如今，一座数据中心的年耗电量，已经可以超过一座50万人口的中型城市，而且这样的数据中心已屡见不鲜。当吉瓦（GW）这个量词开始在数据中心行业中成为焦点，单座园区的总功率高达1000兆瓦（MW），是传统大型数据中心（往往几十兆瓦）的数十倍。数据中心在AI的推动下，也正式步入了GW时代。

根据刚刚在2026开放计算技术大会上发布的《吉瓦（GW）级开放智算中心框架技术报告》（以下简称《报告》），这场由AI算力需求引爆的基建革命，绝非是简单地把传统机房“放大”或“堆叠”服务器，也不仅是一次技术升级，更是一场价值万亿的产业链升级。“未来，数据中心怎么建？”已经成为摆在整个IDC行业的共同挑战。

从MW到GW，数据中心能耗越来越大

一位头部互联网公司的基础设施负责人拿到了一份新建智算中心的规划书。看完之后，他问了团队一个问题：“我们以前建一个数据中心，单位是兆瓦。现在规划书上写的是吉瓦。中间差了一千倍，这还是一回事吗？”这不是他一个人的疑惑，而是整个行业的现实写照。

回看五年前，单机柜功率还基本处于2.5KW，单体数据中心最高达到MW级已属不易。但随着生成式AI应用的火爆，机柜功耗也在不断攀升，AIDC时代，单机柜功率30 KW以上已是常态，面向未来的超节点机柜正在向300 KW、500 KW甚至MW级迈进。

Gartner在2026年发布的最新预测显示，全球数据中心的电力消耗将在2026年达到565太瓦时，较2025年增长26%，相当于约2.3亿个中国家庭一年的用电量。其中，AI优化服务器的电力消耗占比将从2025年的约20%跃升至31%。

“如今AI计算能力受到电力供应的限制，这使数据中心供电保障成为全球AI竞赛中实现规模扩张和保障利润的新角逐点。” Gartner研究总监Linglan Wang的判断一针见血。算力竞争，本质上已升级为电力竞争。

中国的算力需求同样在快速膨胀。据行业不完全统计，2026年国内AI芯片的部署规模预计达到300万至400万张，按照AIDC功耗约等于AI芯片功耗两倍的行业经验公式估算，2026年国内AIDC的电力需求将突破5GW，实际建设规模可能达到6至8GW。

一个完整的AIDC园区，总功率跨越GW门槛，内部不再是“机柜+空调+电源”的简单组合，而是供电、液冷、高速互连、智能运维四个子系统深度耦合的复杂系统工程。

更重要的是节奏。传统数据中心从规划到上线，两到三年是常态。而AI厂商的要求是：越快越好。

马斯克的xAI团队在田纳西州孟菲斯市建设的Colossus数据中心，从破土动工到首批服务器上线仅用了122天。虽然该项目在实际运营中也暴露出冷却系统设计冗余不足等问题，但它向行业传递了一个清晰的信号：算力建设的游戏规则变了，速度本身也成为了核心竞争力。

在中国，同样的压力也在传导。2026年5月，国家数据局印发《2026年数字经济发展工作要点》，明确提出“加快建设全国一体化算力网，推动数据、网络、算力、能源等资源协同布局”。算电协同更被首次写入政府工作报告。政策端的信号很明确：算力基础设施的建设，必须提速，也必须升级。

但提速不等于蛮干，一个GW级AIDC的建设成本在40亿至80亿美元之间，涉及供电改造、液冷部署、高速互连、智能运维等多个尚未完全成熟的技术领域。一旦决策失误或设计偏差，损失将是灾难性的。

供电、散热与互连，全面升级

当算力需求从MW级跃升到GW级，摆在产业面前的挑战，远比想象中复杂。这不是简单地把服务器数量乘以10，而是一次从物理到逻辑的系统级升级。《报告》的核心判断指出：GW级AIDC比拼的是系统综合能力，而非单卡、单机的峰值性能。

如果说GW级AIDC是一台为AI量身定制的巨型引擎，那么供电、散热和互连就是它的三大核心系统。这三者正在同时经历根本性的技术升级，这次升级将决定未来十年算力基础设施的基本面貌。

