芯片之后，散熱登場，AI陷入新瓶頸

作者/文森特

編輯/嘉嘉

制約AI發展的最大瓶頸是什么？有人說是算力儲存這類芯片，也有人說是具體的落地場景，還有人說是算法的迭代升級……

這些是AI發展的影響因素，但如今最大的制約因素卻是電力能耗——有沒有足夠的電能支持AI發展將成為算力芯片潮之后的新瓶頸。

可以說，在未來，誰有足夠的電能或是誰能夠大幅度降低能耗，誰就能夠在AI賽道上取得先手，為此不論是國外還是國內，AI大廠們紛紛開始開源節流措施，讓自己在新的一輪電力競爭中獲得優勢。

【1】電力成為AI新瓶頸

“今年晚些時候，除中國外，可能出現芯片產能過剩卻無足夠電力驅動的情況。很快，我們生產的芯片將多到沒有足夠的電來運行它們?！?/p>

在今年3月舉辦的達沃斯論壇上，馬斯克向火熱的AI行業潑出了一盆冷水，制約AI發展的瓶頸不再是算力芯片，而是更為基礎的電力能源。

很多人沒有意識到，在大模型算力高速增長的背后，是AI功率和能耗的指數級增長。

2018年，Open AI訓練GPT-1時，訓練能耗約為0.1MWh，但在五年之后的2023年，Open AI訓練GPT-4時，訓練能耗直接翻了50萬倍，達到驚人的5萬MWh。

主要的原因是GPU芯片使用量的大幅度提升，訓練GPT-1一共只使用了 8–16 塊 V100 GPU，而到了GPT-4時，Open AI共調用了25000塊英偉達A100 GPU。

模型復雜化、算力芯片的暴增，直接帶來AI訓練能耗的指數級增長，其實AI對電能的吞噬，不僅是在訓練上，在B端、C端用戶的日常使用中，AI消耗的電能同樣超乎想象。

數據顯示：ChatGPT每天要響應大約2億個請求，這個過程會消耗超過50萬度電力，相當于一個小型工業園區的全天用電總和。

這還只是Open AI一家公司一款產品的電能消耗，整個AI行業已經成為全球電能最大的增量。

國際能源署報告顯示：2025年，全球數據中心總用電量達到0.65萬億度，中遠期全球AI數據中心的總能耗將達到4.3億度，超過當前美國4億度的全年總用電量。

（來源：IEA）

更為關鍵的是，在AI行業電力需求呈現出爆發式指數增長的同時，全球發電量卻呈現3.3%的龜速增長。

美國能源部預計到2028年，每100度電，12度電都將被AI數據中心消耗。

而這樣的行業現狀也引起了大佬們的普遍擔憂，黃仁勛多次發出“電力掐住了AI的咽喉”“電網成了AI的新天花板”等警告性言論。

可以說，在未來幾年，AI的瓶頸不再是算力芯片，而是電能。

【2】加強發電中心建設

相比馬斯克、黃仁勛的呼吁，AI大廠們則更早地感受到了電力短缺帶來的影響：
微軟CEO納德拉公開表示：因無法找到足夠的電力來運行倉庫中已有的 GPU，導致約800億美元的Azure 訂單無法履約；

OpenAI提交的報告中直接顯示：電力不僅僅是一種公用事業，更是一項戰略資產，對于建設人工智能基礎設施至關重要。

缺電已經成為海外AI巨頭們面臨的新挑戰，為此這些企業開始集體“開源”：

2025年10月，Meta俄亥俄州數據中心放棄電網接入，改由管道公司Williams建設天然氣發電站，從而保障數據中心所需要的電能；

11月，谷歌與道達爾簽訂長達十五年的可再生電力供給協議，屆時道達爾直接向谷歌位于俄亥俄州的超大規模AI數據中心供應電力；

2026年3月5日，微軟、谷歌、OpenAI、亞馬遜、Meta和甲骨文等巨頭聯合簽署了“自主供電”承諾，不與居民搶奪電力，而是自行供應AI所需要的電力；

3月9日，谷歌和特斯拉宣布組建“電網利用聯盟”，希望利用儲能、虛擬電廠等技術激活電網閑置容量，保障旗下AI業務的供電量；

3月12日，xAI獲得批準運行41臺甲烷燃氣輪機，為“巨像2號”數據中心的AI超級計算機供電；

可以說，在AI巨大的電力需求面前，海外AI公司都在自建電站自救，甚至在1月達沃斯世界經濟論壇上，馬斯克表示，要將數據中心放在太空上，通過太陽能發電滿足日益增長的能耗需求。

