近日,在华为超高密模块化UPS全系列线上发布会上,新一代中大型UPS5000-H全系列产品正式发布。该系列搭载100kVA/3U超高密热插拔功率模块,是业界首个实现“一柜一兆瓦”的UPS产品。
发布会上,由华为数字能源产品线数据中心供电领域总经理李庆委和该系列产品的研发测试团队共同为新品揭幕。

供电系统未来发展关键词:
“高密””高效”“ 智能化”
UPS的技术发展十年一巨变,赛迪顾问电子信息产业研究中心副总经理贾珊珊在分享中表示,上一个10年,UPS新技术以“高频”“模块化”等特点驱动市场格局快速更替,下一个10年,随着新基建红利充分释放,UPS将迎来发展红利期,并且“模块化”“高密”“绿色”的特点将愈发凸显。
在此趋势下,数据中心供配电系统不断创新和发展,中国移动通信集团设计院信息能源所副所长李玉昇指出,当前数据中心供电设施面临运行效率低、设备体积大、维护工作量大等挑战,因此变革势在必行,通过技术演进、新技术和新产品推动供电设施向高密、高效、智能方向发展。
跨代升级,创新突破点:
一柜一兆瓦,3U 100kW
一直以来,华为持续投入研发创新,对UPS产品的性能和指标不断突破极限。据华为数字能源产品线数据中心供电领域总经理李庆委介绍,本次重磅发布的系列新品,实现了器件级、模块级、系统级的跨代升级。

FusionPower系列UPS 5000-H全系列产品图
华为100kW UPS功率模块在体积、热耗、散热等方面进行了创新设计。在体积方面,华为创新专利助力更小体积,打造刀片级功率模块,如“拓扑池化”专利,使体积降低40%;磁集成专利,使电感体积降低20%。在热耗方面,采用三电平于交错并联拓扑架构、先进器件优化及数字控制技术降低损耗。在散热方面,通过系统和部件的极致设计及布局实现超强散热能力,可在40℃长期不降额工作,提升散热能力50%。

100kW/3U超高密功率模块
功率模块密度的提升,意味着整机密度的提升,100kW/3U功率模块带来了高功率密度,实现“一柜一兆瓦”,系统效率高达97%,这将引领数据中心供电进入超高密、高效时代。
乘风破浪,聚焦技术攻关:
科研平台+专家力量
UPS5000-H全系产品从开发到正式发布历时两年半,在专家技术座谈环节,该系列产品的研发测试团队讲述了创新背后的故事。谈及开发过程,100K模块技术总工张春涛表示,最大的难点在于如何平衡各种复杂的因素,包括体积、效率、成本、DFX、器件的可服务性等。此外,还需要考虑作为全球化的产品,如何满足各个国家和地区的电压制式、安装场景的要求,进而在系统和架构设计上,确保产品具备良好的灵活性、可适应性等。

超高密模块化UPS全系列产品研发测试团队
开展专家技术座谈会
为实现技术突破,华为搭载2012实验室的平台实力,联合技术骨干、专家力量对难点问题集中攻关,并且优化可靠性测试策略,利用国内沿海、潮湿、低温、干燥和低气压环境五大外场,全面覆盖各种应用场景。
凭借强大的技术实力,华为UPS产品获得了行业和市场的认可,赛迪顾问发布的《2019-2020年中国UPS市场研究年度报告》显示,2019年度,华为UPS产品市场份额位居中国整体市场第一。
本次UPS 全系列新品的发布,是华为持续创新的一个成就,也是一个新的起点。展望未来,华为将继续打造更加极简、绿色、智能、安全的数据中心能源解决方案。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。