全球最大AI算力单体投产：远景星河基地的绿电直连与算力密度设计

星河基地的核心参数

2026年8月6日，远景科技集团宣布乌兰察布星河基地正式投产。这个项目刷新了AI基础设施的多项纪录：12万平方米建筑体量（约20个标准足球场）、百万卡并行能力、百万P（PFLOPS）算力规模、园区总规划容量2GW、绿电直连比例超80%。它不仅是全球最大的AI算力超级单体，也是目前Token产出能力最强的单体AI数据中心。

从服务器运维角度看，这个项目的规模对传统数据中心运维提出了全新挑战。百万卡并行意味着GPU集群的网络拓扑、供电架构、散热方案都需要重新设计，不能照搬传统IDC的运维手册。

绿电直连的供电架构

星河基地选址乌兰察布的核心逻辑是绿电资源。乌兰察布风能资源丰富，年等效利用小时数超过2400小时，远景在当地布局了大规模风电场。绿电直连比例超过80%，意味着基地的电力供应大部分来自就地风光发电，不经过电网传输，减少线损和变压损耗。

这种供电架构对运维的影响是：电力供应存在波动性。风速和光照的变化导致发电功率在短时间内可能波动30%-50%。智算中心如果按传统方式运行，GPU集群在功率波动时会出现欠压重启。远景的解决方案是在基地内部署大规模储能系统，用电池储能平抑绿电波动，为GPU集群提供稳定的电力输入。

运维团队需要监控的关键指标包括：实时发电功率与负载功率的差值、储能SOC（荷电状态）、各区域PDU（电源分配单元）的电流均衡度。绿电直连模式下，这些指标的告警阈值设置需要比传统IDC更宽松的容错范围，否则频繁告警会让值班人员疲劳响应。

百万卡并行的网络拓扑

百万卡GPU集群的网络架构是决定训练效率的关键因素。传统数据中心用的是Spine-Leaf架构，但对于大规模分布式训练，这种架构的跨交换机延迟会成为瓶颈。星河基地大概率采用基于InfiniBand或RoCEv2的Fat-Tree拓扑，配合同轨（co-located）设计减少跨交换机通信。

在实际运维中，百万卡集群的网络故障定位是个难点。一张网卡掉速、一根光纤衰耗偏大，都可能导致某个AllReduce操作的超时，进而拖慢整个训练任务。运维团队需要部署逐卡、逐链路的网络健康监测，包括IB链路的Symbol Error计数、RC（Reliable Connection）重传率、以及跨交换机的尾延迟（Tail Latency）分布。

散热方案与PUE控制

2GW总规划容量的数据中心，散热能耗占比极大。乌兰察布年均气温4.3℃，年均风速3.5m/s，天然适合自然冷却。星河基地大概率采用”冷水机组+自然冷却”混合方案：冬季和过渡季利用乌兰察布低温空气直接冷却冷却水，夏季启动冷水机组补充制冷。

对于GPU集群的散热，百万卡规模的散热方案大概率是液冷——冷板式液冷或浸没式液冷。风冷方案在单机柜功率超过30kW后基本不可行，而百万P算力规模的单机柜功率可能在50-100kW。运维团队需要关注液冷回路的流量均衡、CDU（冷水分配单元）的进出口温差、以及漏液检测探头的响应灵敏度。

算力资源规划的实际建议

如果你的企业也在规划大规模算力集群部署，从星河基地的设计中可以提取几个可复用的经验：第一，选址优先考虑绿电资源丰富且气温低的地区，电价和PUE直接决定运营成本；第二，供电架构上做”绿电+储能+市电备源”的三级设计，而不是完全依赖电网；第三，网络拓扑的扁平化比带宽总量更重要，减少一层交换机就能把AllReduce的尾延迟降低20%-30%；第四，散热方案从设计阶段就锁定液冷路线，不要给风冷预留空间，否则后期改造的成本远超初期投入差异。