这其中，首当其冲的就是供配电系统。传统数据中心普遍采用48V/54V的直流供电架构，但当AI机柜功率从几十KW飙升到140KW甚至更高时，这套架构的局限性暴露无遗。巨大的电流会导致铜损剧增、铜排体积膨胀、散热困难，最终阻碍算力密度的提升。

对此，世纪互联能源创新部高级总监高小淇告诉笔者，800伏高压直流供配电已经成为行业的主流（将高压直流电直接送入机柜，在靠近芯片的位置再做最后一公里降压），“相比传统方案，800伏直流电流大幅降低，铜排体积缩小，转换层级减少，整体能效提升。800伏高压直流供电也已经成为了当前AIDC建设的必备条件”。百度智能云基础设施系统部副总经理何永占则表示，800伏高压直流项目正加快规划论证，各项前期工作有序推进，力争尽早落地实施。

不过，这条技术路线的推进速度不仅取决于头部厂商的意愿，更依赖于整个高压直流产业链的成熟度，从固态变压器到高压连接器，从直流断路器到监控保护系统，还有大量配套环节需要补齐。

如果说供电是AIDC的心脏，散热就是它的呼吸系统。传统风冷散热能力的天花板大约在单机柜20千瓦左右。超过这个密度，风冷系统的风扇转速、风道设计、噪音控制和能耗都会急剧恶化。而AI超节点机柜的功率密度正在快速跨越100千瓦、300千瓦的门槛。

今年6月，英伟达正式宣布其新一代Vera Rubin平台将采用100%全液冷技术，冷却液运行温度高达45摄氏度，系统内没有任何风扇，计划于2026年秋季启动量产；字节跳动2026年发布的AIDC技术规范已经明确规定：超过21kW的高密度机柜必须100%采用液冷方案。

浪潮信息AI服务器技术专家表示，“液冷比例在逐渐提高，现在的数据中心很多已经开始规划纯液冷了，先天就是一个液冷原生的数据中心。”此外，百度也在稳步探索散热技术升级路径，推动制冷架构由风液混合逐步向纯液冷演进。这不仅是为了控制温度，更是为了提升能效，实现更低的Token每瓦成本——这是AI时代衡量数据中心竞争力的新标尺。

液冷的技术路线也在快速演进。从成熟的冷板式液冷，到近年备受关注的浸没式液冷，再到两相冷板液冷，技术成熟度曲线正在右移。两相液冷的相变散热技术，理论上可以支撑2000W以上芯片功耗和300KW以上单柜功率的散热需求，被产业界视为突破下一代高密算力瓶颈的关键路径之一。“浪潮信息也一直持续推进液冷技术创新，在负压液冷、两相液冷、原生液冷等领域都积累了系列创新实践成果。” 

市场规模同样可观。据行业测算，假设2026至2027年国内新增AI数据中心机架分别为5.0GW和7.5GW，液冷渗透率分别达到38%和54%，则国内数据中心机架侧液冷市场的规模可达98亿元和215亿元。这还不包括液冷系统运维、冷却液更换等后续服务市场。

供电、散热两个方面的升级其实从几年就已经逐步开始了，时至今日已经初见成效。相较之下，通信互连才是当前卡在中国GW级AIDC建设最关键的瓶颈。

与传统数据中心几百卡不同的是，GW级数据中心达到了万卡，甚至十万级别，算力不是孤岛，而是一张网。这张网的带宽、延迟和可靠性，直接决定了上万张AI芯片能否协同工作。卡间互连就成为了最大的挑战，对此，何永占表示，超节点技术实现突破的核心在于互联通信，相关技术链路覆盖芯片、模组、UBB 通用基板、机柜高密连接器；互联方案包含机柜内铜线互联乃至全光互联，同时涉及东西向网络所需的光模块、光纤与交换机。支撑 Scale-up 纵向扩容、Scale-out 横向扩展所需的各项技术及供应链能力，构成一条完整产业链。

