核心技術
為密度、效率與管控而設計
Platform Data 架構由三層構成：單相浸沒式冷卻、Nexus Center 調度，以及資源高效的能源與永續策略。
第一層
浸沒式冷卻
Platform Data 採用單相液體浸沒式冷卻，支撐高密度 AI 算力，較氣冷設計降低冷卻複雜度並提升效率。伺服器浸沒於介電流體中運行，熱量傳遞至閉環迴路，由乾式冷卻器散熱，正常運行時無需蒸發式製程用水。
為密度而設計
為超越傳統氣冷實際極限的高密度 AI 算力而設計。
低冷卻負擔
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。
熱穩定性
支持在持續 AI 工作負載下改善熱穩定性。
緊湊部署
支持降低單位算力的部署佔地。
更低機械複雜度
機械冷卻元件少於傳統氣冷設計。
無水散熱
支持非絕熱乾式冷卻器散熱；正常運行時無需蒸發式製程用水。
第二層
Nexus Center
Nexus Center 是將各 Data Node 連結為託管服務環境的調度與管理層，為客戶提供單一介面，管理可能橫跨多個區域與合規情境的算力。
- 工作負載調度 ，與區域政策管控對齊。
- 計量與帳務支援 ，涵蓋即用與預留算力。
- SLA 監控 ，具備面向客戶的可視性。
- 合規證據 ，滿足審計與治理要求。
- 營運可視性 ，覆蓋每一座接入的 Data Node。
第三層
能源與永續
電力、水、土地、許可與社區接受度，如今決定著 AI 基礎設施的部署地點與方式。Platform Data 將永續策略內嵌於 Data Node 的實體架構，而非在傳統設計之上疊加宣稱。
Platform Data 的 Data Node 架構旨在降低 AI 基礎設施的實體資源強度。透過結合單相浸沒式冷卻、閉環乾式冷卻器散熱、緊湊模組化部署與預備工業場址再利用，Platform Data 為託管 AI 算力的規模化提供更高效的路徑。
按屬性看資源效率
| 屬性 | 方法 |
|---|---|
| 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。 |
| 能源效率 | 浸沒式冷卻架構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。 |
| 空間效率 | 高密度浸沒式冷卻支持緊湊的 Data Node 部署，降低單位算力的實體佔地。 |
| 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。 |
| 工業再利用 | 合格工業場址可支持改造再利用、加快部署，並減少對大型綠地園區開發的依賴。 |
| 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，例如工業製程熱、區域供熱、溫室供熱、水產養殖或生活熱水預熱。 |
| 治理與合規 | 在地營運架構、合規導向流程、審計證據與 Nexus Center 可視性，支持企業、受監管與主權工作負載的負責任部署。 |
Platform Data 以可衡量的基礎設施效率界定 ESG 表現，僅在取得正式驗證後發布經驗證的指標。