AIDC步入GW時代，未來數據中心怎麼建？丨ToB產業觀察

隨著AI算力需求急遽增長，資料中心產業正式邁入吉瓦（GW）時代。單一座園區的總功率達到1000兆瓦（MW），是傳統大型資料中心的數十倍，年耗電量甚至超過一座50萬人口的中型城市。這一轉變並非單純將機房「放大」或「堆疊」伺服器，而是牽動供電、散熱、高速互連與智慧運維等系統的全面升級，成為一場價值萬億的產業鏈革命。根據2026年開放計算技術大會發表的《吉瓦（GW）級開放智算中心框架技術報告》，AI算力需求正在引爆基礎建設的系統性變革。五年前，單機櫃功率約為2.

5KW，單一資料中心能達到MW級已屬不易；如今生成式AI應用普及，30KW以上已成常態，面向未來的超節點機櫃更朝300KW、500KW甚至MW級邁進。Gartner在2026年預測，全球資料中心電力消耗將達565太瓦時，較前一年增長26%，其中AI優化伺服器的用電佔比將從20%躍升至31%。Gartner研究總監Linglan Wang直言，AI運算能力已受電力供應限制，供電保障成為全球AI競賽中規模擴張與利潤保全的新戰點。中國的算力需求同樣快速膨脹。

行業不完全統計顯示，2026年國內AI晶片部署規模預計達300萬至400萬張，按照AIDC功耗約為AI晶片功耗兩倍的經驗公式，國內AIDC電力需求將突破5GW，實際建設規模可能達到6至8GW。一個完整的AIDC園區必須整合供電、液冷、高速互連與智慧運維四個子系統，內部不再只是「機櫃加空調加電源」的簡單組合。更重要的是建設節奏：傳統資料中心從規劃到上線需要兩到三年，但AI廠商要求越快越好。馬斯克的xAI團隊在田納西州孟菲斯建設的Colossus資料中心，從破土到首批伺服器上線僅花122天，雖然後續暴露出冷卻系統設計冗餘不足等問題，卻向行業傳遞了明確信號——速度本身已成為核心競爭力。

政策端也在加速。2026年5月，國家數據局印發《2026年數字經濟發展工作要點》，明確提出加快建設全國一體化算力網，推動數據、網絡、算力、能源等資源協同佈局；「算電協同」更首次寫入政府工作報告。政策要求算力基礎設施必須提速升級，但一個GW級AIDC的建設成本高達40億至80億美元，涵蓋供電改造、液冷部署、高速互連、智慧運維等尚未完全成熟的技術領域，一旦設計偏差，損失將極為慘重。在供配電系統方面，傳統資料中心普遍採用48V/54V直流供電，但當AI機櫃功率從幾十KW飆升到140KW以上時，巨大電流導致銅損劇增、銅排體積膨脹且散熱困難。

世紀互聯能源創新部高級總監高小淇指出，800伏高壓直流供配電已成為行業主流，將高壓直流電直接送入機櫃，在最靠近晶片的位置降壓，能大幅降低電流、縮小銅排體積、減少轉換層級，整體能效顯著提升，已成為當前AIDC建設的必備條件。百度智能雲基礎設施系統部副總經理何永佔也表示，800伏高壓直流項目正加快規劃論證，力爭儘早落地。不過，這條路線的推進速度取決於整個高壓直流產業鏈的成熟度，包括固態變壓器、高壓連接器、直流斷路器與監控保護系統等配套環節仍需補齊。散熱系統同樣面臨根本性升級。傳統風冷散熱能力的天花板約在單機櫃20KW，超過此密度後風扇轉速、風道設計與能耗都會急劇惡化。

AI超節點機櫃的功率密度正快速跨越100KW、300KW門檻。2026年6月，NVIDIA正式宣布新一代Vera Rubin平台將採用100%全液冷技術，冷卻液運行溫度達45攝氏度，系統內沒有任何風扇，預計2026年秋季量產；字節跳動同年發布的AIDC技術規範明確規定，超過21KW的高密度機櫃必須100%採用液冷。浪潮信息AI伺服器技術專家表示，液冷比例持續提高，許多新建資料中心已開始規劃純液冷，先天就是液冷原生的資料中心。百度也正穩步探索從風液混合逐步向純液冷演進。

