HC歸來，華為正重新定義AIDC基礎設施

國際能源署（IEA）在2025年的報告中曾警示，如果電網相關風險得不到解決，約20%的規劃數據中心項目可能面臨延誤。對於已經投入大量資金採購計算設備的企業，等待接電也意味著等待業務上線。可接上電之後，新的問題還在機房裡。高密度設備需要更大的供電容量，計算任務帶來快速變化的功率需求，產生的熱量也必須及時排走。供電、散熱和交付中的任何一個環節，都可能影響新增硬件發揮作用。AI算力擴張，由此把一個問題推到臺前：怎樣將可獲得的電力，持續、穩定地轉化為有效計算？對此，巨頭們已開始新的動作。

9月16日，英偉達、Google和Emerald AI宣佈成立AI能源管理聯盟（AEMA），推動數據中心根據電網運行狀態動態調整用電，讓大型算力設施成為更靈活的電網資源。一天後，在華為全聯接大會2026同期舉辦的AIDC基礎設施峰會上，華為介紹了源網荷儲AIDC 1.0解決方案，以及供電、儲能和液冷領域的最新進展。沿著電網、園區、機房到芯片的鏈路，這些動作共同回應的是能源與算力如何協同設計的問題。能源與算力之間的這段距離，正在成為AI基礎設施新的競爭焦點。算力要擴張，先讓電力跟得上 毋庸置疑，AI對能源的需求正在快速增長。

國際能源署（IEA）在2026年的報告中預計，全球數據中心用電量將從2025年的485TWh增至2030年的950TWh，接近翻倍；其中，面向AI的數據中心用電量同期預計增至約三倍。但對具體項目而言，比全球用電總量更緊迫的，是當地何時能夠提供足夠的電，以及這些電能以怎樣的質量持續供應。服務器採購、機房施工、電網擴建和新增電源，往往遵循著不同的時間表。計算設備進入交付時，配套電力設施可能還在等待審批或建設。如果兩者銜接不好，投資回收和業務上線就會隨之推遲。因此，能源需要更早進入算力規劃。比如在新能源資源富集地區，將風光項目與AIDC協同佈局，可以為算力提供更多能源選擇。

政策也在跟進，將能源條件更明確地納入AIDC的規劃和建設要求。今年8月，西班牙公佈數據中心監管皇家法令草案，對功率不低於1MW的新接網數據中心提出了更嚴格的可再生能源要求： 每運行一小時，至少80%的用電須由新增可再生能源在同一小時覆蓋；每新增1MW電力需求，須配套1MW新增可再生髮電裝機，相關裝機應在數據中心投運前18個月建成，可自建，也可簽訂長期購電協議。因此，僅購買存量綠電的綠證，無法滿足這一新增裝機要求。草案還提出，不合規項目可能面臨附加費、網絡費率上調，持續違規甚至可能失去電網接入資格。這份草案更值得關注的是逐小時匹配。

按其提出的標準，年度總量達標並不足夠，數據中心還需要更直接地考慮自身每一時段的電源結構。中國也在推進算力與能源協同。2026年4月，國家發展改革委、國家能源局、工業和信息化部、國家數據局聯合印發《關於促進人工智能與能源雙向賦能的行動方案》（國能發科技〔2026〕34號），並於5月公開發布，部署29項重點任務，明確鼓勵算力設施配置構網型儲能，支持具備靈活調節能力的算力設施開展綠電直連。此前有關政策，也已提出國家樞紐節點新建數據中心綠電佔比超過80%的目標，後續消納政策也進一步納入相關綠色電力消費比例要求。歐盟則已基於《授權條例（EU）2024/1364》建立數據中心可持續性信息披露框架。

9月21日，歐盟委員會進一步通過統一的數據中心可持續性評級方案，首批評級標籤預計於2027年推出；最低能效標準也已進入諮詢和立法準備階段。不同地區的規則與實施階段各有差異，但能源結構、用能效率與運行數據，正在成為AIDC規劃和運營中更具體的考量。西班牙草案提出的逐小時匹配，則進一步觸及了綠電供應與計算需求在時間上的協同。回到項目運行，即使新能源資源就在附近，也要處理時間上的錯配。光伏隨日照變化，風電也有出力波動，計算任務卻有自己的執行節奏。年度採購了足夠綠電，與每個小時都能獲得穩定的電力，其實是兩件不同的事。

