波仔
🕸️ 第六章 Web与云计算的关系
📄 一句话概括

云不是没有机房，是把机房搬到了你看不见的地方；而 PUE 差 0.4，一年差出几千万美元。

📝 本节和前面几节的关系

上一节讲了卖云的公司。这一节往下再看一层——云最终落脚在一座座真实的建筑里。教材 6-6 的并列关键词是【数据中心、主机租用、机房租用、主机托管】，四个词全是【租】的不同写法。

一、三种【租】的区别

名字很像，分界线只有一个：机器归谁。

机器归你，你就得管到操作系统那一层；机器归服务商，你只管上面跑什么。

租得越省事，能改的地方就越少——这条规律从 6-2 的 IaaS/PaaS/SaaS 一路贯到这里，是同一条线在不同层面的重复。

二、数据中心有多大

2026 年的几个数字：

电力才是真正的瓶颈。 现在制约新数据中心建设的第一因素不是地皮，而是能不能拉到足够的电——有些市场新接电要排两三年。

这也解释了为什么几大厂商最近都在签核电协议：它们需要的是 7×24 稳定的基荷电力，光靠光伏风电撑不住。

三、AI 改变了机房的物理形态

同一个机柜，装的东西变了：

40 ÷ 6 ≈ 6.7 倍。 这个变化不是【多一点】，是换了一代基础设施：

这是一条很实在的观察角度：判断一个机房能不能跑 AI，不用看它有多大，看它的单机柜供电能力就够了。

四、PUE：一个数字，一年几千万

PUE（电能利用效率）= 整个机房的总用电 ÷ 里面 IT 设备用的电。 完美值是 1.0——理论上做不到，因为它意味着冷却、配电、照明一分钱不花。

现实中的水平：

PUE 多出来的那部分，全是散热和配电损耗——它不产生任何算力，纯粹是【为了让它能跑】而花掉的钱。

所以这个数字在规模上非常值钱。 一座 IT 设备 100 MW 的机房，PUE 从 1.5 降到 1.1，一年就能省出 3500 万美元——这就是云厂商死磕 PUE 的原因。 这也从另一个角度解释了：【自己搭机房】为什么很难比云便宜——你拿不到那个规模效应。

五、动手 Demo：PUE 差 0.4，一年差多少

把上面那笔账自己算一遍——这是本章里最【见钱】的一个数字。

it = 100.0
for pue in (1.5, 1.1):
    total = it * pue
    print("  IT %.0f MW，PUE %.1f -> 总用电 %.0f MW，非 IT 开销 %.0f MW"
          % (it, pue, total, total - it))
diff = it * 1.5 - it * 1.1
mwh = diff * 8760
print("  差 %.0f MW" % diff)
print("  一年 %.0f MW x 8760 h = %.0f MWh = %.1f GWh" % (diff, mwh, mwh / 1000))
print("  按每度 0.1 美元 = %.0f 万美元 / 年" % (mwh * 1000 * 0.1 / 10000))

实跑输出：

--------------------------------------------------------------------
三种【租】的区别
--------------------------------------------------------------------

  名字        你拿到什么                              机器是谁的
  ----------------------------------------------------------------
  主机租用    一整台服务器，独享，按月付              服务商
  机房租用    一个机柜 + 电 + 网，服务器自备          你自己的
  主机托管    一块共享空间 + 管理界面                 服务商

  三者的分界线是【机器归谁】：机器归你，你就得管到操作系统那一层；
  机器归服务商，你只管上面跑什么。租得越省事，能改的地方就越少。

  数据中心本身（2026 年）：

  指标                    数字
  ------------------------------------------------------------------
  全球超大规模数据中心    约 1297 座在跑，另有 770 座在建
  全球数据中心耗电        约 1000 TWh，占全球用电 3.5% ~ 4%
  机房租用价格            2024 年以来，一线城市涨了 15% ~ 25%

  单机架的功率密度，被 AI 彻底改写了：

  用途              每个机架
  ----------------------------------
  传统计算          6 ~ 10 kW
  AI 训练           40 ~ 100 kW

    40 ÷ 6 ≈ 6.7 倍——同一个机柜的位置，现在要扛住六七倍的电和热。

  PUE = 整个机房的总用电 ÷ 里面 IT 设备用的电（完美值 1.0，做不到）

  谁                      PUE
  ------------------------------------------------
  全世界平均              1.55
  Google 全公司           1.09（最好园区 1.04）
  企业自建                1.5 ~ 1.8
  老机房                  1.8 ~ 2.5

  拿一座 IT 设备 100 MW 的机房算账：

    PUE 1.5 → 总用电 150 MW，非 IT 开销 50 MW
    PUE 1.1 → 总用电 110 MW，非 IT 开销 10 MW
    差 40 MW

    一年：40 MW × 8760 小时 = 350400 MWh = 350.4 GWh
    按每度电 0.1 美元算 ≈ 3500 万美元／年

  这 3500 万美元买的不是算力，是【散热和配电损耗】。PUE 差 0.4，一年差出一座小机房。

看前两行：同一个 100 MW 的机房，PUE 1.5 和 1.1 之间差了 40 MW 的非 IT 开销。40 MW 是什么概念？差不多是一座中型工厂的用电量，全部花在散热和配电上。 看最后一行：一年约 3500 万美元。注意这是【按 0.1 美元一度】算的——商业电价高的地方，这个数字还要往上翻。 带走一个判断：PUE 是衡量一个机房【内功】的核心指标。它不炫技，但它直接决定了你每一度电里有多少变成了算力。这也是为什么几大厂商会公开自己的 PUE——它是最有说服力的运营能力证明。

30 秒实验

  1. 查一下你所在省份有没有大型数据中心，它对外公布的 PUE 是多少。
  2. 看看你手机里的照片存在哪——是不是某家厂商的对象存储。
  3. 算一下：一台 300 W 的服务器，一年电费大概多少（按 0.6 元一度）。

常见误区

  1. 错误：云就是【不需要机房】。——纠正：云只是把机房搬到了你看不见的地方。 而且它比你自己的机房更大、更耗电、也更专业。你的机房里少了一台机器，某个地方就多了一台。
  2. 错误：PUE 越低越好，所以要拼命降。——纠正：方向对，但不是无限低。 1.0 是理论上限，做到 1.1 已经是世界级。为降 0.05 花掉的改造费，可能几十年都收不回来——工程上要看投入产出，不是越极端越好。
  3. 错误：机房租用和主机租用是一回事。——纠正：机器归谁不同。 机房租用（托管）是你自己买服务器放进人家机房；主机租用是连服务器一起租。前者你管到硬件，后者服务商管。
自测三问（点开对答案） 1. 主机租用、机房租用、主机托管，区别在哪？ —— **机器归谁。** 主机租用：整台服务器是服务商的；机房租用：机柜是租的、服务器是你自己的；主机托管：你连机器都不碰，只租一块空间和服务。**租得越省事，能改的地方就越少。** 2. PUE 是什么？为什么 1.5 和 1.1 的差别能值几千万？ —— PUE = 机房总用电 ÷ IT 设备用电，**多出来的部分全是散热和配电损耗**。IT 设备 100 MW 时，1.5 与 1.1 差 40 MW，一年 350 GWh，**按 0.1 美元一度约 3500 万美元**。 3. AI 为什么把机房改了个样？ —— 因为**单机架功率从 6~10 kW 涨到 40~100 kW**，风冷搬不走这个热量，**液冷从可选变成必需**。同样 40 MW 的机房，以前能放一万多台服务器，现在不到三千台。

相关笔记