从芯片到电网：AI数据中心为何撞上更硬的“物理墙”

2026年，AI数据中心的叙事主线正在发生一次关键转向。过去两年，行业几乎把全部注意力放在GPU、HBM和先进封装上，“缺芯”成为算力扩张最显性的矛盾。但到了今年，越来越多的超大规模云厂商、分析师和供应链企业开始意识到，芯片只是第一道门槛。电力接入排队、变压器交付周期拉长、液冷系统从可选项变成必选项、土地与空间资源趋紧，正在共同构成一堵更硬的“物理墙”。

从OCP全球峰会到华为数据存储用户精英论坛，从致瞻科技的10MW固态变压器到Frore Systems的金刚石冷板，再到韩国蔚山海底数据中心试点，产业链释放出的信号高度一致：算力扩张的瓶颈，已经从单一半导体环节，转向供电、散热与空间协同的系统性约束。

芯片墙未倒，“通电速度”成为新约束

芯片供应依然紧张，只是紧张形态变了。英伟达GPU订单积压已经延伸至2027年，金额达到万亿美元级别；三家HBM供应商2026年产能全部售罄，缺口仍在50%到60%之间。SEMI中国负责人预测，2026年全球AI基础设施支出将达到4500亿美元，推理算力占比首次超过70%，存储正在取代逻辑芯片成为AI基础设施中最紧绷的环节。

但更棘手的问题在于，芯片短缺可以通过扩产逐步缓解，电力接入和电网稳定性却不能。摩根大通研究指出，现代数据中心两到三年可以盖好，但为其供电，天然气发电要五到七年，核能要十年以上，太阳能也要两到四年。美国很多地区的电网接入排队已经超过五年。盖楼的速度和通电的速度，已经不在同一个时间尺度上。

Jefferies测算显示，2025年全球真正投入运营的数据中心容量只有8.9GW，而当年需求接近21.1GW，缺口约12GW；2021年至2025年累计未交付容量达到20.4GW，且缺口仍在扩大。2026年全球AI数据中心电力需求预计达到30GW左右，仅北美就接近19GW。工程与建筑劳动力短缺、冷却设备交付滞后、变压器和电力部件供应紧张、备用发电机排产饱和，每一个环节都在拖慢“图纸变成通电服务器”的节奏。

这解释了为什么谷歌、Meta、亚马逊和微软四大科技巨头2026年资本开支合计预计达到7500亿美元量级，比上一年增长超过80%，但“算力不够用”的焦虑并未缓解。资本开支正在从传统意义上的“投资”滑向“入场费”：谁提前锁定电力、机柜和芯片产能，谁才拿到下一阶段竞争的资格。

更值得关注的是负荷特性本身。北美电力可靠性委员会在2026年5月发布最高级别电力系统可靠性警报，专门指向AI训练中心这类计算负荷。超过1000兆瓦的负荷意外脱网时，对电网频率的冲击相当于一台大型发电机组瞬间跳闸，而脱网速度往往快于调度人员的响应能力。AI数据中心不再只是“用电大户”，它正在考验电网的安全边界。

供电架构重构：把10MW装进9.6平方米

当电力成为战略资产，供电效率就不再只是电气工程师的课题，而是直接决定AI工厂盈利能力的基础设施能力。

2026年OCP全球峰会上，致瞻科技联合立讯技术发布了NovaLink™ 35kV / 10MW液冷固态变压器，并展出100kW SST Power Cell。该功率单元进入英伟达MGX AI Factory Ecosystem展区，面向下一代AI数据中心展示中压直流供电核心技术。这是继2026年北京首届算博会之后，NovaLink™第二次进入该展区。

从参数看，这款10MW液冷固态变压器整机输出功率达10MW，占地面积仅9.6平方米，功率密度超过1MW/m²，将当前行业普遍0.2—0.4MW/m²的水平拉高一倍以上；系统效率达98.7%，原生支持800V与1500V直流输出，可直接对接AI机柜，减少多级转换，并符合OCP SST V0.3.0规范。其液冷功率单元输出420kW，体积216L，功率密度达1.94kW/L，全链路效率99%，采用自研ZPAK™碳化硅功率模块，并内置冗余设计。

