在破土动工之前先降低风险
Greco 使用基于物理仿真的数字孪生——构建于 OpenUSD 和 NVIDIA Omniverse 技术之上——在施工前设计、验证我们的能源优先园区并降低其风险。我们对多数开发商听天由命的整个闭环进行建模：并网接入、现场发电、液冷算力和余热输出——作为一个相互连接的系统。
我们为什么先做孪生模型
Risk reduction, not rendering. 数字孪生让我们在浇筑第一方混凝土之前，就用物理规律检验电力、热工和布局决策——提前发现那些若留到施工阶段就会变成变更单和工期延误的冲突。
Speed to power. 前置验证能源和冷却设计，缩短了通往通电、可交付租户设施的路径——这也强化了我们坚持能源优先开发的根本理由：跑赢五到七年的并网排队。
Shared source of truth. 建筑师、工程师、公用事业公司和设备伙伴可以基于同一个一致的场地模型开展工作——评审因此从相同的事实出发。
孪生模型建了什么
具体的系统，经物理规律验证——不是含糊其辞的“实时仪表盘”。切换图层即可查看内部。
切换我们建模的图层
孪生模型中的 16 个系统一个模型，涵盖全部系统 — 基于 OpenUSD 聚合，让建筑师和工程师在各自的工具中依据同一份权威数据工作。
不止步于芯片的数字孪生
其他数据中心孪生都只建模电力进、冷量出，到芯片为止。Greco 的孪生多走了一段——捕集热量并输送给城市。浏览从电网到芯片再到热量输出的完整闭环，然后为热量本身做规模测算。
数字孪生所模拟的闭环
auto-playing · tap a stage只做供电与冷却的数字孪生止步于芯片。Greco 的范围再向前推进一段 — 把热量回收并外供。这条完整的 grid-to-chip-to-heat-export 闭环，正是没有一款现成孪生产品放在核心位置的部分。
热能作为一项收入来源
示意性数据 · 设计阶段建模其他数据中心数字孪生都不建模的一环：这些算力产生的热量，有多少能成为社区的资产。
液冷与浸没式冷却可将 ~85% 的 IT 负荷回收为 50 °C 的可用热量。
数据来自设计阶段模型的示意性测算（≈85% 负荷率，每户当量 ~12 MWh 热量，对比天然气供暖）。实际外供量取决于当地区域能源管网与承购条件。
一套模板，适用每个站点
我们把模型一次性建成可复用、基于标准的模板，随后按站点调整，而不是从零开始。场地尺寸、可用电力、冷却能力和租户需求各不相同；工程主干则被复用——因此每个新项目都更快、更一致，也更易于评审。
由于模板构建在 OpenUSD 之上，建筑师和工程师在各自工具中建立的模型可以汇聚到同一个共享环境——这与 NVIDIA 用于 AI 工厂设计的 Omniverse 蓝图所依托的开放基础相同。
为演进到实时运营而设计
每个孪生都设计为在场地建成后接入运行遥测数据——公用事业电表、开关柜、CDU、水泵和机柜工况——使当初为设计降风险的同一个模型能够成为动态的运营视图。我们将此列为路线图内容，随设施陆续投运按站点分别委托实施。