與國外AI巨頭面臨電荒，需要自建電網不同，中國AI企業則沒有相似的感受。

（來源：互聯網）

原因在于以下幾點：一是中國年發電量10萬億千瓦時的底氣；二是中國掌握了特高壓輸電等在內的整套核心專利和產業；三是通過產業布局，如“東數西算”工程、“算電協同”戰略，將算力中心布局在貴州、內蒙古等能源省份。

“中國在電的問題上，沒有必要像美國人那么焦慮，以我們今天的算力規模來看，中國現有的電力供給其實是相當充足的”，在接受媒體采訪時，中國工程院院士王堅表示，對于中國而言，電力從來不是AI發展的問題。

【3】降耗成為AI新常態

基于國內電網遙遙領先的水平，中國AI廠商不用擔心用電荒，但同谷歌、Meta等海外廠商一樣，也要面臨降低能耗的問題——為了降低AI不斷飆升的成本。

在當前情況下，為了保持發展，算力能耗不可能降低，所以多數企業將目標放在了散熱能耗中，據司庫財經了解，為服務器降溫散熱所需要的能耗，約占算力中心總能耗的40%。

“當AI訓練集群將功率密度推至40千瓦以上，相當于把20臺家用電暖器塞進一個冰箱大小的機柜同時烤火，產生的熱量幾分鐘就能燒開一浴缸水”，此前浪潮通信副總經理郭振君曾對媒體表示，服務器散熱比想象中的難度更大。

據了解，此前多數的服務器是風冷，即通過加裝風扇，通過空氣流動帶走熱量，但當服務器能耗功率小時，風冷尚能滿足服務器需求，而一旦功率飆升，因物理限制，風冷根本起不到散熱作用。

傳統散熱已經到了極限，而液冷則是將服務器浸泡到高比熱容的液體，空氣與液體在比熱容上的物理差異，液冷在AI服務器能效上有著天然優勢。

液冷與風冷有著巨大的差異，目前采用風冷的數據中心，能源使用效率為1.5左右，每用1.5度電，即AI數據中心在計算存儲時，每耗費1度電，就額外需要0.5度用于散熱冷卻。

（來源：互聯網）

而液冷在散熱能耗的表現上則呈現指數級的進步，以華為的液冷方案為例，浸沒式液冷能將能源使用效率提升至1.05，即AI數據中心在計算存儲時，每耗費1度電，用在散熱上的電量只需要0.05度。

從以上數據對比中不難看出，液冷的散熱能耗只有風冷的十分之一，這也意味著，能夠節省大量的成本——華為數據顯示：一個5萬臺服務器的數據中心，如果采用浸沒式液冷方案，一年能夠節省1.2億電費。

西南證券在一份研究報告中直接指出，AI對電力消耗越來越大，成本越來越高，再加上散熱這件事本身巨大的耗電量，因此成本更低、耗能更小的散熱方案將進入一個新時代。

高盛在一份報告中預測：2024年，液冷在AI訓練服務器領域的滲透率只有15%，但在2027年，將會飆升到80%。

可以說，在AI耗電不斷攀升、散熱處理難的大背景下，液冷尤其是浸沒式液冷正在成為行業的標配。

人工智能的發展正站在一個全新的十字路口。曾經，我們以為芯片是AI前進的唯一引擎；如今，電力正在成為新的天花板，散熱則成為破局的關鍵鑰匙。

相比之下，中國憑借強大的電力基礎設施、領先的特高壓技術和前瞻性的產業布局，在這場全球AI電力競賽中占據了獨特的先發優勢。但“不缺電”并不等于“無憂慮”，決定AI不僅有算力更要看經濟效益。

如果說，算力定義了AI的起點，那么對于如今的行業而言，電力與散熱將共同決定AI能夠走多遠。