所有这些 AI 都将需要更多电力。据估计，到 2030 年，电网新增的电力将相当于三个纽约市的用电量，这主要归功于新的 AI 数据中心。因此，数据中心配电设计必须达到新的性能和可靠性水平。在为这个新时代设计数据中心 UPS 系统时，务必考虑电能质量/输送、可用性、可持续性和总拥有成本 (TCO)。

　　AI 计算的性质和复杂性将考验数据中心电力基础设施的弹性。与传统的 Google 搜索相比，ChatGPT 上的搜索查询所消耗的电量是后者的十倍。额外的容量给温度、冷却和电网弹性带来了巨大的压力。

　　增加复杂性正是这种容量的产生方式。人工智能模型可以在几秒钟甚至几毫秒内达到其功率容量的150%，从而给整个电力链(例如电网、开关设备、UPS)带来更大的压力。所有环节都必须优化，才能协同工作并妥善支持这些负载。

　　人工智能的快速应用正在迅速改变关于功率密度的讨论。几年前，数据中心的功率密度通常为每机架30kW，但如今，许多数据中心的功率密度已达到每机架50kW，并且正在规划150kW的功率密度，甚至在不久的将来，500kW的功率密度也正在讨论中。

　　人工智能系统将需要功率远超1MW的备用系统，同时还要应对高达150%的功率峰值。因此，人工智能需要一个大规模、单一且理想情况下是专门建造的数据中心。

　　满足人工智能电源需求

　　没有电源就意味着没有数据，因此需要分析电源可用性。电源(电网、风能、太阳能等)能否支持数据中心?如果不能，备用电源(例如备用系统)的使用频率是多少?

　　如果定期依赖备用系统，循环电池比浮充电池更适合UPS。循环电池更适合开关应用和持续使用。然而，它们的功率密度不如浮充电池，这可能导致系统规模过大。

　　除了对电池化学成分的潜在影响外，人工智能负载还会给UPS系统甚至电网带来额外的负载和要求。主要的原始设备制造商和公用事业公司正在持续优化其系统，以应对这些突发功率。

　　实现可持续性

　　每个人都认同可持续性的重要性。真正的可持续性必须涵盖电池的整个生命周期——采购、运营和处置。

　　一家负责任且合乎道德的制造商会确保电池的采购渠道合理。在设计和制造过程中应采用可持续的做法。

　　回收计划因公司和化学成分而异。铅酸电池拥有完善的生态系统，足以支付电池回收费用。锂离子电池等新技术的生态系统正在不断发展，因此可能会产生回收费用。

　　确定真正的总拥有成本 (TCO)

　　四个因素可以准确确定电池备用系统的 TCO：

　　安装 – 第一天的成本，例如电池、机柜或机架，以及连接系统的人工，都属于安装费用。

　　维护 – 最重要的因素是维护频率。另一个考虑因素是人工成本，因为某些技术可能需要更高技能的劳动力。

　　更换 – 在比较各种技术时，确定何时应该更换电池可能非常困难。虽然没有统一的方法，但建议使用每种技术的标准保修来计算 TCO。保修清楚地表明了公司对其产品的支持程度，因此它是比较电池的最佳方法。标准保修应始终作为真正的衡量标准。

　　处置——选择电池意味着选择合作伙伴。选择拥有电池收集和回收计划的制造商，提供环保、安全、便捷且低成本的回收方案。

　　结论

　　为人工智能数据中心选择电池备用系统需要考虑诸多因素。能够开发出最适合应用的完整解决方案的合作伙伴与电池同样重要。

　　随着人工智能持续影响电力需求，UPS 必须从一开始就进行设计。这将有助于确保持续满足额外的电力需求。