夜雨聆风AIDC正在把计算、网络和电力系统压缩到同一条运行链上。训练任务可以在毫秒尺度同步拉升数千张GPU的功耗，电网侧却往往只能看到一个快速变化、缺少可解释边界的聚合负荷。因此从这个角度看，AIDC运行调度不应止步于GPU、内存和网络资源，而应进一步形成与任务绑定的电力、散热和保护执行方案。算力任务部署到哪里，功率如何爬坡，热惯量如何调用，发生故障或扰动时哪些负荷保留、哪些可以削减，以及系统如何有序恢复，都应在任务执行前获得明确安排。
把视角再拉到电网侧，如希望电网运营商TSO或DSO更快、更有把握地支持AIDC的规模化并网，园区需要对电网呈现为一个可建模、可信、受限爬坡、可控削减、可序恢复的电气运行实体。这样，AIDC 更容易被纳入接入评估与动态仿真；对于数据中心投资运营方，则有机会缩短并网和上电对集群扩张的约束，并将传统意义上的闲置冗余，转化为可部署、可调用的灵活性容量。
今天的讨论将从这一视角展开。本系列《面向 AI 基础设施的配电架构》也将以当下欧美市场公开的技术资料、产品路线与示范项目为基础，梳理关键技术环节，并推演其可能的工程落地路径。
今天我们学习素材来自Khajuria P. The Programmable Compute Utility Architecture: Compiling the Data Center Around the AI Job—and Why the Electrical Layer Decides Whether It Scales[R]. Independent Technical Analysis, 2026-06
1. 挑战原点: 同一套算力设备却有两套彼此脱节的系统
传统数据中心按变电站、发电机和UPS、机房、行列、机架及冷却区划分；AI工作负荷则按张量并行组、流水线阶段、训练检查点、内存域、网络集合通信和推理时延等级划分。两套坐标系描述的是同一套算力设备
这一缺口直接落到电网动态行为上。大规模训练任务会在计算密集阶段与通信密集阶段之间切换，使大量加速卡同步爬坡和回落。NVIDIA、Microsoft 与 OpenAI 的联合研究基于实际 DGX-H100 训练机架功率数据发现：大规模同步训练会使 GPU 功率在计算与通信阶段之间快速反复切换，单个园区的聚合负荷在极端情况下可形成数十乃至数百 MW 的摆幅；同时GPU在约50ms时间尺度还可能出现高于TDP的短时EDP峰值。
Dominion Energy 系统的一项现场测量研究发现，数据中心密集区域曾出现持续约两小时的14.7–14.8Hz受迫振荡。研究表明，约每秒一次的电压暂降激发了一个10–11Hz的局部动态模态；随着阻尼下降，该模态演化为约14.7Hz的极限环振荡。后续由数据中心业主确认，问题与园区UPS输入级控制有关。它提醒我们：在高比例电力电子接口负荷接入后，数据中心不再只是静态大负荷，其控制策略可能在电压扰动、频率偏移或控制交互中被动卷入局部电网动态；在参数失配、控制协调不足或保护逻辑不当时，也可能放大振荡、削弱阻尼，进而劣化局部电网的运行稳定性。
因此，接入研究真正需要回答的不只有需要多少MW，还包括这些 MW 将以怎样的频谱和爬坡轨迹移动。在相同500MW铭牌容量下，两个园区对电网可以呈现完全不同的动态行为边界。
2. 核心命题：建立围绕AI任务为中心的电气拓扑编译器
编译器Compiler是将面向人的程序转换为适配目标硬件的执行代码。在数据中心按这一逻辑延伸到AI基础设施：编译器在选择GPU、内存和网络资源后，还应生成一个电气执行计划，包括任务所在的物理单元、功率爬坡曲线、储能缓冲分配、冷却配置、保护设置组、故障穿越方式以及恢复顺序。
我们把这一层称为电气拓扑编译器（Electrical Topology Compiler）这一表述[1]。它并不进入毫秒级跳闸回路；保护功能仍应在本地以确定性硬件速度独立动作。编译器的工作是在任务启动前选择和预置已验证的保护设置组，并将功率、热和保护约束加入AI任务调度器本已在解决的拓扑感知放置问题。
