[从零训练一个200B大语言模型] 11/25：训练开始以前，怎样给这些GPU准备好机房？

第三篇的采购规划里有264台服务器。现在，我们给这264台机器安排一个具体的家：选一座机房，每个柜子装两台，把它们分成两批搬进去，再证明这些机器能一起持续工作。

这一篇沿着这份规划样例走完。场地采用Flexential位于佐治亚州的Atlanta-Douglasville 2作为设计和询价对象；机柜先选APC的42U型号；264台服务器放进132个计算机柜；整厅仍按前文的4.5兆瓦IT容量安排。下面逐项说明这些选择为什么放在一起，以及一批服务器到货后怎样走到可以训练。

先选一个能接住整套机器的厅

我们需要让2,048张训练GPU频繁交换结果，因此把主训练集群集中在同一机房厅里。这样，设备之间的距离、安装过程和日后的维护都比较容易统一安排。

Flexential Douglasville 2的官方资料列出每厅4.5兆瓦容量、约24,000平方英尺面积，也就是约2,230平方米。这个容量与第三篇的规划相符，所以这份样例就围绕它展开：向运营商提出租用一个厅，承接计算、网络和存储设备，并提供相应的供电和冷却服务。

IT容量：机房能够供给服务器、网络和存储等计算设备的电力。机房自身的制冷等设施另外用电。

这里选中的是一个具体对接对象。2026年7月8日的官方公告仍将Douglasville 2列为按计划待完成的项目。截至2026年10月27日，我们尚未取得针对本方案的空闲容量和交付日期。正式安排发货时，把厅号、可进场日期、供电和冷却条件写进交付约定，设备就有了明确的目的地。

先看整座机房：黄色线路把电送到机柜，蓝色与红色箭头分别表示冷风进入和热量排出，金色框出的Rack A将在下一张图放大。

为什么先把整个厅放进方案？因为第一批机器安装以后，第二批还要接进同一个集群。提前保留整套设备的位置和容量，后面就可以按既定位置扩容。接下来，我们从这个厅里最小的安装单位开始：一个柜子。

一个柜子放两台，剩下的空间怎样用

第三篇选用的Exxact TS4-142487900是一台八卡B200服务器。它高8U，机身深930毫米。U是机架设备的高度单位，8U约为35.6厘米。

U：机架设备的高度单位，1U约4.45厘米。

我们为它选择APC NetShelter AR3350B2作为候选机柜。这个型号高42U，柜体宽750毫米、深1,200毫米。方案把两台服务器装在下部，占16U，其余未使用的位置安装封板；柜后布置供电和线缆。较重的设备放低，也更便于安装和维护。

为什么42U只放16U的服务器？限制来自电和热。沿用第三篇的单机预算值14.25千瓦，两台就是28.5千瓦。这个柜子运行一小时，若一直维持这个功率，仅服务器就用约28.5度电，同时产生需要持续排走的热量。每柜先放两台，是我们这份方案选择的密度，让单柜供电、散热和维护的安排更容易展开。

千瓦（kW）：表示用电功率。

千瓦时（kWh）：表示消耗的电量，也就是电费里的“度”。以28.5千瓦运行1小时，消耗28.5度电。

这次采用的冷却样例是风冷设备配合封闭热通道：冷风从机柜正面进入，穿过服务器后带着热量从背面出来；背后的热空气集中进入回风通道，由机房冷却系统带走。未装设备的位置用封板挡住，减少热空气绕回机器前方。机房再为每个双机柜设计至少能够承接这28.5千瓦规划热负荷的冷却条件，并按最终设备要求留出工程余量。

热通道：机柜背后集中排出热空气的通道。把它与冷风侧分开，可以减少冷热空气混合。

这套风冷方案以设备商确认该整机支持相应冷却条件为落地条件。Exxact当前公开页面没有列全风量、整机重量和导轨要求，因此采购文件要把这些参数补齐，再与柜型和冷却设计一起锁定。

沿着Rack A继续往里看：一个柜子放两台服务器，再打开其中一台，就能找到里面的8个GPU模块。

机房与硬件层级的规划示意；设备内部布局简化绘制。

2026年10月27日，Exxact配置页显示的功率估值已是约14.15千瓦；这里继续用第三篇的14.25千瓦做同一份规划。最终接电设计采用订购配置的确认值。机柜尺寸也要这样核对：柜体深1,200毫米，并不意味着里面的导轨和电缆空间都能直接使用。先由集成商完成一柜样装，再复制到其余机柜。

这一个样柜，具体核对哪几个数？

APC AR3350B2的厂家资料列出柜体高1,991毫米、宽750毫米、深1,200毫米，最大安装深度1,048毫米，静态承重1,814.4公斤。Exxact机身深930毫米，但导轨位置、插头和线缆弯曲空间仍要按实际安装核对。整柜重量要把柜体、两台服务器、配电和线缆合计，再对应地板与搬运路线的承载要求。

