制約因素
AI 基礎設施瓶頸
AI 算力需求的成長速度已超過支撐它的基礎設施。約束是物理性的：電力、冷卻、密度、水、許可與部署速度。
電力
電網併網排隊與電力供應緊張，如今決定著 AI 建設的節奏。
冷卻
傳統氣冷難以應對現代加速器的發熱密度，並增加機械複雜度與能耗負擔。
密度
高密度 GPU 叢集超出傳統資料中心設計的承載能力，迫使昂貴改造或新建。
水
蒸發式冷卻消耗製程用水，在缺水地區備受審視，並拉長審批時程。
許可
綠地園區開發在多數轄區面臨多年的分區、環評與社區審查程序。
部署速度
算力買家以季度規劃，傳統資料中心建設以年計，AI 專案便停滯在這一落差之中。
營運模式
Platform Data 模式
Platform Data 以可複製的基礎設施單元 Data Node 應對這些制約：部署於合格工業場址，並透過 Nexus Center 以託管服務方式營運。
模組化 Data Node
1–10 MW 模組化範圍的高密度浸沒式冷卻算力設施；在合理情況下可以更大，以可複製單元建設。
單相浸沒式冷卻
為高密度 AI 算力而設計的單相液體浸沒式冷卻，較氣冷設計降低冷卻複雜度。
工業場址部署
部署於預備工業場址，利用既有電力、結構、分區與光纖，支持改造再利用並加快算力交付。
託管 GPU 與推論算力
客戶以託管服務方式使用具 SLA 保障的算力。Platform Data 負責場址、電力、冷卻、網路與日常營運。
Nexus Center 調度
將各 Data Node 連結為跨區域一體化託管服務環境的調度與管理層。
在地合規架構
合規導向的部署，按需提供資料在地留存支援，並依適用轄區要求建構。
場址＋電力
合格工業場址
浸沒式冷卻
單相液體
GPU 算力
高密度機房
網路
光纖連接
Nexus Center
調度層
客戶介面
託管算力
服務組合
我們的交付
Platform Data 營運場址、電力、冷卻、算力、網路、調度、計量、監控與合規證據，讓客戶以託管服務方式使用 AI 算力。
託管 AI 算力
透過託管基礎設施交付、具 SLA 保障的 AI 算力，免除自建自營設施的營運負擔。
預留算力
專屬或預留的 GPU 算力，為訓練專案、生產推論與平台承諾提供可預期的使用保障。
主權 AI 基礎設施
具備資料在地留存、可審計性與治理支援的在地化環境，服務政府與受監管工作負載。
批發算力
為需要區域供給的 AI、GPU 與雲端平台提供算力區塊，附託管營運與整合支援。
工業場址部署
將合格工業場址、電力資源與光纖路由轉化為 AI 基礎設施資產的部署合作。
調度層
Nexus Center
Nexus Center 將各 Data Node 連結為託管服務環境。客戶掌握算力表現，營運由 Platform Data 負責。
- 工作負載調度： 在區域政策與客戶要求允許的範圍內交付算力。
- 計量與帳務支援： 為即用與預留承諾提供透明的用量紀錄。
- SLA 可視性： 客戶可查看實測的服務水準表現。
- 監控與故障轉移協調： 對各 Data Node 進行持續營運監督。
- 合規證據： 支援企業、受監管與主權工作負載的審計級紀錄。
差異化
為何選擇 Platform Data
Platform Data 首重成本、效率與部署速度，其次是密度、韌性與合規導向的營運。
密度
浸沒式冷卻架構，為傳統設施難以承載的高密度 AI 算力而設計。
效率
以低冷卻負擔為目標，內部設計目標約為 1.03 PUE，惟須經驗證，且以場地條件、調試與運行狀態支持為前提。
部署速度
預備工業場址部署，較園區級綠地建設更快交付算力。
託管服務
單一責任營運商，貫穿場址、電力、冷卻、算力、網路與調度。
區域化部署
在客戶需要之處發展算力，視需求、電力供應、場址就緒度與監管可行性而定。
合規導向營運
為企業、受監管與主權客戶設計的在地營運架構、可審計性與資料在地留存支援，輔以夥伴導向的商業模式。
能源與永續
資源高效的基礎設施
AI 算力需求快速成長，但若加劇對水、土地、電力與周邊社區的壓力，基礎設施便無法負責任地擴張。Platform Data 將永續視為 Data Node 架構的工程結果，而非泛泛的環保宣稱。
水
閉環液體冷卻搭配非絕熱乾式冷卻器散熱；正常運行時無需蒸發式製程用水。
冷卻負擔
透過單相浸沒式冷卻以低冷卻負擔為目標，機械冷卻複雜度低於傳統氣冷設計。
佔地
以緊湊模組化佔地承載高密度算力，降低單位算力的實體佔地。
工業再利用
合格工業場址部署支持改造再利用，減少對大型綠地園區開發的依賴。
噪音管理
較低的機械冷卻複雜度有望降低噪音影響，惟須視場址噪音工程與當地要求而定。
熱能再利用
在可行情況下，Data Node 的熱能輸出可支持下游熱能再利用應用。