需要说明的是支撑这一方向的关键组件，已分别在生产系统与现场示范中出现。Google 通过中压供电平面与优先级感知功率封顶，在多年生产部署中实现了25%以上的功率超配；
<< 滑动查看下一张图片 >>
<< 滑动查看下一张图片 >>
在Phoenix的现场试验中，Emerald AI与Oracle Cloud Infrastructure、NVIDIA 及当地公用事业伙伴，在一个256-GPU集群上实现了持续3小时、25%的受控功率削减，并在满足AI服务质量约束的条件下，以15分钟爬坡方式恢复，避免负荷同步反弹。
3. 实施步骤：可编程组合的算力电力系统
3.1 电气拓扑编译器：把任务放置扩展到电力供应、热管理和继电保护
电气拓扑编译器把模型执行图转化为设施物理状态，关键产出是“面向电网的运行包络”：园区负荷不再只是不可预测的聚合值，而是具有可申明边界、可验证约束和可执行恢复逻辑的运行合同。继电器保护工程的底线在此必须明确：任何在线编排都不应临时生成跳闸逻辑，只能在事先完成仿真、协调和批准的设置组之间切换。
3.2 自主算力单元：将5-20MW视为可组合的运行与故障边界
重新划分未来的基本单元不再是机架或机房，而是一个示例规模约5-20 MW的自主算力单元。单元包含中压接口、MV-800 VDC 变换、短时能量缓冲、液冷回路、光网络接口、保护与自动化实例、黑启动和受控重启逻辑，以及对电网行为的控制器。该规模并非固定标准，重点在于形成可扩展、可隔离、可升级、可退役的运行单元。
当计算域、网络域、电力域和故障域都落在同一单元边界上时，单元失效的后果才可能被限定为一个副本、一个弹性工作组或一个流水线阶段，而非让单点跳闸扩大为整项任务中断。
3.3 从刚性供电层级到可重构功率配电网
传统供电通常是“电网-变压器-开关柜-UPS- PDU- 机架”。但目前和将来的AIDC为多源接入、可重构MV/DC主干和自主算力单元形成可重构功率配电网。NVIDIA的800V DC路线将变换前移至园区边界，采用中压AC到800V DC的固态变压器，并在机架端保留一次后级降压；OCP的 Open Data Center for AI 与 Diablo 规范则试图推动相关接口走向开放和互操作。
其中的关键是DC故障是硬约束。 DC故障电流上升极快，且没有交流半周过零点可供开断。混合式DC断路器可在约2-5ms清除故障，最快的固态开关可到数百微秒；但前提是保护系统能在更短窗口内完成故障检测、选择性判别与隔离。因此，真正的瓶颈通常在选择性保护和故障定位，而非单一开关器件的开断速度。
3.4 按工作负荷关键性配置可靠性
将传统全园区均匀冗余的配置方式改写为按任务关键性分层：控制面、模型状态和关键推理采用2N；时延敏感服务采用N+1；可检查点训练采用N；可中断批处理和预处理采用N-flexible。这样释放出的容量，就是可在系统压力期被调度的“可削减余量”。
这里的边界是训练拓扑本身。张量并行组高度耦合，不能为了追逐功率目标而被任意分散到不同冗余区，否则集合通信带宽会被破坏。适合被分层的单位应是训练系统已有的容错边界，如数据并行副本、流水线阶段和弹性工作组。异步检查点、热备和副本重启，是N或N-flexible 能够安全运行的前提。
3.5 管理功率频谱，而不只管理 MW
功率频谱调度器的目标不应局限于GPU利用率。它还要同时优化：最大爬坡率、特定频段暴露、对电压扰动的容忍度、恢复相关性、热余量以及电网合规性。具体动作包括让推理波动与较平稳的批处理相互对冲，让通信密集阶段与计算密集阶段错峰，让检查点在集群之间错开，让GPU大爬坡事件分散到不同算力单元，再由机架级储能吸收快速功率分量、冷却系统承接较慢的热分量。