這需要儲能、支撐電源和電網共同配合——有的裝置負責短時緩衝，有的承擔更長時間的供需調節。△AI生成 與此同時，AIDC自身的用電方式也在變化。大規模AI集群裡，大量設備會隨著任務推進，共同進入計算、通信或等待階段。功率同步變化時，供電系統面對的考驗就不只是總容量夠不夠，還包括應對快速波動的能力。兩座全年耗電量相同的數據中心，如果一座負載較平穩，另一座頻繁出現大幅功率變化，對供電控制和儲能的要求就可能不同。這正是“源網荷儲”需要放在一起考慮的原因： “源”對應電源，“網”負責連接與輸送，“荷”包括服務器等用電設備，“儲”提供備電與調節能力。

四者協同，需要同時考慮上游能提供怎樣的電、下游怎樣用電，以及供需不匹配時如何緩衝。算力負載本身也有一定調節空間。Google今年3月披露，已將合計1GW的需求響應容量納入與美國多家公用事業公司的長期能源合同，通過限制或轉移部分機器學習任務配合電網運行。這類實踐說明，在滿足業務約束的前提下，部分計算任務可以根據電力供應情況調整執行時間，數據中心由此成為能夠響應電網需求的資源。這種調節首先要滿足業務要求。實時推理有響應時延約束，訓練任務也有完成期限，能夠移動多少負載、維持多久，需要結合設備利用率、電價和儲能成本共同計算。機房內部還有另一重約束——密度。

相同電壓下，設備功率越高，電流越大，線纜、連接器和配電空間面臨的壓力也越大。提高供電電壓是減輕壓力的一條路徑，採用合適的直流架構還能減少部分電能轉換環節。800V直流也由此受到行業關注。英偉達、Google、Microsoft等廠商也在開放計算項目（OCP）框架下推進800VDC標準，已吸引80餘家設備與基礎設施公司參與生態開發。換句話說，800V直流更接近一次供電架構的分層演進。不同代際的設備和機房會長期共存，供電系統必須給這段過渡留下餘地。供電容量提升的同時，熱量還必須在有限空間內被帶走；局部散熱不足，會影響芯片性能乃至任務連續性。

電力獲取、功率波動、高密散熱與建設交付，由此形成一條相互影響的鏈路。要讓新一批計算設備按時上線，這些環節必須更早圍繞同一套運行需求展開設計。這一共識，恰恰也在推動基礎設施廠商重構AIDC的技術路線。讓算電協同深入每一層設備 在這些廠商中，華為的佈局較為系統。今年5月，華為發佈了源網荷儲AIDC戰略，將重構方向概括為“3+1”：供電鏈路的Watt、熱管理的Heat、數字化運營的Bit，以及建設模式。到了9月的峰會，AIDC 1.0與一系列產品進展，進一步說明了這條路線怎樣落到當前的產業條件中。這套重構的背後，是AIDC與電網關係正在發生的變化。

華為數字能源副總裁何波，曾將這一關係的演進概括為三個階段：從“適應電網”，到“支撐電網”，再到“主動構網”。△華為數字能源副總裁何波 第一階段，數據中心主要是用電負荷，重點是配置UPS、備用電源和電池系統，在電網異常時保障服務器穩定運行，儲能的價值主要體現在備電。第二階段，儲能從單一備電轉向備電與調節並重，AIDC可以參與削峰填谷、需量控制、短時波動平抑和需求響應。前面提到的Google 1GW需求響應，也體現了數據中心參與電網調節的方向。第三階段，則通過構網型儲能、能源路由器和微電網控制技術，增強電壓與頻率支撐能力，並在具備相應配置和控制條件時支持孤島運行。

這不意味著每一座AIDC都要變成獨立電站，但對於高密度算力園區、綠電直供項目以及電網相對薄弱的區域，這類能力具有實際價值。構網型儲能與傳統跟網型儲能的差別也正在於此——後者主要跟隨電網運行，前者能夠主動建立電壓和頻率參考，為系統穩定提供支撐。△AI生成 這種對電網角色的重新定義，首先就體現在供電鏈路的重構上。首先是Watt重構，著眼於從電網到芯片的供電全鏈路。面向當前階段，華為的AIDC 1.0方案以電網友好UPS、智能鋰電和構網型儲能協同為基礎，在保障供電連續性的同時，平滑AI負載波動，並增強對電網的支撐能力。不同層級的設備通常承擔著不同任務。

UPS即不間斷電源，負責保障連續供電；智能鋰電進一步參與負載平滑；園區層面的構網型儲能則面向電網支撐與多能源協同。面向未來，華為提出了MIMO供電目標架構，強調多能源輸入、多制式輸出與多級儲能協同。上游適應風電、光伏等不同能源，下游兼容不同代際的計算設備，中間針對從微秒到小時級的變化進行分級調節。更遠期的供電路線，還包括向以固態變壓器（SST）為核心的融合構網型能源路由器演進，將電能變換、儲能接入與構網控制進一步集成，減少供電鏈路中的轉換環節。華為此次公佈的泰山UPS單櫃容量達到1280kVA，雙變換效率最高98%；恆山直流UPS則以一套硬件平臺支持270V、400V、800V等多種直流制式。

