AI 实训室最容易失败的地方不是选型，而是配电间：设备到货那天才发现，老教学楼的进线容量只有需求的一半。本文把建设拆成三本账------电力、算力模式、验收，给一个配电与制冷计算脚本，以及三种算力模式的适用边界。
图注：实训室算力模式示意（来源：商红科技行业论坛原文配图；非实测）
先说结论
- 先算配电，再选显卡；
- 40 个机位「每台配独显」约 48--60kW，「集中算力 + 瘦客户端」约 8--10kW，差六倍；
- 集中算力的前提是网络，40 台瘦客户端同时跑生成式模型，千兆会堵；
- 验收的本质不是「货到了没有」，是「课能不能开」。
第一本账：电力
| 要算的 | 怎么算 | 什么时候必须动手 |
|---|---|---|
| 总功率 | 单机功率 × 台数（或服务器 + 终端） | 超过教室进线容量 80% |
| 制冷 | 每 kW IT 负载约需 0.3--0.4kW 制冷量 | 原普通机房空调基本不够 |
| 承重与面积 | 机柜按每平米 500--800kg 估 | 楼上教室放满配机柜前 |
配电计算脚本
#!/usr/bin/env python3
"""实训室配电与制冷估算：示例口径，非实测。"""
from dataclasses import dataclass
@dataclass
class Lab:
seats: int
mode: str # per-seat-gpu / centralized / cloud
per_seat_kw: float = 1.3 # 每台独显机按 1.2--1.5kW
gpu_server_kw: float = 6.0 # 8 卡服务器满载
gpu_servers: int = 1
thin_client_kw: float = 0.08 # 瘦客户端 50--100W
cooling_ratio: float = 0.35 # 每 kW IT 负载所需制冷
incoming_kw: float = 30.0 # 教室现有进线容量
def estimate(l: Lab) -> dict:
if l.mode == "per-seat-gpu":
it_kw = l.seats * l.per_seat_kw
elif l.mode == "centralized":
it_kw = l.gpu_servers * l.gpu_server_kw + l.seats * l.thin_client_kw
elif l.mode == "cloud":
it_kw = l.seats * l.thin_client_kw
else:
raise ValueError("mode 必须是 per-seat-gpu / centralized / cloud")
cooling_kw = it_kw * l.cooling_ratio
need_upgrade = it_kw > l.incoming_kw * 0.8
return {
"it_load_kw": round(it_kw, 1),
"cooling_kw": round(cooling_kw, 1),
"incoming_kw": l.incoming_kw,
"upgrade_needed": need_upgrade,
}
if __name__ == "__main__":
for mode in ("per-seat-gpu", "centralized"):
lab = Lab(seats=40, mode=mode)
print(mode, estimate(lab))
示例：40 机位每台独显约 52kW IT 负载，制冷约 18kW，30kW 进线必须改造；集中算力约 9.2kW，制冷约 3.2kW，普通教室可能就能承接。
第二本账：三种算力模式
| 维度 | 每台配独显 | 集中算力 + 瘦客户端 | 公有云 |
|---|---|---|---|
| 适用规模 | 20 人以下或分批建设 | 30--60 人，需统一管理 | 临时课程、算力波动大 |
| 单点位成本 | 高 | 中（分摊） | 低（按需） |
| 电力需求 | 高，常需动力电改造 | 低 | 极低 |
| 机房与噪音 | 教室部署，噪音大 | 服务器放机房，教室安静 | 无 |
| 数据位置 | 本地 | 本地可控 | 校外，需评估合规 |
| 主要风险 | 电力、噪音、管理分散 | 网络瓶颈、单点故障 | 长期成本、数据合规 |
云端方案在实训室场景下的首要问题不是钱，是合规：学生作品、生成内容、学情数据能不能出校门。拿不准时，可以混合：日常教学用本地集中算力，峰值任务临时用云。
第三本账：预算不要全花在硬件
| 项目 | 建议占比 |
|---|---|
| 算力硬件（服务器/工作站、存储、网络） | 45%--55% |
| 教学平台与软件授权 | 15%--25% |
| 师资培训与课程包 | 10%--15% |
| 机房配套与运维 | 10%--15% |
师资培训最容易被砍，也最不该砍。设备买回来没人会用，等于没买。
不同专业，不同配置
- 设计/美术/传媒：吃显存与显卡，16GB 是及格线，24GB 更稳；
- 计算机/AI：吃完整工具链------容器、调度、多用户隔离；
- 非计算机通识课：打开就能用，稳定性、开机速度、账号管理更重要。
教学场景里 7B--14B 模型通常已足够讲清原理，真上 70B 往往是资源浪费------一节课 45 分钟，模型加载都跑不完。
验收清单
| 验收项 | 验收方法 | 谁签字 |
|---|---|---|
| 到货验收 | 型号、序列号、数量与合同逐项比对 | 采购 + 资产 |
| 配置核验 | BIOS/带外管理核对 CPU、内存、GPU、硬盘 | 信息中心 |
| 性能验证 | 校方指定小任务，记录耗时 | 使用院系 |
| 平台联调 | 对接统一身份认证、课表系统 | 信息中心 |
| 网络与存储 | 实际并发测试，确认无瓶颈 | 信息中心 |
| 电力与制冷 | 满载 30 分钟，记录功率与温度 | 后勤 |
| 资料交付 | 技术手册、拓扑图、账号清单、运维手册 | 信息中心 |
| 培训与交接 | 教师培训完成、课程包试用通过 | 教务/院系 |
最后两项是很多项目烂尾的地方。验收的本质不是「货到了没有」，是「课能不能开」。
边界与适用条件
- 功率、制冷与承重必须现场实测，不能按经验值直接拍；
- 云端方案的合规性由学校数据管理规定决定，不是技术选型问题；
- 实训室自建适合「高频、稳定、可控」；一年开不了几次课的选修课，租云更省心。
工程落地中的一个选择
立项阶段先把「班级数量、每周课时、要跑的工具与模型、教室电力与面积」四项列出来，再让服务商做配置与配电测算。商红科技做工作站、服务器与教育行业方案交付，能按三本账把算力、配电与验收边界一起过一遍；相关规格与场景边界，可回到行业论坛的原文核对。最终方案仍应以现场实测与学校验收为准。