联合研究已将GPU固件约束爬坡率与电流变化率、机架级能量缓冲和训练框架错开集合通信列为重要手段。关键不在每个局部控制独立动作，而在于调度层将这些手段合成为一个对外声明的波形。
3.6 把冷却系统视为两种时间尺度的“热电池”
液冷带来的价值超出散热效率。冷却液质量、相变材料、冷冻水罐和较高温度冷却回路形成可调度的热库存，让计算和散热不必严格同相运行。需要特别强调“热电池”不能被泛化：芯片结温限值是硬约束，不能通过让芯片升温来储能。真正可存储的是冷却液和设施侧热容量。
其中，直冷回路在秒级吸收快速瞬态；冷冻水罐、相变材料和蓄水池在小时级转移制冷生产。二者分别服务于快功率扰动和系统峰时移峰，需被同一编译器同时调度。
3.7 光纤作为“虚拟输电线”
当局部站点缺少可用电力时，增加输电或本地发电并非唯一选择。对于可检查点训练、批处理和部分可重定向推理，任务可以通过高带宽光网络迁移到电力余量更大的园区。传输的不是额外MW，而是工作负荷本身。
这一机制受制于时延、数据重力、数据主权和网络容量。前沿训练的检查点可能涉及TB级数据，跨区迁移还可能牵动PB级数据，因此它只能覆盖部分工作负荷，不能被视为通用替代方案。
3.8 面向电网的园区级构网
Grid-forming campus 容易被误读，其严谨表述是：负荷本身并不具备构网能力；构网能力位于园区储能和变换器接口，由能够建立电压和频率参考的逆变器提供。计算负荷则贡献快速、可控的需求响应和故障穿越协同。二者结合后，园区可在扰动期间限制负荷骤降、控制故障后恢复、滤除 AI 负荷振荡，并在并网点提供一定的无功和电压支撑。
Phoenix 现场示范与Duke的大负荷研究并置：前者显示真实AI集群可在服务质量约束下持续数小时实现 25%削减；后者估计，在美国22个最大平衡区内，若大型负荷能够在全年约0.25%-1% 的峰时可用性窗口中接受削减，既有系统能力可容纳约76-126 GW的新增负荷。两者共同说明，削减发生的频次可能很低，但削减深度需要足够可信且可验证。
4. 为什么继电保护层成为AIDC规模化的约束点
第三章八个实施步骤共同依赖一个能力：在故障或切换事件发生的毫秒级时间窗内，以正确方式执行隔离、穿越、降载和恢复。功率配电网重构需要重新协调保护；削减任务以穿越电压扰动时，保护决定其表现为受控减载还是全园区跳闸；隔离一个算力单元时，保护决定其他单元能否继续运行。
目前传统大电网保护与AIDC园区运行行为之间存在错配，我们称为保护管辖缺口。大电网保护通常面向大型旋转机组和较可预测的故障电流，而AIDC背后是快速电力电子负荷、可能的DC配电网，以及并网点处数十MW、亚秒级变化的负荷。
作为问题的现实背景NERC 2025年事故复盘：一次230 kV输电故障触发东部互联系统内约1,500MW电压敏感数据中心负荷同时失去，主因是数据中心UPS与保护设置对电压偏差的响应速度和阈值先于系统调度。NERC此后梳理了多起1,000 MW以上负荷丢失事件，并提出大型负荷电压穿越要求的方向。具体可参考之前整理的随笔。
2026.05.25 随笔 AIDC并网的下一道门槛：大型负荷如何穿越电网扰动
EdgeGrid，公众号：EdgeGrid2026.05.25 随笔 AIDC并网的下一道门槛：大型负荷如何穿越电网扰动？
5. 电气运行包络：园区与电网之间的运行合约
如果电气拓扑编译器是发动机，电气运行包络（Electrical Operating Envelope）就是交付给电网的产品。电网难以围绕一个黑箱快速负荷进行规划，却可以围绕一套经模型、控制和保护共同约束的行为合同开展潮流、短路、稳定和接入研究。
1. 可建模（Modeled）- 园区负荷曲线可进入规划与动态仿真模型，避免将园区作为不可解释的聚合黑箱。
2. 可信（Trusted）- 申明的行为由园区自身控制与保护强制执行，具备可验证性。
