开放数据中心标准推进委员会 ODCC 2025年9月 基于预制模块化数据中心场景的冷却 系统智能调优技术报告 [编号 ODCC-2025-06005] 版权声明 ODCC（开放数据中心委员会）发布的各项成果，受《著 作权法》保护，编制单位共同享有著作权。 转载、摘编或利用其它方式使用 ODCC 成果中的文字或 者观点的，应注明来源：“开放数据中心委员会 ODCC”。 对于未经 同；未考 虑设备的运行效率问题，导致运行能耗高等问题。即便预制模块化 现有产品和技术，也存在类似问题，因此需要制定新的技术规范来 更好地指导此场景下的能效调优。 通过数字化技术，可大量收集数据中心现场环境和能耗数据， 运用基于 AI 和云计算的能效优化技术，提高制冷系统整体效率，持 续优化数据中心 PUE。本技术在预制模块化场景下，以冷却调优内 容为主，建立系统层面的全局智能调优方法，从而更大程度上起到 术语、定义、缩略词..........................................................................................2 三、 预制模块化数据中心冷却系统智能调优技术..................................................3 四、 平台建设........................

.........................................................................................21 4.4 报警模块................................................................................................... ....................................................................................... 22 4.6 企业相关模块................................................................................................... .......................................................................................25 4.9 系统对接模块...................................................................................................

通用性强的公共资源和基础支撑建设 ， 制定相关技术标准 负责贯通市县的省级统建业务模块建设 ，建立本部门 业务条线数据管理机制 负责统筹协调 ，研究确定水利统建业务事项、 数据责 任和推进机制 ，指导平台建设 配合省级统建业务模块建设 ，落实 “ 1 +X” 数据管理 机制 ，负责本级数据仓、 工作门户及自建模块建设 市县 水管理平台总体设计 工作分工 省水利信息 宣传中心 ，支持各处室、各级水 利主管部门在统一框架标准下实施数据入仓、 模块上架 ；初步实现水管平台与钱塘江 防洪减灾数两大平台整合。 水管理平台建设 进展成效（ 1161 ） ： 1 个统一工作 门户 移 动 端 22 模块上线 5 数字看板 9 办公应用 8 公共服务 PC 端 43 模块上线 6 大业务 +1 个公共服 务 14 个处室 个处室 涉及 6 大核心业 务 各处室均有模块 模块建设（业务应用 ）完成 PC 端 43 个和移动端 25 个模块整合开发 ，目前主要面 向省级用户 ，以新建大屏、整合已建系统为主 ；也包括水资源管理、 标准化监管、 公 文交换等 20 个涉及市、 县用户的应用 ，已实现省市县三级按权限分级使用。 水管理平台建设 进展成效（ 1161 ） ：六大核心业务应 用 已印发 ： 1 个平台总体方案

27 2.2.3 算法优化与集成.........................................................................29 3. 核心功能模块..............................................................................................32 3 合解决方案。DeepSeek 智算一体机将采用模块化设计，确保系统 的高效性、可扩展性和易维护性。 在硬件方面，DeepSeek 智算一体机将搭载最新的多核处理 器、高速内存和大容量存储设备，以支持大规模的医疗数据处理。 同时，显卡和专用加速器将被集成用于加速深度学习模型的训练和 推理，特别是在医学图像识别和自然语言处理任务中表现优异。网 络模块将支持高速数据传输，确保医疗数据在院内外的快速共享与 的要求。 通过以上设计，DeepSeek 智算一体机将成为医疗机构数字化 转型的重要基础设施，提升医疗服务的效率和质量，同时降低运营 成本。它不仅能够满足当前医疗行业的计算需求，还能够通过模块 化设计和灵活的扩展能力，适应未来技术的演进和业务的发展。 1.1 项目背景与目标 随着医疗行业的快速发展，传统的数据处理方式已无法满足现 代化医疗场景中日益增长的计算需求。医疗数据的复杂性、多样性

大块 ，每个部分又可细分为不同的模块和子模块。每 个 模块各司其职 ，有着独立且明确的目标。 规划模块的作用主要是根据车辆实 际行驶时面临的实时交通环境， 生 成对应的行进规划， 如跟车、 加速、 换道、制动等。 控制模块的作用是操纵车辆， 协调 车辆的动力系统、 制动系统等， 按 照规划模块输入行进规划， 实 施驾 驶行为。 感知模块的作用主要有 3 点： • 识别周边物体， 检测交通信号， • 明确物体坐标， 传统的自动驾驶算法框架 传统的自动驾驶算法是基于规则开发的 控 制模块 规 划模块 感知 模块 类别 优点 缺点 模块化方案 • 由众多子模块组成， 每个对应 特定的任务和功能； • 可解释性强， 每个独立模块负 责单独的子任务， 便于问题回溯， 易于调试等。 • 存在多个编解码环节， 会 产生计算的冗余浪费， 耗费大量精力解决。 端到端方案 • 输入感知信息， 直接生成控制 决策信号， 更接近人的驾驶习惯； • 可借助数据的多样性获得不同 场景下的泛用性； • 减少感知、决策等中间模块的 训练过程， 可集中模型训练资源。 • 黑盒模式， 解释性差， 当 系统出现错误时， 难以判断是 哪个隐藏层或神经元的问题； • 闭环验证较难， 缺少真实 数据验证。

