贵州整机柜算力平滑扩容，核心是在业务从单台、半柜、小集群逐步长大的过程中，不用频繁搬机器、不用重新走线、不用中断训练和推理服务，前期签约时就把终态的电力、网络、机柜空间预留好，贵安机房高功率智算柜和液冷柜资源紧张，交付周期比普通风冷柜长，提前规划比临时加柜成本低很多。

扩容路径一般分三步起步。第一阶段是单台到半柜，三四台推理服务器或者大内存向量机，先上半机柜，风冷智算柜单柜持续功率按十千瓦左右预留，内部走万兆内网，对外走独享带宽。这个阶段不要急着上无损网络，普通以太网足够支撑小规模推理，交换机选可堆叠型号，后期加机器直接插上线，不用重新拓扑。第二阶段是从半柜扩到整机柜，机器数量到七八台以上，或者开始上八卡整机，这时候半柜的电力和 U 位都不够，要提前和机房确认能不能把相邻半柜合并成独立整机柜，PDU、空开、交换机跟着一起升级，不要硬挤在原来半柜的额度里。第三阶段是多柜集群，进入分布式训练阶段，风冷柜单柜做到十五到二十千瓦，如果上 H100 这类高功耗卡，直接预约冷板液冷柜，风冷硬塞高功耗卡会频繁降频。

电力预留是最关键的一环，签约整机柜的时候，不是按当前机器总功率签，而是按未来十二个月可能加到的最大功率签，同时预留百分之二十的余量。比如现在四台机器总功率六千瓦，未来打算加到八卡整机满配，就要直接按二十千瓦甚至三十千瓦的额度签约，机房空开、PDU、制冷管路一次到位，后期加机器只需要插电，不用申请电力扩容、停电施工。很多项目前期图便宜按实际功率签，后期加机器发现空开容量不够，机房要停电换开关、改 PDU，整个训练集群停掉半天。贵安机房电力批复流程不短，提前锁定额度比后期加急划算。

网络架构要按终态规划。起步阶段用万兆接入交换机，预留多个光口和堆叠端口；扩容到整机柜的时候，内部万兆交换机保留，新增一台核心交换机做 leaf-spine；如果后期上无损网络，提前把机房桥架里的光纤管路留好，光模块、跳线长度提前算，不要等机器到了才发现桥架穿线困难。计算网、存储网、业务网、管理网四网隔离的架构从第一天就划好 VLAN，后期加机器只是往已有网段里加节点，不用重新规划地址。远程管理网单独一个 VLAN，不对外放开，走加密通道接入。

数据和业务不中断扩容，优先用滚动加节点的方式。推理集群扩容，新机器先加入集群，流量按比例慢慢切过去，稳定之后再下掉旧机器维护；向量数据库分片扩容，在线 rebalance，把部分分片迁移到新节点，迁移过程中查询不中断；训练任务扩容，等当前训练轮次跑完再加入新卡，不要中途硬插节点。尽量不要做整柜搬迁，搬迁意味着停机、重新布线、重新压测，成本远高于前期预留空间。

机柜内部细节也要预留。每个 U 位之间留一个空格做散热，盲板备足；PDU 插座数量按终态机器数加百分之三十配，不要后期拖插线板；冷通道封闭、挡板、地板下走线一次做好，后期加机器直接上架。液冷柜提前确认 CDU 冷却水流量、进出水温度、漏水检测位置，高功耗机器上架之前先做水路测试。

签约避坑重点，先确认机房同一列有没有相邻空柜可以扩容，不要选在列尾或者已经塞满的位置，后期加柜距离远，桥架走线成本高；确认电力扩容是不是要额外收费、要不要重新签合同；确认交换机端口、光模块、跳线的计费方式，很多报价只含基础交换机，新增端口和光模块单独收费；预留机笼空间，如果是等保项目，扩容之后还是要在同一个封闭机笼内部署，不要扩到机笼外面。最后一条，扩容节奏不要赶在大促或者训练关键期，和机房提前约施工窗口，加机器、换电力、调网络尽量安排在业务低峰，平滑扩容的核心不是一次买满，而是每一步都能顺着原来的规划往下走，不用推倒重来。




（声明：本文来源于网络，仅供参考阅读，涉及侵权请联系我们删除、不代表任何立场以及观点。）