传统AI数据中心供电需要经过多级变压转换，设备体积大、占地多，能量在转换中损耗。中压交流直接变换为800V直流的架构，则试图把“电”更高效、更紧凑地送进AI服务器。致瞻科技创始人史经奎博士在峰会技术报告中，围绕中压绝缘、高频功率变换、系统控制等工程验证成果展开分享，并正式发布该产品。

其技术路线可以概括为“中压直挂、模块化架构、高频隔离”。13.8kV风冷SST面向室内部署，35kV / 10MW液冷产品面向大功率供电场景。核心团队来自原GE中央研究院，自研SiC功率模块此前已批量应用于新能源汽车热管理、主动悬架、主驱电控等场景。把车规级SiC的高功率密度基因迁移到中压固态变压器，本质上是供电系统的一次系统性重构：不只堆参数，而是从中压绝缘、高频变换到液冷散热协同设计。

当单个AI数据中心用电功率从兆瓦级走向几十兆瓦甚至上百兆瓦，供电方案必须同时回答效率、占地、交付和运维四个问题。10MW级固态变压器的意义，正在于把供电从“接入问题”变成“功率密度和效率工程”。

散热进入“极限热点”竞赛：冷板决定Token成本

如果说供电决定AI工厂能不能开起来，散热则决定它能不能满载跑起来。

单机柜功率从风冷时代的数千瓦，快速进入百千瓦区间，下一代AI机柜设计目标指向每柜数百千瓦。传统风冷在物理上已经无法兼顾算力密度和能耗约束。液冷从“可选项”变成“必选项”，冷板方案PUE可以做到1.15到1.2，浸没式可以压到1.1甚至1.04。但规模化的瓶颈不在原理，而在交付：一条CDU产线从投产到稳定排产、把漏液风险压到“零泄漏”量级，需要制造体系的爬坡时间。制冷系统长期占据数据中心总能耗的四分之一到四成，把它从工程问题变成工业问题，是这一轮基建中最容易被低估的环节。

在2026年OCP全球峰会上，Frore Systems发布LiquidJet Diamond冷板，采用集成金刚石均热板的新型液冷方案。相比传统铲齿冷板，LiquidJet Diamond可将AI Tokens/Watt和营收提升35%。其底层LiquidJet冷板采用3D超短回路多级设计，针对每颗GPU功率分布图进行定制，可将GPU裸片温度降低12°C，带来Tokens/Watt效率提升25%；增加金刚石均热板后，热点裸片温度再降10°C，Tok ens/Watt提升至35%。

在极限热点场景下，LiquidJet Diamond可冷却高达770 W/cm²的热点，GPU温度降低16—22°C，热点功率密度提升超过150%，并现场演示了2300W NVIDIA Rubin及770 W/cm²极限热点密度的散热表现。该方案兼容从NVIDIA Blackwell Ultra到Cerebras晶圆级引擎等不同尺寸GPU，占位面积相差约30倍。Frore Systems强调，传统铲齿工艺无法实现当今AI GPU要求的严苛散热性能，ECAM等3D金属打印虽具设计灵活性，却无法满足超大规模运营商在质量、可靠性、产量与交付周期方面的要求；LiquidJet则尝试把半导体制造精度与大批量制造能力结合起来。

这背后的产业逻辑很清晰：AI工厂可用电力有限，电力并网、变压器容量和物理供电基础设施都是总功耗瓶颈。在零新增电力预算下，每瓦电多产出Token，直接转化为利润。散热不再只是“降温”，而是决定AI工厂单位电力产出效率的核心变量。

