内核技术
为密度、效率与管控而设计
Platform Data 架构由三层构成：单相浸没式冷却、Nexus Center 调度，以及资源高效的能源与永续策略。
第一层
浸没式冷却
Platform Data 采用单相液体浸没式冷却，支撑高密度 AI 算力，较气冷设计降低冷却复杂度并提升效率。服务器浸没于介电流体中运行，热量传递至闭环回路，由干式冷却器散热，正常运行时无需蒸发式制程用水。
为密度而设计
为超越传统气冷实际极限的高密度 AI 算力而设计。
低冷却负担
以低冷却负担为目标，内部设计目标约为 1.03 PUE，惟须经验证，且以场地条件、调试与运行状态支持为前提。
热稳定性
支持在持续 AI 工作负载下改善热稳定性。
紧凑部署
支持降低单位算力的部署占地。
更低机械复杂度
机械冷却组件少于传统气冷设计。
无水散热
支持非绝热干式冷却器散热；正常运行时无需蒸发式制程用水。
第二层
Nexus Center
Nexus Center 是将各 Data Node 链接为托管服务环境的调度与管理层，为客户提供单一接口，管理可能横跨多个区域与合规情境的算力。
- 工作负载调度 ，与区域政策管控对齐。
- 计量与帐务支持 ，涵盖即用与预留算力。
- SLA 监控 ，具备面向客户的可视性。
- 合规证据 ，满足审计与治理要求。
- 营运可视性 ，覆盖每一座接入的 Data Node。
第三层
能源与永续
电力、水、土地、许可与社区接受度，如今决定着 AI 基础设施的部署地点与方式。Platform Data 将永续策略内嵌于 Data Node 的实体架构，而非在传统设计之上叠加宣称。
Platform Data 的 Data Node 架构旨在降低 AI 基础设施的实体资源强度。通过结合单相浸没式冷却、闭环干式冷却器散热、紧凑模块化部署与预备工业场址再利用，Platform Data 为托管 AI 算力的规模化提供更高效的路径。
按属性看资源效率
| 属性 | 方法 |
|---|---|
| 水 | 闭环液体冷却搭配非绝热干式冷却器散热；正常运行时无需蒸发式制程用水。 |
| 能源效率 | 浸没式冷却架构以低冷却负担为目标，内部设计目标约为 1.03 PUE，惟须经验证，且以场地条件、调试与运行状态支持为前提。 |
| 空间效率 | 高密度浸没式冷却支持紧凑的 Data Node 部署，降低单位算力的实体占地。 |
| 噪音管理 | 较低的机械冷却复杂度有望降低噪音影响，惟须视场址噪音工程与当地要求而定。 |
| 工业再利用 | 合格工业场址可支持改造再利用、加快部署，并减少对大型绿地园区开发的依赖。 |
| 热能再利用 | 在可行情况下，Data Node 的热能输出可支持下游热能再利用应用，例如工业制程热、区域供热、温室供热、水产养殖或生活热水预热。 |
| 治理与合规 | 在地营运架构、合规导向流程、审计证据与 Nexus Center 可视性，支持企业、受监管与主权工作负载的负责任部署。 |
Platform Data 以可衡量的基础设施效率界定 ESG 表现，仅在取得正式验证后发布经验证的指针。