10 月 30 日，專門做 GPU 雲端運算嘅 GMI Cloud 喺桃園公開展示咗佢哋嘅「AI Factory」，第一期區域入面引入 Nvidia DGX SuperPOD GB300，配置 3 座 SuperPOD、合計約 48 個 AI 機櫃，服務對象係美國新創。
入到入面，第一樣留意到嘅唔係「密集」，而係有嘢留空。傳統 IDC 嘅機房係盡可能塞滿機櫃，追求空間利用率；呢座 AI Factory 第一期嘅 Data Hall 反而有空間冇填設備。GMI Cloud 嘅 AI Factory 建置工程師喺導覽時表示，限制擴充嘅唔再係「仲可以放幾多機櫃」，而係「仲有幾多電可以撐 GPU 運算」。
呢座樓係用台灣大哥大喺桃園嘅既有 IDC 轉型而成，並非新建，最大負載約 25MW，其中約 16MW 留畀 IT 負載，其餘要俾冷卻、空調同其他基礎設施用。台電過去曾因北部電網供電限制，對桃園以北 5MW 以上大型資料中心嘅用電申請採取審慎管理，令本身有電容量嘅既有 IDC 反變成部署 AI 算力嘅優勢。
多層備援：電池撐 6 分鐘，油機撐超過 24 小時
取得電力先係第一步。建築共 4 層、總樓地面積 19,835 平方公尺，電力備援係逐層承接：
- 第一層：鋰電池，市電異常時瞬間承接負載，滿載估算約 6 分鐘，作用係「無縫」過渡到下一層，唔係長時供電；
- 第二層：UPS（不斷電系統），係整體備援管理核心；
- 第三層：柴油發電機，N+1 備援，25MW 滿載下現有油槽可支援超過 24 小時，長時間停電會啟動外部油料補給。
變壓器、電池同 UPS 分散配置，降低單點故障。模姐驗嚇貨：呢個邏輯對住傳統 IDC 嘅「避免服務中斷」同 AI Factory 嘅「避免高價值訓練中斷」係兩件事，一組訓練可以跑幾日，停電 6 分鐘都未必捱得住。
冷卻同 PUE：87% 熱由液冷帶走
GPU 產生嘅熱有約 87% 經液冷系統移除，13% 仍由氣冷處理。每個 SuperPOD 配 2 個大型圓筒儲冷槽，喺電力切換期間短暫供應冷卻水，搶到時間俾供電系統接手。
因為由傳統 IDC 改造，原有冰水系統約 16–17 度，而 GPU 液冷只需要 35–38 度，目前透過 CDU 熱交換整合；GMI Cloud 話未來會將 AI 液冷系統獨立控制，進一步降能耗。目前 PUE（能源使用效率，越低越好）約 1.35，目標拉低到約 1.3。
第三期：機櫃仲有位置，電力效率先係關鍵
第二期 12 月上線，規模約 3.5 座 SuperPOD，已同第一期一樣被美國新創預訂。但被問第三期何時，GMI Cloud 答得直接：機房仲有空間，但 IT Load 已接近 16MW 限制，就無法無限制增加 GPU 設備。第三期會觀察一期二期運作，並評估 Nvidia 新一代 GPU 嘅功耗管理能力。
過去 IDC 比的是土地面積同機櫃數；AI Factory 設計邏輯已經轉做每 MW 電力能頂多少有效算力。
模姐驗嚇貨：電力成為硬瓶頸，係呢單事最寫實嘅位。AI 基礎設施嘅「規模競賽」，頭先以為係 GPU 數，其實早已經係電量。
模姐｜深度調教