前者回應有限空間裡的供電密度與效率，後者為不同計算架構的接入和後續升級保留選擇。尤其值得關注的還有多制式兼容。供電設施往往需要使用多年，在此期間，服務器會經歷更新，既有機房、新建項目與不同代際的設備在電壓、接口和改造條件上存在差異。華為在戰略中明確，交流和直流將在較長時間內共存，因此適配多種制式本身就是工程價值。儲能產品也沿著這一方向演進。據華為介紹，SmartLi 5.0增強了儲能密度、負載平滑和安全能力，並面向800V高壓直流架構演進。△AI生成 其次是Heat重構，關注從芯片到戶外的熱管理，以及全生命週期的安全可靠。

華為此次介紹的AI賦能液冷系統，以TMU（熱管理單元）作為控制核心，在冷量輸送之外加入微小漏液檢測、冷卻介質健康預測和預測性維護等能力。這一變化，對應著液冷規模部署後的實際問題。系統要長期運行，就需要持續掌握液體、管路和設備狀態，儘可能在異常影響業務之前發現風險。散熱效率與運行可靠性，必須在同一套系統中考慮。據華為介紹，TMU還與昇騰服務器實現原生適配，通過冷電聯動跟隨計算負載作出響應。服務器需要多大功率、熱量怎樣變化，珍惜信息可以更直接地進入冷卻系統的控制過程。△華為熱管理控制器TMU 計算設備與熱管理共享運行信息，協調各自的響應，這就是“聯合設計”。

而硬件系統之外，數字化運營是提升效率的另一個抓手。接下來的Bit重構，就是把數字化、智能化貫穿到了設計、交付與運營中。供電和熱管理系統越複雜，運行信息能否被持續觀察、異常能否被及時識別，就越影響運維效率。TMU的預測性維護體現了其中一種應用；華為希望進一步將這種思路延伸到設施全生命週期，使AI能力反過來服務數據中心運行。最後是建設方式重構。對於AIDC，設計性能能否及時變成可用算力，取決於設備交付、現場施工與測試能否銜接。將更多集成和驗證工作前移到工廠，可以減少現場串行施工與反覆調試，讓工廠生產與現場建設並行推進。據華為此次公佈的數據，電力模塊5.

0通過器件創新和產品化開發，實現佔地減少40%、交付時間由7天縮短至3天。華為在5月已亮相的全鏈供電Power POD，單箱容量支持3.2MW，一箱一路電，即插即用、室外部署；全鏈製冷IT POD則以八箱一系統實現製冷鏈路產品化。△全鏈供電Power POD 項目交付的收益，則可以從已有案例中觀察。華為公開的商湯臨港智算中心案例顯示，面對18MW擴容需求，雙方採用電力模塊與SmartLi集裝箱部署方案，通過工廠預製和室外部署，在45天內完成供配電系統交付；傳統同類系統交付週期約為3個月。將設備部署到樓頂，還釋放了原本用於配電的樓內空間，為計算設備擴容提供條件。

這類案例的意義在於，供配電系統的建設可以圍繞業務投產時間重新組織。此次展示的3D數據中心，則進一步探索空間佈局。借鑑芯片工廠“動力層”與“生產層”分離的理念，把供冷、IT設備、供電和備電沿垂直方向分層安排，重新協調動力設施與計算設備的位置關係。支撐這套重構的，是華為在數字技術（Bit）、電力電子技術（Watt）、熱管理技術（Heat）和儲能管理技術（Battery）上的4T能力積累。

何波在峰會上強調，華為的獨特優勢在於同時具備能源全鏈路與AI全棧能力： 橫向可以從綠色能源、電網、儲能延伸到供電、熱管理和芯片，縱向貫通基礎設施、算力、模型和AI應用——從算力需求出發，開展聯合設計、聯合仿真和聯合驗證。從供電、儲能到熱管理和交付，這套方案最終要回答的是同一件事，就是怎樣讓計算設備更快投入業務，並在不斷變化的負載下持續穩定工作。從運營者的視角，也能看到這種系統性考量。世紀互聯創始人、董事長陳昇在峰會上指出，AI負載的高頻跳變會給電網運行帶來新的挑戰，增加脫網、寬頻振盪失穩等風險；他提出重構外電層、園區層和樓宇層，實現外電可互濟、園區可調度、樓宇可直流化。