3. 受限爬坡（Ramped）- 功率变化遵守约定的最大爬坡率，而非发生不可控阶跃。
4. 可控中断（Interrupted）- 在系统压力期，园区可在边界内削减或中断，形成可结算的可削减余量。
5. 受控恢复（Restored）- 故障后恢复遵循去相关化序列，避免大量负荷同时反弹。
运行包络必须同时覆盖有功路径和电压/无功路径。有功侧关注建模、爬坡、削减与恢复；电压侧关注低电压穿越、并网点电压支撑和无功响应。一个仅能画出平滑MW曲线、却在首次电压暂降时整体跳闸的园区，无法满足电网对大型负荷的真实要求。
从商业结果看，运行包络将灵活性转化为可结算的接口。园区能够以经过验证的动态模型换取更大的接入容量、更快的上电节奏，以及体现可靠性价值的电价和容量机制安排。编译器让包络成为可能，保护层让它可信，电网侧以更快、更大的并网能力给予投资回报。
6. 工程边界：先解决什么，不能跳过什么
工程问题 | 边界与前置条件 |
MVDC/DC 选择性保护 | 目前仍是最不成熟、最具门槛的环节。中压直流选择性保护缺少定型标准；部分最快方案依赖变换器限流与受控阻断，单极800 V母线的接地故障检测也仍是开放问题。 |
动态保护设置 | 现实可行机制是预先验证和审批少量保护设置组，而非在现场自由合成定值。每个设置组都要有确定性、通信独立的后备状态。 |
移动拓扑的通信与时钟 | 拓扑切换依赖低时延站控通信和精确同步，例如 IEC 61850 过程总线、GOOSE 报文和 IEEE 1588。通信异常时，系统必须退回安全、可预期的状态。 |
可削减余量取决于负荷结构 | 训练和批处理占比越高，灵活性越充足；纯推理园区可让渡的空间更有限。推理中的 test-time compute也使其更长时、更连续、较难中断。 |
跨园区迁移成本 | 光纤虚拟输电适合可检查点训练、批处理和可重定向推理；检查点损失、数据重力、主权与网络约束会限制适用范围。 |
7. 真正的难点在组织接口：谁来负责“模型 - 电网”之间的缝隙
大部分单项技术已经在研究或生产中存在。阻碍全链路闭环的关键，在于AIDC调度、GPU 系统、配电网、电气设施、冷却系统、电网接入和保护团队通常分属不同组织，使用不同模型并优化不同KPI。而电气拓扑编译器，本质上要求一个系统对目前分散在多个团队中的决策拥有统一的运行权。
OCP 面向 AI 数据中心的开放工作正在拉近电力、冷却、遥测和 IT 基础设施；800 VDC 标准化也迫使更多团队协作。但从组件互操作走向实时跨域编排，仍需要明确的责任边界、数据模型和控制权。这个接口今天往往没有明确所有者。
8. 结语：AIDC的竞争，将延伸到电气运行的动态可编程能力
未来AIDC之间的差异，不会只体现在占地面积、机架数量或装机规模上。更关键的是：它能否围绕每一项重大工作负荷，动态组合计算、内存、网络、电力容量、热余量、可靠性与电网行为。
今天讨论的核心，是将AI任务调度与电气系统运行纳入同一套编排逻辑。数据中心当然可以被视为一种新型电厂或灵活负荷资源，但决定其规模化速度的，并不是这一比喻本身，而是这套编排逻辑能否跨越保护层的毫秒级约束，并在电网侧形成可信、可验证、可合规的运行边界。
硅、光互连与 800 VDC 的技术路线都在持续推进。真正决定新增算力能以多快速度完成并网、上电并投入运行的，是园区电气层能否以可验证的方式，跟上算力需求增长的步伐。
参考文献
[1] Khajuria P. The Programmable Compute Utility Architecture: Compiling the Data Center Around the AI Job—and Why the Electrical Layer Decides Whether It Scales[R]. Independent Technical Analysis, 2026-06.
