机房的电力架构：UPS、柴发与双路供电

机房怎么散热、PUE 怎么压，此前讲电力与冷却的文章已经覆盖；这篇讲同一栋楼里的另一半：供电架构。散热决定机房省不省电，供电决定机房稳不稳定——对 AI 集群来说，一次毫秒级的供电抖动就可能让整柜训练任务崩溃重来，供电架构的价值不亚于任何软件层面的容错设计。这篇从电网一路讲到机架，把每一级的职责与冗余逻辑说清楚。

从市电到机架：供电链条的层级

市电引入与高压配电

数据中心的电从公用电网来，第一步是市电引入。机房通常以高压等级接入，电力进入自建的高压配电系统，在这里完成第一级分路与保护。高压配电的设计要点是冗余：重要的机房会从不同的变电站或不同的馈线引入两路独立市电，两路电源在物理路径上分开走线，避免同沟同井——一条电缆沟被第三方施工挖断，不该带走整栋楼的电。市电引入之后经过变压器降为低压，进入低压配电系统，再分配给 UPS、制冷、照明与机架负载。变压器通常按冗余标准配置，单台故障不中断供电，检修时也可以分路轮停。两路市电的独立程度也有差别：理想情况是来自不同的变电站与不同的物理走廊，退一步是同站不同馈线；独立程度越高，同时失电的概率越低，但取得条件由当地电网结构决定，不是机房自己能选的。选址与尽调阶段要把两路市电的来源与路径问清楚，写进评估报告——这是图纸上看不出、出事时才显出价值的信息。

从低压配电到机架 PDU

低压配电之后，电走两条路径：一路经 UPS 供给关键 IT 负载，另一路直接供给制冷等辅助系统。进入机房的最后一米是机架 PDU，它把电分配到服务器的电源模块。AI 机柜的功率密度远超传统机柜，单柜几十千瓦已属常态，PDU 与电缆的载流能力、双路接入的平衡分配都要按高密度重新设计，铜排与接点的温升监控也从可选变成必要。供电链条的每一段都是潜在故障点，架构设计的核心思想只有一个：让任何单点故障都不至于传导到服务器。理解这条链条是看懂机房一切可靠性指标的前提。

AI 机柜对供电链的额外压力

传统机柜单个功率几千瓦，AI 训练机柜动辄几十千瓦，功率密度上了一个数量级，供电链的每一环都要重新审视。普通机柜靠插头与固定 PDU 配电，高密度机柜要走母线排；电缆的载流与压降、接点的温升、相位的平衡，都从装完不用管变成需要持续监控的对象。服务器电源的配置同样要重新计算：AI 服务器的电源功率大、冗余要求高，双电源每路都要能独立带整机，配电开关与线缆规格要按满载再加余量选型。功率密度的跃迁不是简单的数字放大，它会改变配电技术的选型边界。租用机柜时这一点尤其要问清：机房支持的最大机柜功率，决定了你能不能用下一代整机。

UPS：毫秒级的缓冲层

为什么必须有 UPS

市电并不像想象中稳定，电压瞬变、频率波动、短时中断都是常态事件。服务器电源对几十毫秒内的中断尚能靠电容撑一下，但市电异常可能持续数百毫秒到数秒，远超缓冲极限。UPS 的职责就是在市电异常的瞬间无缝接管，把供电质量的波动挡在 IT 负载之外。它本质是一个缓冲层：市电正常时整流储能，市电异常时逆变放电，为下游争取时间。

在线双变换与电池管理

主流机房采用在线双变换 UPS：市电进来先整流成直流，再逆变成交流输出，负载始终由逆变器供电，市电的任何波动都被隔离在外。这种拓扑效率略低但隔离最彻底，配合静态旁路与维护旁路，UPS 自身故障或检修时负载可以切到旁路供电而不中断。电池是 UPS 的另一半：铅酸电池便宜但寿命短占地大，锂电池贵但密度高寿命长，正在快速普及。电池不是装完就完事的设备，定期放电测试与容量核验是运维的规定动作，很多事故的根源是电池早已失效而没有人知道。UPS 的容量规划同样有讲究：按满载再加增长余量选型，负载率过低效率差、过高没有缓冲，行业经验是把常态负载控制在额定容量的中间区间；几台 UPS 并机运行可以兼顾容量与冗余，并机的环流与负载均衡是安装调试的关键项。电池室的温控也常被忽视——电池寿命对温度极其敏感，环境温度持续偏高，寿命就明显缩短，电池室的空调是花小钱保大钱的典型。

柴油发电机：小时级的兜底

启动与切换的时间线

UPS 的电池只够撑几分钟到几十分钟，它的任务不是长期供电，而是给柴油发电机争取启动时间。市电中断后，柴发在十几秒内自动启动建压，经过切换开关接管负载，之后可以连续供电数小时甚至数天——只要燃料跟得上。这条「市电断、UPS 顶、柴发接」的时间线是机房供电可靠性的主骨架，任何一环的启动失败都要靠冗余来兜底，所以柴发通常按冗余台数配置，定期空载与带载试机是硬性制度。

