過去，數據中心談能源，核心議題是"用了多少電"。AI算力快速增長之后，問題變得更具體：這些電，用在了哪里？

AI正在推動機柜功率密度快速提升。對數據中心而言，算力增長帶來的已不只是用電量增加，而是整個供配電系統的變化。

先看總量，再看細節

9月份各地舉辦數據中心及能源相關展會。高密度UPS、液冷、800V高壓直流、電能質量等話題頻繁出現。計量需求也開始從總進線向UPS、列頭柜、機柜支路以及冷卻設備延伸。

機房規模越來越大，負載越來越復雜，僅看總表已經很難回答運營中的實際問題：哪部分負載更高？損耗出在哪里？制冷和IT負載各消耗了多少能源？

能源管理，因此開始從"看總量"走向"看結構"。

電，不能只算一筆賬

把總進線、UPS、支路和冷卻系統分別計量，才能進一步觀察不同負載的變化，為能效分析和PUE核算提供更細的數據基礎。對于液冷系統而言，CDU、循環泵等輔助設備的用電，也逐漸成為需要單獨關注的部分。

這背后是一個簡單的變化：數據中心越復雜，能源數據就越不能只有一個總數。

從技術演進到政策要求，數據中心對能源數據的需求正在變得越來越具體。

計量，要跟著變化走

供電架構在變，冷卻方式在變，機柜功率密度也在變，計量自然不能停留在過去的單點監測。

對數據中心來說，更重要的并不是增加多少塊電表，而是建立一套準確、連續、細顆粒度，并能夠接入能源管理系統的數據體系。圍繞不同配電層級，多回路測量方案可用于支路、列頭柜及輔助設備的分項監測，并通過RS485 Modbus、以太網等通信方式接入上層系統。

從一塊表，到一組數據，再到整個能源管理體系，智能計量正在承擔越來越重要的角色。

AI讓數據中心需要更多電，也讓它更需要看懂自己的電。