数据中心

为什么需要液冷 AI芯片功耗：从300W到1000W+ 风冷达到物理极限 数据中心PUE要求趋严 液冷技术路线 冷板式 成熟、改造方便 当前主流 浸没式 散热效率最高 建设成本高 喷淋式 中间路线 特定场景适用 产业链机会 液冷服务器 冷却液材料 管路与CDU设备 市场空间 AI数据中心液冷渗透率快速提升，产业链公司迎来订单爆发。

算力需求爆发 训练GPT-6级别模型需要数万张H100。全球数据中心投资规模已达千亿美元级别。 瓶颈 电力：一个大型AI数据中心耗电相当于一座城市 芯片：先进GPU供不应求 散热：液冷成为标配 土地：选址困难 地缘因素 美国限制先进芯片出口 中国加速国产替代 中东资金大量涌入 未来 算力即国力。数据中心成为战略基础设施，各国都在抢占。

Anthropic锁定至少14.8吉瓦计算能力（超1000万户家庭用电）；1吉瓦约对应75万户美国家庭用电；Nscale西弗吉尼亚园区1.35吉瓦；谷歌芬兰购核电50%发电量。当推理算力占比超70%，数据中心能耗已从技术问题升级为两党政治议题。

9月9日谷歌宣布未来两年在芬兰投资130亿欧元建设数据中心与清洁能源，初期创造3.7万个就业，并签订22年购电协议，购买洛维萨核电站50%发电量——这是美国以外首份核电PPA。当AI军备竞赛打到第三年，瓶颈不再是芯片，而是电。

推理算力占AI基础设施支出比例首次超过70%。OpenRouter数据显示2026年4月全球大模型周调用量达27万亿Token，中国12.96万亿连续五周超过美国。百度石清华预计推理带来的算力增量占比将达三分之二、未来超80%。AI基建的投资重心正在从训练转向推理。

一纸上调的指引 当地时间9月2日，博通发布2026财年第三季度业绩。最亮眼的是AI业务： 2026财年AI营收指引从 560亿 上调至 580亿美元，同比增长 186% 2027财年已确保供应将推动AI营收翻倍至 1150亿美元 2028财年有望再次翻倍至 2300亿美元 连续两年的翻倍预期，把"AI算力是长期主义"从口号变成了可验证的数字。 为什么博通能持续翻倍？ 博通是AI算力基础设施的核心供应商，其定制ASIC芯片（XPU）与网络交换芯片深度绑定大客户的超大规模数据中心建设： 定制化路线：针对特定客户的训练/推理需求定制芯片，效率优于通用GPU 网络瓶颈解药：AI集群的互连芯片需求随规模指数增长 大客户锁定：与北美头部云厂商的长期供应协议，订单可见性高 值得注意的信号 财报电话会的一个细节耐人寻味：指引上调了，但股价当日仍下跌。 这说明市场对AI算力股的定价已非常充分——高增长本身不再构成惊喜，只有"超预期"才能推动估值。对投资者的启示：算力产业链的基本面依然强劲，但估值已透支部分预期。 结语 博通的数字是整个AI算力产业的缩影：需求真实、增长确定、但市场开始挑剔。从580亿到2300亿美元的三级跳，考验的是供应链的产能、良率和交付节奏——这三样，比"讲故事"难得多。

