GMI Cloud
3 节点1 篇3 来源
【背景】GMI Cloud于2026年10月30日在台湾桃园展示其由传统IDC转型的AI工厂,揭示高密度GPU集群扩展的核心瓶颈已从物理空间转移至电力供应。该设施最大负载约25MW,其中仅16MW可用于IT设备,其余用于冷却等辅助系统。
【现状】第一期部署3座Nvidia DGX SuperPOD GB300,合计约48个AI机柜,采用多层电力备援架构:锂电池提供约6分钟缓冲,UPS维持过渡,柴油发电机支持超24小时满载运行。散热方面,87%的热量通过液冷移除,当前PUE为1.35,目标降至1.3。第二期计划于12月上线,规模约为3.5座SuperPOD。
【争议与洞察】GMI Cloud CEO Alex Yeh指出,“即使有钱,电力也难获取”,认为电力而非高带宽内存(HBM)才是AI真正的瓶颈。与传统数据中心追求空间利用率不同,AI工厂的竞争关键在于每MW电力能支撑多少有效算力。由于台湾电力公司此前对北部大型数据中心用电申请采取审慎管理,具备既有大容量供电条件的IDC反而成为部署优势。
【展望】第三期扩建取决于第一、二期的运作状况及Nvidia新一代GPU的功耗管理能力。若IT负载接近16MW上限,即便有空余空间也无法增加GPU设备。未来可能通过软件工具优化GPU实际功耗与工作负载,以提升能源使用效率。
事情怎么走到这一步
GMI Cloud宣布投资5亿美元在台湾建立AI工厂,计划部署7,000颗Nvidia Blackwell Ultra GPU和96个GB300 NVL72机柜。
prnewswire.com ↗GMI Cloud CEO Alex Yeh接受采访表示,电力是比HBM更严重的AI瓶颈,并强调在亚洲建设基地以确保持续供电。
en.sedaily.com ↗GMI Cloud在桃园展示AI工厂第一期,披露25MW总容量、16MW IT负载限制、87%液冷占比及PUE 1.35等关键数据。
ithome.com.tw ↗
还没定论的部分
- GMI Cloud如何通过软件工具具体优化GPU功耗以提高单位MW算力?
- 台湾电力公司对后续AI数据中心扩容申请的审批政策是否有变化?
- 第二期12月上线后,实际PUE值能否稳定降至1.3以下?