ATCC C13 · Sysblade HyperBuffer
AI 機房需要新的電池備援
痛點
北美 Tier-2/3 AI 機房,沒有整合方案。
三個痛點、三套方案 — 市場缺一個整合解。
毫秒瞬態
GB200 ±30 % dV/dt
功率驟變會讓設備重啟
HVDC 換代
48 V → ±400 V
買錯規格,換代期整批重買
機隊維運
1000+ 節 RUL 預測
不知道哪顆電池先壞
解法
LFP + LIC混合拓樸+ AI 數位孿生 SaaS
架構
8 BBU 並聯 per rack,N+1 容錯
8 台一組、多留 1 台 — 壞一台,服務照常。
BBU / rack
總能量
優雅關機
V1 · 物理基礎
PyBaMM Prada2013 對齊 Severson 公開實測
≤ 5 % 目標
3 顆電芯 × cycle_life 534–1227 · 對齊論文的放電 V(Qd) 曲線擬合
與公開實測誤差僅 2.15 % — 模型可信,結論才可信。
V2 · Datasheet 自洽
LIC RC 與 Maxwell 廠商 IPEAK 公式完全對齊
加 4 個非線性延伸(pseudo-cap / self-discharge / T-ESR)最大壓降誤差 2.93 % < 10 %
與原廠規格書完全一致 — 不是自己說了算。
V3 · 整 rack 60 秒
120 kW 峰值 → 30 kW 連續,LIC 吃瞬態
尖峰給電容、平均給電池 — 各司其職。
V3 · 熱模型
60 秒優雅關機全程,電芯升溫
集總熱模型 · I²R 發熱 vs 對流散熱 · 熱失控風險近乎零
全程只升溫 0.1 度 — 離上限很遠。
V4 · N-1 容錯
t = 15 s 時 1 台 BBU 離線,剩 7 台撐到 60 s
故意壞 1 台,7 台照樣完成任務 — 零中斷。
V4 · 故障後
剩 7 台撐起 8 台的負載,每 BBU 連續 C-rate
整機架 N-1 容錯在實體上極難重現,孿生層卻能直接驗證 — 這正是 twin > hardware 的價值
故障後每台多扛 14 % — 仍遠低於原廠上限。
V5 · RUL 預測
Severson 134 顆電芯隨機切分 MAPE
13 特徵 K = 24 bagged-GBT + xstrict filter · R² 0.89 · 超越 Severson 2019 論文自身基準
預測誤差 8.4 % — 比原論文基準更準。
V5 · 誠實揭露
同模型放在 BBU 浮充工況,MAPE 退化到
換情境誤差會升 — 主動揭露,並訂好重新校準規則。
邊緣推論
ONNX INT8 量化,LSTM 模型大小
ΔMAPE +0.10 pp · STM32N6 Neural-ART NPU 估算 27–109 µs · 本地推論,客戶不為每次推論付費
壓縮 3.5 倍、放進晶片本地算 — 免雲端費用,斷網照跑。
客戶價值
10 年每機架 TCO
回收期 2.3 年 · Hyperscale 500-rack 場景客戶年省 USD 482.9 k
三個客戶人物誌
回收期全部落在 2.3 – 2.6 年
Hyperscale
Virginia · 500 機架
USD 482.9 k
33.2 % 節省 · 2.3 年
中階託管商
Texas · 50 機架
USD 44.6 k
31.8 % 節省 · 2.4 年
Edge AI
Pacific NW · 10 機架
USD 8.0 k
29.9 % 節省 · 2.6 年
客戶最在乎
斷電當下,機櫃還能撐多久 —— 用了 7 年也一樣?
就算電池老化到 80% SOH,斷電仍撐 480 秒 —— 60 秒優雅關機承諾的 8 倍餘量; 峰值功率能力仍保 67%(毫秒尖峰由 LIC 扛)。客戶買的不是新電池規格,是「老化後還能用」。
V6 · 一鍵重現
RD 審查者 30 分鐘自我檢查
下一步
看模擬跑、查原始碼、問問題
ATCC 第 23 屆 C13 系統電 Sysgration · v2.0 twin-first 驗證