目前，全球高速互连技术飞速发展，中国想要突破，必须走自主研发的道路。“未来产业竞争的核心将聚焦于互联技术和系统设计能力。若能持续夯实通信IP、信号增强芯片、交换芯片、全光互联技术等关键板块，我们的超节点体系有望构建自主标准，并培育形成完善产业生态。”何永占如是说。

系统是AIDC的门槛

2024年底，某国内城市的一座智算中心正式投运。规划算力充沛，设备采购预算充足，机房建设标准也按当时最高规格执行。然而上线不到三个月，运维团队就发现了一个尴尬的问题：理论算力很高，但有效算力输出始终只有设计值的60%左右。

原因并不出在AI芯片本身，而是分散在整个数据中心内部多个环节，比如液冷系统的管路设计不够合理，导致部分机柜散热不均，芯片频繁降频；供电系统的监控粒度不够细，负载波动时无法快速响应；网络互联的冗余设计不足，单点故障导致整机柜离线的情况时有发生。

这个案例在行业内并非孤例。它揭示了一个至关重要的真相：GW级AIDC的核心竞争力，不在于单颗芯片的峰值算力，而在于整套系统的稳定性、可维护性和全生命周期效率。

从全球格局看，美国在GW级AIDC的建设规模和数量上确实领先。马斯克的Colossus数据中心总容量约2GW，仅用122天建成，刷新了行业纪录。Meta正在推进名为“Prometheus”的集群，规划容量超1GW，预计2026年内上线。OpenAI更是雄心勃勃地提出了至少10GW的长远建设计划。

但先行者也有先行者的烦恼。得克萨斯州等地对大型数据中心的审批正在收紧，原因很简单：一个GW级的数据中心，电力消耗足以对周边中小城市的居民用电构成实质性影响。也正是因为传统电力不够用了，所以OpenAI、Anthropic等公司开始将目光投向核电。

回看国内，中国在电力供给上则有独特优势。得益于全球领先的特高压输电网络和快速增长的绿电装机容量，中国的新增电力供给中绿电占比已超过80%。乌兰察布、宁夏中卫等地正在规划的源网荷储一体化智算基地，正是利用西部绿电资源、通过“算电协同”模式解决电力瓶颈的典型实践。

但中国也有自己的短板，对此，OCP中国社区负责人叶毓睿表示，从GW级AIDC的建设尺度和超大规模集群能力来看，中国整体上大约比美国晚两到三年，差距主要来自高端芯片供给和高速互连等关键环节，而电力基础设施反而是中国的相对优势。“单纯从尺度来讲，客观承认，美国还是走在我们前面”，叶毓睿如是说。

但他同时指出，中国并不需要简单复制美国依靠Scaling Law持续扩大算力规模的路径，采用新的理念或算法，以及依托电力基础设施、制造供应链和软硬件协同等优势，也有机会走出一条以算电热协同为基础，更强调算力效率的GW级AIDC的发展路线。

再回看40~80亿元的GW级AIDC建设成本，这笔投资中有20%~30%用于非算力部分的供电、散热、互连、建筑和运维系统。而正是这一部分，决定一个GW级AIDC能否真正发挥价值的关键。某行业专家曾向笔者表示，在GW尺度上，任何一个环节的短板都会被无限放大。供电系统的瞬态波动可能导致整排机柜降频；液冷管路的单点泄漏可能导致上千张卡离线；网络互联的拥塞控制不当可能导致整体训练效率腰斩；运维监控的盲区可能导致故障发现和修复时间从分钟级拉长到小时级。

谈及AI基础设施建设，何永占表示，核心不仅在于硬件能否搭建落地，更在于能否实现高效用好。这涵盖液冷系统全链路智能监控、供电系统负载动态调度、超节点内部及集群实时故障预判与快速自愈，以及整个AI集群的利用率优化提升等多项能力。“相较于单纯扩充 AI 芯片规模，打造这类软件与运维管控能力难度更高，价值也更为突出。”何永占强调。

GW时代的AIDC建设已经不仅是一场军备竞赛，而是一场系统工程能力的终极考验。

（文｜Leo张ToB杂谈，作者｜张申宇，编辑丨杨林）