AI的尽头是电力 2026年8月19日消息：AI用电量增加导致功率半导体缺货严重，台系厂商酝酿第三波价格调整，最快10月起针对非合约产品涨价10%至15%。 这不是孤立的供应链事件——它是AI产业爆发对物理世界产生连锁冲击的最新信号。 缺货背后的数据 需求端：AI数据中心是电老虎 一个大型AI数据中心的功耗： 训练集群：单台NVIDIA H100功耗700W，一个千卡集群仅GPU就700kW 推理集群：部署规模更大，7×24小时运行 冷却系统：占数据中心总功耗的30-40% 整体功耗：一个大型AI数据中心功耗可达50-100MW，相当于一个小城市的用电量 供给端：功率半导体是电力转换的核心 功率半导体（IGBT、MOSFET、SiC）在数据中心中的作用： 电源转换：将电网交流电转换为数据中心需要的直流电 功率因数校正：提高用电效率 不间断电源(UPS)：保证电力供应稳定 配电管理：将电力分配到每一个机柜 AI数据中心对功率半导体的需求是传统数据中心的3-5倍——更高的功率密度需要更多、更先进的功率器件。 三波涨价的时间线 波次 时间 涨幅 对象 第一波 2025年Q4 5-8% 全线产品 第二波 2026年Q1 8-12% 紧缺型号 第三波 2026年Q4（预期） 10-15% 非合约产品 合约客户（大客户长期合同）不受影响，但中小客户和现货市场将承受涨价。 为什么是台系厂商？ 全球功率半导体主要供应商： 英飞凌（德国）— 市场份额第一 安森美（美国）— 汽车领域强势 台积电/世界先进（台湾）— 代工产能最大 士兰微/斯达半导（中国大陆）— 国产替代 台系厂商（台积电、世界先进、力积电）在功率半导体代工中占据关键位置。当产能紧缺时，台系厂商的定价权最大。 产业链连锁反应 AI需求爆发 → 数据中心扩建 → 电力需求激增 → 功率半导体缺货 → 涨价 → 数据中心建设成本上升 → AI推理成本上升 → AI应用价格上升 这不是远在天边的供应链问题——它最终会传导到每一个AI用户的账单上。 对不同角色的影响 1. AI云服务商（百度、阿里、腾讯） GPU云收入暴增（百度+283%），但电力成本也在上升。好消息是：电力成本占比低于GPU成本，短期利润率影响有限。长期来看，拥有自建电厂或绿电能力的云服务商会有成本优势。 2. 数据中心运营商 功率半导体涨价直接推高建设成本。新建数据中心的资本支出增加10-15%。但AI需求旺盛，供不应求，成本可以转嫁给租户。 ...

AI的电力困境 2026年，全球AI数据中心的电力消耗达到约120GW，相当于整个英国的用电量。按照当前增长速度，到2028年这一数字将突破300GW。电力供应已经成为AI产业发展的最大物理瓶颈。 在这种背景下，小型模块化核反应堆（SMR）被视为解决AI数据中心能源危机的最有前景的方案。2026年上半年，SMR领域出现了多个里程碑式进展。 AI数据中心电力需求现状 需求增长曲线 年份 AI数据中心功耗 全球数据中心总功耗 占全球用电比 2022 15 GW 45 GW 1.5% 2024 45 GW 75 GW 2.5% 2025 75 GW 105 GW 3.5% 2026 120 GW 160 GW 5.0% 2028(预测) 300 GW 350 GW 10.0% AI训练和推理的功耗增长远超预期。一个训练万亿参数模型的计算集群功耗可达50-100MW，相当于一个小型城市的用电量。 电网瓶颈 传统电网已经无法满足AI数据中心的需求： 1. 供电容量不足 美国最大的电网运营商PJM Interconnection在2026年报告，其覆盖区域内的电力需求将在2030年增长40%，但电网扩容速度远远跟不上。 2. 输电线路不足 新建输电线路的平均审批周期为7-10年。即使发电能力充足，电力也无法输送到需要的地方。 3. 可再生能源间歇性 太阳能和风能的间歇性使得它们难以独立支撑AI数据中心的24/7稳定运行。大型AI公司需要"firm power"——全天候稳定供电。 4. 成本上升 电力价格在2026年持续上涨。美国数据中心平均电价从2024年的$0.07/kWh上涨到2026年的$0.11/kWh，涨幅57%。 SMR：AI能源的新希望 什么是SMR 小型模块化反应堆（Small Modular Reactor）是单机容量300MW以下的核反应堆。与传统大型核电站相比，SMR具有以下优势： 模块化：工厂预制，现场组装，建设周期2-3年（传统核电5-7年） 安全性：采用被动安全设计，无需外部电源即可冷却 灵活性：可增减模块来调整容量，适合渐进式扩容 选址灵活：占地面积小，可靠近数据中心建设 成本可控：批量生产降低成本，目标$3,000-$5,000/kW SMR主要玩家 1. NuScale Power ...