[2] Choukse E, Warrier B, Heath S, et al. Power Stabilization for AI Training Datacenters [EB/OL]. arXiv:2508.14318, 2025.
[3] Mishra C, Vanfretti L, Delaree J Jr, Purcell T J, Jones K D. Understanding the Inception of 14.7 Hz Oscillations Emerging from a Data Center [J]. Sustainable Energy, Grids and Networks, 2025, 43: 101735. DOI: 10.1016/j.segan.2025.101735.
[4] Sakalkar V, Kontorinis V, Landhuis D, et al. Data Center Power Oversubscription with a Medium Voltage Power Plane and Priority-Aware Capping [C]//Proceedings of the Twenty-Fifth International Conference on Architectural Support for Programming Languages and Operating Systems. New York: ACM, 2020: 497-511. DOI: 10.1145/3373376.3378533.
[5] Zhang C, Kumbhare A, Manousakis I, et al. Flex: High-Availability Datacenters With Zero Reserved Power [C]//Proceedings of the 48th Annual International Symposium on Computer Architecture. 2021. DOI: 10.1109/ISCA52012.2021.00033.
[6] Colangelo P, Coskun A K, Megrue J, et al. AI Data Centres as Grid-Interactive Assets [J]. Nature Energy, 2026, 11: 254-261. DOI: 10.1038/s41560-025-01927-1.
[7] Dimitrov R, Petty H, Srivastava N, Blake M. How New GB300 NVL72 Features Provide Steady Power for AI [EB/OL]. NVIDIA Technical Blog, 2025-07-28.
[8] Srivastava N, Petty H. Building the 800 VDC Ecosystem for Efficient, Scalable AI Factories [EB/OL]. NVIDIA Technical Blog, 2025-10-13.
[9] North American Electric Reliability Corporation. Incident Review: Considering Simultaneous Voltage-Sensitive Load Reductions [R/OL]. Atlanta: NERC, 2025.
[10] North American Electric Reliability Corporation. Characteristics and Risks of Emerging Large Loads [R/OL]. Atlanta: NERC, 2025.
[11] North American Electric Reliability Corporation. Risk Mitigation for Emerging Large Loads [R/OL]. Atlanta: NERC, 2026.
[12] Norris T H, Profeta T, Patino-Echeverri D, Cowie-Haskell A. Rethinking Load Growth: Assessing the Potential for Integration of Large Flexible Loads in U.S. Power Systems[R]. Durham: Nicholas Institute for Energy, Environment & Sustainability, Duke University, 2025.
[13] Fu Y, Han X, Stershic J, et al. Multi-stage Power Scheduling Framework for Data Center with Chilled Water Storage in Energy and Regulation Markets [EB/OL]. arXiv:2007.09770, 2020. DOI: 10.48550/arXiv.2007.09770.
[14] Winick J A, Zhu G, Kitz K, Adams A. Reducing Data Center Peak Cooling Demand and Energy Costs With Underground Thermal Energy Storage (UTES) [C]//Proceedings of the 50th Workshop on Geothermal Reservoir Engineering. Stanford: Stanford University, 2025.
[15] International Electrotechnical Commission. IEC 61850-8-1:2011+AMD1:2020: Communication Networks and Systems for Power Utility Automation—Part 8-1: Specific Communication Service Mapping (SCSM)—Mappings to MMS and ISO/IEC 8802-3 [S]. Geneva: IEC, 2020.
[16] IEC/IEEE. IEC/IEEE 61850-9-3:2016: Communication Networks and Systems for Power Utility Automation—Part 9-3: Precision Time Protocol Profile for Power Utility Automation [S]. Geneva: IEC; New York: IEEE, 2016.
[17] Institute of Electrical and Electronics Engineers. IEEE Std 1588-2019: IEEE Standard for a Precision Clock Synchronization Protocol for Networked Measurement and Control Systems [S]. New York: IEEE, 2020.
[18] North American Electric Reliability Corporation. PRC-024-4: Frequency and Voltage Protection Settings for Synchronous Generators, Type 1 and Type 2 Wind Resources, and Synchronous Condensers [S/OL]. Atlanta: NERC, 2025.