液冷技術路線從成熟的冷板式液冷，到浸沒式液冷，再到兩相冷板液冷，理論上可支撐2000W以上晶片功耗與300KW以上單櫃功率，被視為突破下一代高密算力的關鍵路徑。據行業測算，假設2026至2027年國內新增AI資料中心機架分別為5.0GW與7.5GW，液冷滲透率達38%與54%，則國內資料中心機架側液冷市場規模可達98億元與215億元，還不包括後續運維與冷卻液更換服務。相較於供電與散熱已逐步成熟，通信互連反而是當前卡在中國GW級AIDC建設最關鍵的瓶頸。傳統資料中心僅涉及幾百張卡，GW級資料中心則達到萬卡甚至十萬級別，算力必須形成一張網絡，帶寬、延遲與可靠性直接決定上萬張AI晶片能否協同運作。

何永佔指出，超節點技術實現突破的核心在於互聯通信，技術鏈路覆蓋晶片、模組、通用基板、機櫃高密連接器，互聯方案包括機櫃內銅線互聯乃至全光互聯，同時涉及東西向網絡所需的光模塊、光纖與交換機。全球高速互連技術飛速發展，中國必須走自主研發道路。他強調，未來產業競爭核心將聚焦於互聯技術與系統設計能力，若能持續夯實通信IP、信號增強晶片、交換晶片、全光互聯等關鍵板塊，超節點體系便有機會構建自主標準並培育完整產業生態。系統整合能力是GW級AIDC的真正門檻。某國內城市一座智算中心在2024年底投運，規劃算力充沛，設備採購預算充足，但上線不到三個月，有效算力輸出僅為設計值的60%。

原因並非AI晶片本身，而是液冷管路設計不合理導致部分機櫃散熱不均、晶片頻繁降頻；供電系統監控粒度不足，負載波動時無法快速響應；網絡互聯冗餘不足，單點故障導致整機櫃離線。這個案例揭示，GW級AIDC的核心競爭力在於系統的穩定性、可維護性與全生命週期效率，而非單顆晶片的峰值算力。從全球格局看，美國在GW級AIDC的建設規模與數量上領先。馬斯克的Colossus資料中心總容量約2GW，122天建成；Meta的「Prometheus」集群規劃容量超過1GW，預計2026年上線；OpenAI則提出至少10GW的長遠計劃。

但先行者也有困擾，德州等地區對大型資料中心的審批正在收緊，因為一個GW級資料中心的電力消耗足以對周邊中小城市居民用電構成實質影響。OpenAI、Anthropic等公司開始將目光投向核電。反觀中國，在電力供給上擁有獨特優勢，得益於全球領先的特高壓輸電網絡與快速增長的綠電裝機容量，新增電力供給中綠電佔比已超過80%。烏蘭察布、寧夏中衛等地正在規劃的源網荷儲一體化智算基地，正是利用西部綠電資源、透過「算電協同」模式解決電力瓶頸的典型實踐。

OCP中國社區負責人葉毓睿表示，從GW級AIDC的建設尺度與超大規模集群能力來看，中國整體大約比美國晚兩到三年，差距主要來自高端晶片供給與高速互連等關鍵環節，而電力基礎設施反而是中國的相對優勢。但他也指出，中國不需要簡單複製美國依賴Scaling Law持續擴大算力規模的路徑，可運用新的理念或算法，以及電力基礎設施、製造供應鏈與軟硬件協同等優勢，走出一條以算電熱協同為基礎、更強調算力效率的GW級AIDC發展路線。回到建設成本，40至80億美元的投資中，有20%至30%用於非算力部分的供電、散熱、互連、建築與運維系統，而這部分恰恰決定了GW級AIDC能否真正發揮價值。

專家指出，在GW尺度上，任何一個環節的短板都會被無限放大：供電系統瞬態波動可能導致整排機櫃降頻；液冷管路單點洩漏可能導致上千張卡離線；網絡互聯擁塞控制不當可能使整體訓練效率腰斬；運維監控盲區可能讓故障發現與修復時間從分鐘級拉長到小時級。何永佔強調，AI基礎設施建設的核心不僅在於硬件能否搭建落地，更在於能否實現高效用好，這涵蓋液冷系統全鏈路智能監控、供電系統負載動態調度、超節點內部及集群實時故障預判與快速自愈，以及整個AI集群的利用率優化提升等多項能力。相較於單純擴充AI晶片規模，打造這類軟件與運維管控能力難度更高，價值也更為突出。

GW時代的AIDC建設已經不僅是一場軍備競賽，而是一場系統工程能力的終極考驗。從供電到散熱，從互連到運維，每個環節都需要深度耦合與整體優化，才能在算力競爭中站穩腳跟。