在国家“双碳”战略持续推进的背景下,环境调控系统正日益成为数字经济和实体经济中的基础性支柱。作为数字基础设施的“能量平衡中枢”与“碳排放大户”,环境调控系统直接影响算力设施的能耗效率和碳足迹指标。
成立于2000年的广东申菱环境系统股份有限公司,是一家集研发设计、生产制造、营销服务、集成实施、运营维护于一体的现代化企业,致力于为全球客户提供节能低碳的环境调控整体垂直解决方案。
1月21日,广东申菱环境系统股份有限公司ICT和储能事业部首席技术专家陈华在首届“国家绿色算力设施”推广交流活动上表示,算力设施的算力增长依赖于高效的温控系统,近40%的能耗来自于环境调控环节。在“双碳”目标指引下,这一系统不仅是保障算力可靠运行的基础,更是决定PUE与碳足迹的关键因素。

广东申菱环境系统股份有限公司ICT和储能事业部首席技术专家 陈华
对于实体经济而言,无论是智能制造、生物医药还是新型实验室,精密的环境控制直接关系到工艺质量、生产安全与能耗成本。陈华强调,环境调控系统正从传统的“辅助配套”升级为“核心赋能系统”,成为实现数字经济高效低碳与实体经济高质量发展的共同基石。
进入AI时代,算力设施的绿色节能面临更严峻挑战,AI算力的兴起推动数据中心从传统IDC向AIDC转型,单机柜功率密度从过去的10-20kW飙升至50kW甚至100kW以上。传统风冷系统已触及瓶颈,无法有效散热,导致效率低下和可靠性问题。液冷系统的引入成为必然,但随着液冷系统的引入,也带来了系统化工程的复杂性问题。
陈华解释称,液冷不同于风冷的可模块化运营,它涉及从源侧(冷却源)到端侧(机柜和机房级)和网侧(一次侧和二次侧管路)的串联流程。这种串联特性使得液冷难以简单复制粘贴,工程铺设难点包括交期协同、标准界面统一,以及长期运营的可靠性。运维挑战远超风冷系统,因为液冷涉及复杂管路和流体管理,任何泄漏或堵塞都可能导致系统故障。同时,AI服务器的热密度要求高精度控制,传统“三度空调”(温度、湿度、洁净度)理念已不足以应对,必须融入能源优化和协同管理。
申菱是2013年左右开始涉足数据中心业务,并统筹冷却、热侧和液侧,开始研发环境调控系统,传统家用或商用空调仅保证温度,工业工艺空调则控制“三度”(温度、湿度、洁净度)。但在算力设施领域,环境调控必须考虑能耗优化,因为其40%的能耗源于此。如果仅注重精度而忽略能源管理和系统协同,就无法构建高效系统。
“这一转型践行了‘双碳’政策,通过工具和方法的综合应用,实现冷却需求与能源优化的平衡。”陈华强调,申菱的进入标志着中国环境调控行业从通用设备向场景化、系统化演进的开端,在国家政策推动下,助力算力设施从高耗能向绿色低碳转型。
申菱的环境调控系统在这些年的产品和技术升级中,展现出显著的创新活力。从2013年进入数据中心领域起,申菱逐步构建了行业最全面的产品体系,包括机房精密空调、大型数据中心冷却方案,以及AI智算中心所需的液冷和风液同源产品。据陈华介绍,公司通过大量基础研究和调研,提升了产品的性能和适配性。例如,同一产品在华南、华东、华北地区的场景需求迥异,申菱依托丰富经验和应对八大集群的解决方案,提供定制化适配。这不仅体现在硬件上,还延伸到能源管理系统和碳监测系统。
申菱自主研发的能源管理系统,通过将现场应用案例和客户需求汇集,实现了可视化、可量化的数据分析。通过整合冷却系统与用电、用水耗能,客户可根据不同区域绘制温控园区能耗图谱,优化规划和设计。即使同一公司不同地区的数据中心,申菱也会提供基于本地情况的解决方案,避免团队脱节问题。