燃料是柴发体系的软肋

柴发可靠性的最大变数不在机器本身而在燃料。主油罐加日用油箱的双层储备是标准做法，满储燃料要能支撑满负荷运行足够长的天数；同时要与供油商签订应急补给协议，极端情况下连续补油。历史上多次大面积停电事故里，柴发链条的真实考验往往不在启动而在补给——机器都转得好好的，油快没了。评估一个机房的供电可靠性，一定要看它的燃料管理制度与补油演练记录，而不只是柴发的品牌与台数。柴发的维护制度也值得单独一提：空载试机验证能不能转，带载试机验证能不能带得动，燃油定期化验防止油品变质堵住油路，电瓶与冷却液的周期更换防止启动失败。很多机房的事后复盘发现，柴发不是没有，而是启动失败或带载失败——平时只在空载状态下转几分钟的机器，未必能在真实停电时一次点火成功。

直流供电与新形态的探索

交流 UPS 之外，直流供电在大型数据中心有成熟的实践：市电经整流后以高压直流直接配送，省去逆变环节，链条更短、效率更高，头部互联网公司多年运行的可靠性数据支撑了这条路线。AI 时代的功率密度进一步推动供电形态演进：机柜功率高到一定程度，机柜内的电源转换开始向集中式迁移，整机柜级别统一变压配电，甚至出现把电源独立成柜的供电侧车形态，让计算柜的空间全部留给算力；芯片与整机厂商已在规划更高电压的直流供电架构，用来支撑下一代机柜的功率等级。这些新形态还没有取代传统架构的主流地位，但方向明确：供电链条在向更短、更集中、更高效的形态演进，评估新机房时值得把这类能力列入问询清单。

双路供电：冗余的标准形态

A/B 路与冗余架构

服务器级供电冗余的标准形态是双路：每台服务器配两个电源模块，分别接自 A、B 两条完全独立的供电链路，每条链路有自己的 UPS 与配电系统，任何一条链路整体故障，另一条立即承担全部负载。做到极致是 2N：两套容量各自能独立承担全部负载的系统互为镜像；降一档是 N 加一：总容量加一块冗余，故障时重新分配。AI 服务器的功耗大，双电源的每一路容量都要能单独带动整机，这一点在选型与机柜配电设计时经常被低估。双路的价值不仅在故障切换，还在检修：一条路维护时业务照跑，供电系统得以在不影响业务的前提下完成周期性保养。

冗余是有代价的

冗余不是免费的：双套系统的投资显著上升，空闲容量拉低整体利用率，运维复杂度也随之增加。Tier 分级本质上就是在「花多少钱买多少可靠性」这件事上给出行业标准答案。冗余设计还要警惕假双路：两条线路表面独立，深挖下去共用一台变压器或一段母线，冗余在图纸上是完整的，在物理世界里是连通的。审计供电架构要顺着单线图走到每一个断路器，确认物理独立性真实存在，这件事最好在签约前的尽调阶段做，而不是在第一次事故后。

可靠性的标尺：Tier 分级

行业通行的 Tier 分级把数据中心基础设施的冗余程度分为几个等级：从基础的单路供电，到多路冗余可在线维护，到容错级的多重独立系统，等级越高，理论可用性越高，造价也越高。理解 Tier 的正确姿势是把它当作设计语言的对照表：甲方说三级，双方就能对供电冗余、维护方式与预期可用性有基本一致的预期。但 Tier 认证只描述基础设施的设计能力，不担保运营质量——同一等级的机房，运维水平不同，真实故障率可以差很远。选机房要看等级，更要看运营记录：历史配电跳闸次数、柴发启机记录、电力事故复盘报告，这些比证书更能说明问题。对 AI 集群还有一层特殊考量：训练任务对短时供电抖动的耐受度可能比想象更低，任务崩溃重来的代价要折算进供电等级的经济账，有时为训练集群多买一级冗余是划算的。还要注意等级与功率密度的组合问题：同一等级的供电架构，支撑传统密度与支撑 AI 密度的改造成本完全不同。租用机房时，问清机柜能到多少千瓦只是第一步，还要问这个功率下 UPS 与配电是标准配置还是需要定制改造、改造期多长、费用谁承担——这三问的答案，经常改写两个机房的性价比排序。

供电的监控与运维

供电架构是静态设计，运维是让它长期兑现设计的动态过程。电气监控系统把各级配电的状态、电压电流与开关位置实时汇到值班台，异常先于人工被发现；红外测温周期性排查接点发热——大量电气事故的前兆就是某个接点的温度悄然爬升；预防性试验按周期对继电保护、绝缘与接地做检验，把劣化的元件在故障前换掉。单线图管理是其中的文档工程：供电系统的每一次改造都要同步更新图纸，几年不更新的单线图会让排障时间翻倍。供电运维的目标不是不出事，而是让劣化与异常在变成事故之前被看见。

小结

机房的供电架构是一条从电网到芯片的接力链：市电引入与高压配电完成第一道分路与隔离，变压器与低压配电把电分给各路负载，UPS 以毫秒级缓冲挡住市电波动，柴油发电机以小时级续航兜底长时间停电，机架 PDU 完成最后一米分配。可靠性的来源是冗余：双路市电、冗余变压器、备用柴发与 A/B 双电源构成层层备份，双套镜像是最彻底的形态。Tier 分级为「花多少钱买多少可靠性」提供了行业方言，但认证描述的是设计能力而非运营质量，真实可靠性要看运维记录与演练痕迹。对 AI 集群而言，供电架构还有一层业务含义：训练任务崩溃重来的代价高昂，供电抖动不只是闪一下，而是数小时算力归零。评估与设计供电体系，永远要顺着链条走完全程——从变电站走到 PDU，从单线图走到物理路径，从设备铭牌走到运维演练记录。可靠性不住在参数表里，住在细节里。