Exxact配置器列出12个电源、6+6冗余。方案要求设备商给出与机房A/B两路供电匹配的接线图，列清每路所需的插座、额定电流，以及一路故障时整机的运行状态。各电源的额定能力用于设计供电路径，不相加当作正常耗电。

把这个样柜复制132次，放进同一张平面图

每柜两台，264台就是132个计算机柜。其中128柜放256台训练主机，4柜放8台备用机。为了配合两批到货，我们把计算区分成A、B两个区，每区66柜，各放128台训练主机加4台备用机，也就是64个训练柜和2个备用柜。

这里按每区3排、每排22柜安排布局样例。网络和存储放在旁边的独立区域，留出操作通道和接入第二批设备的空间。实际机房的柱位、门和设施接口会决定施工图怎样落下去。

先做一个面积核算，帮助判断规模。132个柜子的柜体占地是：

132 × 0.75米 × 1.2米 = 118.8平方米。

人要走进去，热风要排出去，机器还要能够从柜子里抽出来。另做一张6排顺排的占地草图，给通道留出空间后，计算区约345平方米。这个面积测算帮助我们先判断需要多大的空间。

约345平方米是怎样算出来的？

6排前后顺排，每排22柜。柜体一排长22 × 0.75 = 16.5米；两端各留1.5米，合计19.5米。6排柜体共深6 × 1.2 = 7.2米；排间与前后共7条通道，各按1.5米画，合计17.7米。于是这一版草图占地19.5 × 17.7 = 345.15平方米。

1.5米是这份教学草图的取值，正式通道宽度由机房按维护、消防和冷却设计确定。它不是上方示意图的比例尺寸，也不是运营商的实际厅图。

计算区以外，还要安排网络、存储、安装周转和机房设施。2,230平方米的厅提供了面积参考，下一步把这些区域套进运营商实际的厅图，逐一落实柱位、入口、维修通道和设施接口。

设备的位置排出来以后，再把电力分到同一份方案里：

兆瓦（MW）：功率单位，1兆瓦等于1,000千瓦。

网络和存储的0.300兆瓦是本方案先分配的额度，后续用具体设备清单核算。若实际清单超过它，就调整分配与场地方案。这样，每一部分都有位置，也有电力额度，而不是等设备装完才发现某一排供电不够。

散热也跟着这张表安排。计算柜合计按3.762兆瓦的规划热负荷交给冷却设计；网络和存储产生的热也一并纳入。机房自身的冷却设备还要用电，这部分由设施侧安排。第三篇算电费时采用的3.3兆瓦，则是运行负载预算，用来估算账单。场地容量、设备规划功率和运行电费，分别回答不同的问题。

先装A区，再把B区接进来

到这里，第一批机器可以有一个明确的去处：进入A区的66个柜子。每柜两台，共132台；其中128台训练、4台备用。B区保留相同的66柜布局，接收第二批。

第一批进场前，先交付A区的机柜、配电和冷却，并让两区共用的基础设施具备接入条件。第三篇方案中的网络骨干和共享存储，也要按两批机器最终连接到一起的需求安排。第二批来时，主要工作是把设备接到已经留好的位置，而不是重新移动第一批。

时间上沿用第三篇的目标顺序：第4个月接第一批，第6个月接第二批，第7个月完成全规模验收。这个顺序发给设备商和机房共同排期；当运营商给出实际可进场日期以后，交付表把每批发货、安装和验收的日期一起固定下来。

搬运按同样的顺序演练。先用一台机器完成卸货、通过门和电梯、进入A区、上架、接电的全过程，确认工具、导轨和操作空间合适，再批量安装。整柜装好以后，也要有清楚的编号。例如A区第1排第1柜写作A-R1-C01，柜中两台分别记录设备序列号和安装位置。维护人员以后收到告警，就能找到具体机器。

冗余：为故障准备额外的能力或路径，例如A路供电失效时，由B路接住约定的负载。

每个柜子的两路供电按设备商确认的接法安装，整厅按运营商的故障方案运行。验收时验证一路故障后设备是否达到约定的运行目标。两路供电的作用是提供故障时的另一条路径，正常用电仍按实际设备负载计算。

用一份验收样例，把“装好了”变成“能用了”

这一套设备最终交给训练团队时，最有用的是一份能逐项判断的验收记录。下面给出这份方案采用的样例：

温度和性能的具体通过值，在采购和集成合同里按这套设备确定，并在到货前写进测试表。这样，现场人员面对的是明确的合格标准。某一项没有通过，就能定位到对应设备、回路或服务，修复以后重新测试。

NVIDIA的DGX B200指南也将健康检查和负载测试放在投入使用前。我们的验收工具由Exxact设备商提供，测试记录则沿着单机、单柜、首批和整集群逐级汇总。

这份方案最后交出的结果很具体：Douglasville 2的一个4.5兆瓦厅作为对接场地，132个双机计算柜，A、B两区分批安装，网络存储独立布置，供电和排热按同一张设备表设计，验收按同一套记录执行。拿这份样例去对接运营商和设备商，双方就能够围绕设备摆放、容量、日期和通过标准，把它变成可交付的工程方案。