17 19 23 24 24 25 2 随着云计算、大数据以及人工智能等新兴技术的迅猛发展，我国数 据中心产业也迎来了高速增长期。当前，数据中心正朝着大规模、高 功率密度、绿色低碳、模块化建设等方向演进。在这一趋势下，供配 电系统作为核心基础设施，其在经济性、可持续性、灵活部署与高可 靠性等方面面临更高要求。传统通过列头柜+电缆进行机房配电的方 式，因结构固定、布线复杂、扩展困难等问题，已难以满足现代数据 建设与碳中和发展趋势，为企业实现可持续发 展目标提供支持。 母线系统 传统系统 5 此外，部署周期难以满足快速上线需求： 互联网行业对数据中心快速上线的需求越来越 迫切，传统配电方式因施工流程复杂，难以适 配模块化、工厂预制的部署趋势。 最后，空间利用率偏低：列头柜占用机柜 位，在空间资源紧张的场景下，无法适适应高 密度建设需求。在此背景下，机房配电母线作 为更高效、灵活的替代方案，正逐步成为行业 主流选择。 电母线作为创新型配电解决方案，以全新的设 计理念和技术特性形成了系统性的解决方案与 突破性优势。 DAYS 母线系统工期 DAYS 传统系统工期 30 6 2.1 数据中心末端配电母线特点 数据中心末端配电母线是基于模块化设计的新型配电系统，通过整合电力传输、智能监测与 灵活扩展功能，实现数据中心供配电体系的高效升级。 采用数据中心末端配电母线方式由于省去了列头柜，原列头柜的位置可增加配置1个IT机柜。 一般每2

磁盘中不生 成中 间结果，节省 IO 时间 分析过程越多， 性能提升越明显 P32 P33 模块 1 模块 3 模块 4 模块 2 容器化部署 微服务化 单体架构 模块 1 模块 4 模块 3 模块 3 模块 4 模块 2 模块 1 模块 4 模块 2 模块 1 模块 2 模块 3 …… 微服务化架构 P34 管 理 安 集 全 群 缓 日 存 志 …

1.1 整体架构图.................................................................................37 3.1.2 模块划分与功能设计..................................................................40 3.2 数据集成与处理........... DeepSeek 智能体在医疗系统中的应用具备显著的技术优势， 其核心能力建立在多模态大模型、垂直领域微调和高效计算架构三 大技术支柱之上。该智能体采用混合专家模型（MoE）架构，通过 动态激活稀疏参数模块，在保证推理速度的同时将医疗文本理解准 确率提升至 93.2%，远超通用型大模型 78.5%的基准水平。其知识 蒸馏技术可将 300 亿参数模型压缩至 8GB 显存占用，使三甲医院 的常规 GPU  医保拒付减少：诊断编码 AI 校验模块降低 DRG 分组错误率 67% ” ” 技术实施路径采用 云边端 协同架构，在数据中心部署 DeepSeock-Medical 主模型的同时，通过边缘计算节点实现急诊 等场景的毫秒级响应。值得注意的是，所有效益预测均基于已在华 东地区 6 家三甲医院 POC 测试中验证的数据模型，其中检验科智 能审核模块的假阴性率已控制在 0.03%以下，达到

4.2.1 软件架构设计.............................................................................86 4.2.2 模块开发.....................................................................................88 4.3 测试与评估 况信息等多维度数据，构建了智能化调度模型和预测系统。 DeepSeek 技术的核心模块包括数据采集与清洗、特征工程、 模型训练与优化、以及实时决策支持。数据采集与清洗模块通过传 感器、GPS 设备和移动应用收集实时数据，并进行去噪和标准化处 理，确保数据质量。特征工程模块则从原始数据中提取关键特征， 如高峰期乘客分布、线路拥堵指数等，为模型训练提供输入。模型 训练与优化模块采用深度学习算法（如 LSTM、Transformer LSTM、Transformer 等） 对历史数据进行学习，生成预测模型。实时决策支持模块则根据模 型输出，动态调整车次调度、优化路线规划，并为乘客提供个性化 出行建议。 为展示 DeepSeek 技术的实际效果，以某城市公共交通系统为 例，应用该技术后，车辆准点率提升了 15%，高峰时段乘客等待时 间减少了 20%，运营成本降低了 10%。以下为具体数据对比： 指标 应用前 应用后 提升幅度 车辆准点率 80%

第二阶段：数据采集与清洗，从多个数据源采集政务数据，并进 行清洗与标准化处理。 - 第三阶段：模型训练与优化，基于 DeepSeek 模型进行训练，针 对政务场景进行优化。 - 第四阶段：系统集成与测试，完成各模块的集成与功能测试，确 保系统稳定运行。 - 第五阶段：上线运营与维护，正式上线系统，并提供持续的技术 支持与维护服务。 此外，需制定详细的资源规划，包括人力、资金与时间安排。 建议成立专项 储模型、API 接口设计、用户界面原型等。此外，还需制定详细的 技术方案，明确各模块的开发责任和集成方式。为确保架构的稳定 性和可扩展性，将采用微服务架构，并通过容器化技术（如 Docker）进行部署。 第三阶段为开发与测试，预计耗时 40 个工作日。该阶段将按 照设计文档进行系统开发，包括数据导入模块、知识检索模块、用 户管理模块等。开发过程中将采用敏捷开发模式，每两周进行一次 迭代，确保问题能 包括数据清洗、格式转换、去重、标注等预处理步骤，确保数 据质量满足模型训练和知识库构建的要求。 4. 知识库架构设计 数据预处理的同时，进行知识库架构设计。设计工作包括知识 库的存储结构、检索机制、权限管理等功能模块，预计用时三 周。设计完成后，需组织评审会议，确保架构设计的合理性和 可扩展性。 5. 模型训练与优化 在知识库架构设计完成后，启动 DeepSeek 模型的训练工作。 训练过程预计持续六周，期间根据训练结果进行模型优化，包