華為計算戰略規劃首席專家夏勤則從計算架構出發指出，AIDC正向算網存一體化協同架構演進，能源是基礎設施的能力基座。其實，不僅技術架構在重構，衡量AIDC效率的標尺也在發生變化。算力工廠，用Token算能效 在供電、散熱與算力之間的聯繫更加緊密的同時，評價AIDC的方法，也需要延伸到實際交付的業務產出。數據中心長期使用PUE衡量能效，即總能耗與IT設備能耗的比值。它能夠反映供電、製冷等輔助系統的能源開銷，但不直接衡量IT設備完成了多少有效計算。同樣的PUE，可能對應不同的設備利用率、任務完成量和業務成本。通信等待、任務中斷和調度不匹配，都可能讓投入的電力無法轉化為預期的計算結果。

所以，設施側的節能之外，還需要觀察進入服務器的能源是否得到充分利用。能源、硬件、軟件和業務，需要在同一套評價目標下協同。商湯科技大裝置事業群智算中心總經理林海在此次峰會上介紹，商湯正從以PUE為核心的能效管理，進一步走向以TPW（Tokens Per Watt）為核心的全鏈路效率管理。這一思路把用電效率與Token產出聯繫起來，將電網電廠、IDC機櫃服務、算力雲服務到模型服務納入同一條評價鏈路。據其披露，商湯大裝置通過端到端全鏈路優化，已實現單位電力成本Token產出提升80%；商湯臨港智算中心也是業界首個獲得中國信通院算電協同5A認證的智算中心。華為也在嘗試衡量能源到計算產出的轉化效率。

華為董事、華為數字能源總裁侯金龍在此次峰會上將“每一瓦特產出更多Token，每一Token成本更優”，概括為算力工廠的核心競爭力。這類評價需要與具體任務相連。不同模型、輸出質量和時延要求，會影響Token產出；能耗統計的時間和邊界也必須一致。因此，PUE仍有價值，而面向業務的指標增加了另一個觀察維度，即在滿足質量與服務要求的前提下，一座AIDC能夠持續交付多少有效計算。評價標尺的變化，也讓產業裡的能力積累開始以新的方式組合。電源廠商熟悉電能轉換，服務器廠商瞭解計算設備，數據中心運營者掌握業務需求。而評價目標延伸到最終計算產出時，不同環節就需要更早共享信息、共同設計。

華為的優勢在於同時參與了計算和能源兩端的建設，計算側有昇騰服務器、超節點和計算系統，能源側覆蓋光伏、儲能、供電與熱管理。△AI生成 這種跨領域協同的能力，在TPW時代會更有價值。當評價目標延伸到最終計算產出，只有同時理解計算和能源兩端，才能真正實現全鏈路優化。前述TMU與昇騰的原生適配，就是這種能力的一次具體落地。更長遠的問題在於，AI硬件迭代的速度，與能源基礎設施的使用週期並不一致。一座AIDC的供電、管路和建築設施，往往要服務多代服務器。如果每換一代計算設備，配套系統就要大幅調整，擴容時間和改造成本會不斷累積。

所以下一階段的設計，需要從建成時滿足需求，進一步考慮後續如何升級：核心設施要能長期複用，迭代模塊可獨立替換，新舊設備也需平滑共存。前述這些設計選擇，因而也有了跨代際的價值——為設施升級保留餘地，讓基礎設施在持續服務現有業務的同時，逐步適配新的計算需求。這種能力的門檻，在於既要理解計算系統的演進方向，也要掌握能源系統的運行規律，還要能夠把設計轉化為可靠的工程交付。它需要在真實算力負載、電網條件和項目工期中持續校正，難以依靠某一個環節的單點突破快速形成。這種跨領域能力，也為華為連接產業生態提供了支點。

AIDC建設涉及計算設備、供配電、製冷、儲能與運營，能夠同時理解計算與能源兩端需求的廠商，更有條件銜接各方約束，推動夥伴圍繞系統目標開展適配與驗證。隨著項目經驗積累，產品之間的協同還可以進一步沉澱為可複用的工程方法和生態協作經驗。AI基礎設施繼續向更大集群演進，算力與能源的聯繫也會更加緊密。對AIDC廠商來說，下一階段更難複製的競爭力，將來自對整條鏈路的理解，以及把這種理解轉化為產品、工程與生態協作的長期能力。華為橫跨計算與數字能源的佈局，正在將這些積累轉化為現實的系統優勢。這種跨領域能力，很難靠單點突破快速形成，也讓華為在下一代AI基礎設施的演進中佔據了更主動的位置。

版權所有，未經授權不得以任何形式轉載及使用，違者必究。