Blackwell Ultra：NVIDIA的2026年旗舰 2026年Q2，NVIDIA Blackwell Ultra GPU（B300系列）正式开始规模出货。作为Blackwell架构的第二代产品，B300在性能、能效和功能上都带来了显著提升。第一批拿到货的客户包括Meta、Microsoft、Google和Oracle，他们已经在生产环境中部署了B300集群。 本文基于NVIDIA官方数据和早期客户的实测结果，全面解析Blackwell Ultra的性能表现。 规格概览 B300 vs B200 vs H200 规格 B300 (Blackwell Ultra) B200 (Blackwell) H200 (Hopper) 制程 TSMC 3NP TSMC 4NP TSMC 4N 晶体管 208B 208B 80B 双芯片设计 是 是 否 FP4张量性能 15 PFLOPS 9 PFLOPS 4 PFLOPS FP8张量性能 7.5 PFLOPS 4.5 PFLOPS 2 PFLOPS FP16/BF16 3.75 PFLOPS 2.25 PFLOPS 1 PFLOPS 显存 192GB HBM3e 192GB HBM3e 141GB HBM3e 显存带宽 8.0 TB/s 8.0 TB/s 4.8 TB/s 功耗(TDP) 1200W 1000W 700W 互联 NVLink 5 (1.8TB/s) NVLink 5 (1.8TB/s) NVLink 4 (900GB/s) B300的FP4性能达到15 PFLOPS，是H200的3.75倍。但功耗也从700W上升到1200W，这对数据中心的供电和散热提出了更高要求。 ...

2026年，AI产业面临一个日益严峻却被长期低估的挑战：电力。当千亿参数模型的训练需要消耗一个小国全年用电量、当推理集群的功耗超过核电站输出——AI的能源危机已不再是未来的威胁，而是当下的现实。 电力消耗现状 数据中心用电规模 根据国际能源署（IEA）2026年6月报告： 全球数据中心总用电量预计达到1,450 TWh，约占全球总用电量的4.5% 其中AI相关用电约620 TWh，占数据中心总用电量的43% 2023年至2026年，AI用电量增长了5.8倍 预计到2028年，AI用电量将突破1,000 TWh 具体到训练与推理： 用途 2026年用电量 占比 同比增长 大模型训练 180 TWh 29% +120% 推理服务 320 TWh 52% +85% 数据存储与传输 120 TWh 19% +30% 推理用电已超过训练用电，反映了大模型部署规模的急剧扩大。 单个模型的电力成本 以2026年主流模型为例： Llama 4 405B训练：约消耗450 GWh，相当于约5万户美国家庭一年用电量 GPT-5训练（估计）：约1,200 GWh，超过一个小城市的年用电量 Claude 4训练（估计）：约800 GWh 每次ChatGPT查询的推理能耗约2-3瓦时，是Google搜索的10-15倍 区域差异 AI用电呈现高度集中的地域特征： 美国弗吉尼亚州：全球最大数据中心集群，AI用电占全州用电量的25% 爱尔兰：数据中心用电占全国用电量的22%，已触发电网容量警告 中国内蒙古/贵州：因电力成本低廉成为AI训练中心，但面临水资源压力 新加坡：因电力与水资源约束，暂停了新数据中心的建设审批 电网压力与连锁反应 电网容量告急 多地的电网已接近或达到承载极限： 美国PJM互联电网（覆盖弗吉尼亚等州）在2026年冬季高峰期出现容量紧张 英国国家电网警告：如果不扩建，伦敦周边数据中心可能在2027年面临供电限制 中国东部沿海地区多地对新建数据中心实施"能耗双控" 电力价格上涨 AI数据中心对电力的巨大需求正在推高局部电价： 弗吉尼亚州北部工业电价较2023年上涨28% 爱尔兰数据中心集中区域居民电价上涨15% 部分地区出现"AI溢价"——数据中心愿意支付高于市场价的电价获取电力供应 对减排目标的影响 AI用电增长正在威胁多国的碳中和承诺： Google 2025年碳排放较2019年增长48%，主要因数据中心用电增加 Microsoft 2025年碳排放较2020年增长29% 如果AI用电按当前趋势增长，全球数据中心碳排放可能在2028年达到5.8亿吨CO2 绿色解决方案 方案一：可再生能源直接供电 大型AI公司正在大规模投资可再生能源： ...