能源管理系统作为高附加值体验,不仅限于数据中心,还可复制到工业园区和智能制造场景。申菱在核电、新能源领域的投资,进一步打通底层技术和逻辑,避免额外研发负担拖累利润。申菱的碳监测系统则入选了国家目录,支持碳足迹追踪和排放优化。这些升级的核心优势在于跨行业数据拉通,例如从电力、核电、新能源借鉴节能方法,如铝代铜或不锈钢代铜的应用,虽未立即用于数据中心,但积累了技术基础。
陈华强调,申菱秉承场景化和定制化开发的理念,做To B业务时,将客户需求迭代为产品逻辑,快速切入新需求。同时,公司重视生产投入和品质管控,通过工厂大预制化实现同步开发:集成团队处理工程、BIM设计和现场管理,与产品开发并行,缩短交期并确保质量。在工厂预制的系统,到现场如复制般可靠,给客户直观感受。
随着数据中心“出海”趋势,申菱在东南亚项目中脱颖而出。陈华指出,出海并非仅应对认证和关税,更需考虑设备落地。海外如东南亚,高素质工人缺乏,基建条件不如国内。申菱从产品前端预设困难,将设计预制化、模块化:在工厂拼接好,按客户验收后拆解,现场如乐高积木拼搭。在一个1500冷吨、5台大型冷站集装箱的项目中,从下船到完工仅用15天。
展望未来,陈华对环境调控行业发展趋势持乐观但审慎的态度。她认为,现在行业空间巨大,行业竞争将会聚焦系统深度与专业细分,而非单纯规模。场景化深化研究和协同交付是基础,但更大的空间来自跨界:环境调控不止是冷却,还需融合电力升级(如绿电引入、高压直流)和算力结合(如单机柜突破200kW的万卡集群)。未来形式或将会从风液融合向相变冷板或沉浸式液冷演进。
本次“国家绿色算力设施”推广交流活动上,申菱也展示了风冷全变频氟泵一体机,通过氟泵自然冷却技术最大限度利用环境冷源,显著减少压缩机制冷系统的运行时间和能耗,有效降低了数据中心温控系统的冷却负载系数,藉由这样的环境调控系统,申菱正在紧跟AI趋势,面向AIDC加快发展脚步。
好文章,需要你的鼓励
Finastra最新研究显示,99%的英国金融服务公司已采用人工智能技术,AI已成为金融业的"连接纽带"。该技术不再局限于后台自动化,而是推动实时欺诈检测、个性化产品推荐和智能承保等创新应用。AI投资间接促使银行增加其他技术投入,安全支出预计2026年平均增长40%。九成公司计划投资技术现代化以支持AI扩展,云技术采用成为重点。
亚马逊FAR部门研究团队通过创新的"掩码比特建模"技术,突破了图像生成领域的传统认知。研究发现离散方法劣势源于信息容量不足而非技术路线缺陷,提出的BAR框架通过渐进式比特预测解决大词汇表计算难题,在ImageNet-256上创下0.99 gFID新纪录,同时实现数十倍的速度提升,为AI图像生成开启质量与效率并举的新时代。
HPE公司宣布其将为2026年米兰-科尔蒂纳冬奥会提供网络基础设施,这是HPE与其收购的Juniper Networks首次在重大赛事中联合部署技术服务。本届冬奥会覆盖超过2.2万平方公里,是史上地理分布最广的奥运会,拥有40多个场馆。HPE部署了包括4900多个接入点、1500多台交换机等设备,运用AI原生的HPE Mist平台和Marvis Copilot提供智能网络管理,确保为3000名运动员、媒体转播商和观众提供奥运级别的网络稳定性和安全性。
北京大学与美团联合研究团队提出轮廓引导路径探索(OPE)方法,解决AI并行推理中的"互信息饱和"问题。通过先生成多样化策略轮廓再执行具体推理,避免多条思路重复收敛的困境。在数学推理测试中,该方法显著提升了复杂问题的解决成功率,为AI推理能力的可靠性提升提供了新的技术路径。