，更展示了通过系统化设计创新大幅减少传统基础设施电力开销的可行路径，对加速高能效、低碳化的新一代AI算力中心建设具有重要指导意义。

常见问题

江森自控在本次合作中公布的核心数据是什么？

江森自控明确表示，基于其开发的一项模型化设计方案，与传统冷却方式相比，能够将数据中心的非IT能耗降低高达50%。

为什么该测试平台特别强调“热带”与“AI数据中心”？

AI工作负载具有发热量大、功率密度极高的特点，而在热带气候下，外部高温高湿环境进一步加大了机房散热的难度与能耗。该测试平台专门聚焦于这一双重挑战，旨在验证在极端散热环境下能够有效降低能耗的解决方案。

该项节能方案目前处于什么阶段？

该50%非IT能耗降幅目前来自于模型化设计阶段的评估。江森自控通过加入新加坡国立大学的测试平台，将依托实景试验环境对该设计进行深入测试与实证研究。