空间约束的工程化：海底与漂浮式数据中心

当陆地土地、电力和冷却资源同时趋紧，选址本身正在从商业决策变成工程方案。

韩国政府已正式启动海底数据中心建设计划。2026年4月，韩国海洋水产部选定东南部工业城市蔚山作为示范项目所在地。项目计划将服务器及其他设备装入类似海运集装箱的大型单元，沉入20米深海床，单元可像积木一样拼接扩展，整个设施规模最多可容纳10万台服务器。试点项目预计总耗资511亿韩元，约合3540万美元，试验最早今年启动；规模更大的商业综合体建设计划于2031年开始。

该项目由韩国海洋科学技术院推进，韩国政府已与SK电信达成技术合作，乐天工程建设和浦项制铁也参与其中。技术挑战同样明确：集装箱式单元需要承受高达标准大气压3倍的压力，同时防止海水腐蚀和凝露，目标让电子设备在水下持续运行五到七年。项目还将开发远程监控机器人，以降低人工维护成本和风险。

据KIOST披露，利用海水自然冷却，水下数据中心总功耗可比传统陆上数据中心减少30%以上。但海底部署和维护成本高昂、极端环境对设备可靠性的考验、海洋生态影响等问题仍需验证。韩国并非首个尝试者：微软曾在2020年公布水下数据中心试点结果，验证了技术路线可行性；中国海南海岸附近也已建成商业化海底数据中心。

韩国还在同步研发漂浮式数据中心。HD韩国造船海洋工程公司与法国施耐德电气合作开发电力基础设施和漂浮技术；三星重工的一款漂浮式数据中心设计已在美国和英国获得原则性批准，并正与一家希腊船东合作推进商业化。海底与漂浮式方案的出现说明，在AI算力需求指数级膨胀而陆地资源有限的情况下，空间约束正被转化为海洋工程、电力工程和冷却工程的综合命题。

系统化落点：AI DC参考架构把数据变生产要素

供电、散热和空间解决的是AI工厂“能不能建、能不能跑”的问题；数据基础设施架构解决的则是“跑得有多快、有多值”的问题。

2026年8月，华为数据存储用户精英论坛在江苏无锡举行。华为提出“构建以数据为中心的AIDC数据基础设施”，并发布AIDC数据基础设施参考架构，包括数据湖层、AI数据平台层、算力层、模型层和Agent框架层。华为公司副总裁、数据存储产品线总裁袁远指出，AI下半程决胜关键在于数据，数据基础设施建设思路、硬件体系与软件能力亟待系统性重构，以推动智能体加速融入全场景应用。

在全栈方案中，AI数据湖基于OceanStor Pacific全闪分布式存储与DME Omni-Dataverse统一数据空间，提供全局数据可视可管、千亿千维向量数据秒级检索能力。知识与记忆平台面向超大规模推理中心，推出支持异构算力的CMS上下文记忆存储，构建PB级共享KV Cache池，将推理首Token时延降低90%；面向企业级AI推理的“3+1”AI数据平台，集成知识库、KV Cache库与记忆库，通过UCM推理记忆数据管理技术实现统一调度，提升推理准确率30%。

模型工程与资源调度方面，ModelEngine提供模型开箱即用与模型网关能力，支持零代码适配新模型与一键部署，结合算力资源细粒度切分与智能调度，最大支持XPU卡1:10切分，资源利用率提升30%。Agent框架方面，ModelEngine Nexent智能体平台支持通过自然语言交互直接生成Agent，并内置Skill、提示词、记忆的自动优化能力。数据安全则覆盖防滥用、防投毒、防篡改、防勒索的端到端保护。iMaster DME集成DataMaster存储运维智能体，可提前识别60%的性能恶化及业务中断类问题，复杂故障恢复时间控制在30分钟以内。

这些能力已经在高要求场景中落地。香港科技大学（广州）陈雷教授指出，AI正从“单任务单模型”迈向“大模型统一覆盖多任务”的数据密集型新阶段，KV Cache爆发式增长要求存储兼备高带宽与低延迟。鹏城云脑Ⅲ作为中国首个天工超智融合集群，通过存算网深度协同，达成10TB/s吞吐、10亿IOPS的集群性能，在IO500榜单中获得双榜十二连冠。暨南大学附属第一医院依托DCS AI解决方案打造影像数据湖，实现“零卡顿、一秒千张”阅片体验，智慧病理辅助阅片系统将单个病人诊断时间从45分钟缩短到10分钟。霸州则携手华为构建可信存力底座，推动存力中心向数据工厂演进，通过EDS可信数据空间打通数据流通壁垒。

这组实践指向同一个判断：当算力规模扩大，数据湖、KV Cache、模型调度、Agent框架和存储运维必须协同设计。数据基础设施不再是后台成本项，而是决定AI规模化落地效率的生产系统。

中国与全球：不同的瓶颈，相同的系统竞赛

把视线拉回全球格局，一个容易产生误读的对比是“美国砸了7500亿，中国才1000亿”。数字有参考价值，但更有解释力的是瓶颈结构差异。

SemiAnalysis在2026年9月首次将中国纳入全球数据中心追踪模型，测算中国已交付数据中心总容量超过24GW，仅次于美国的56GW，超过欧洲、中东和非洲总和。从厂商格局看，字节以约5.3GW容量占据全国约五分之一，几乎全部采用租赁模式；阿里约3.9GW、腾讯约2.4GW、百度约1.1GW，以自建与租赁混合为主。中国100兆瓦级超大规模数据中心交付周期，已从云计算时代的约18个月压缩到AI时代的约12个月，部分项目甚至压缩到100天。

但同一份报告也指出关键约束：在先进AI芯片出口管制背景下，国产芯片单位功耗算力仅为进口芯片的10%到30%，全国算力设施上架率约71.4%，芯片供给短缺仍是关键瓶颈。这就形成两条不同的“扛不住”路径：美国瓶颈更多落在电力和电网物理承载能力上，芯片短缺在缓解，但通电和并网速度跟不上；中国瓶颈更集中体现在芯片能效和供给结构上，电力总量和电网扩容腾挪空间相对更大，政策层面也在主动推动“算随电走”，引导算力向绿电富集区域集聚。

海外巨头在向上游走，自建电厂、签长期核电协议，甚至把电力资产纳入战略布局。国内厂商则在国产芯片适配、算力调度效率和租赁模式精细化上寻找空间。中国移动近期启动23.35亿元、640套智算存储集采，宁夏中卫数据中心EPC密集发标，也说明运营商正在把智算基础设施纳入新一轮资本开支和系统建设周期。

另一个正在快速成形的维度是算力主权。IDC统计显示，目前已有超过40个国家启动并资助国家级AI基础设施项目，中东地区最为活跃，西欧和亚太则更多由数据主权和安全需求驱动。沙特主权基金旗下AI企业HUMAIN与法国Mistral达成合作，计划到2030年部署多达60万颗AI芯片和1吉瓦算力；欧盟则通过InvestAI等项目为欧洲本土数据中心和芯片能力提供融资。数据中心的选址和归属，正在从“哪里电便宜、哪里离用户近”的商业决策，部分转变为“算力留在谁的领土上”的政治经济决策。

算力竞赛的下一程，是全链路效率

AI数据中心的竞争，正在从单点芯片性能转向全链路系统效率。芯片仍然重要，但仅靠更先进的GPU，无法解决电力接入排队、变压器交付、液冷批量部署、土地空间受限和数据基础设施协同不足的问题。

供电架构决定每瓦电能否高效送入机柜，散热方案决定每瓦电能否产出更多Token，空间方案决定算力能否突破陆地约束，数据基础设施架构决定算力能否转化为业务价值。四者不再是独立工程模块，而是AI工厂的“系统底座”。

资本可以买到设备，但买不到经验曲线；可以决策投资，但无法压缩电网扩容和制造体系爬坡的工业周期。下一阶段，谁能提前锁定电力、机柜和芯片产能，并构建从电网到机柜、从冷板到数据湖的系统能力，谁才能把算力真正变成可持续的Token产出和产业竞争力。对于中国通信产业而言，国产芯片能效、中压直流供电、液冷交付、算网调度和AI数据基础设施架构，将成为决定下一程速度的关键变量。