深度解读AI 与大模型generatedpublished

只有2%电工懂直流电:AI算力基础设施为何撞上物理世界的高压断路死结

机制

很多人担心人工智能会把程序员、律师和文员的饭碗全端走。 硅谷风投机构 A16z 的联合创始人 Ben Horowitz,最近抛出了一个反常识的数字: 全美懂高压直流电的持证电工,只有大约 2%。 各家科技巨头几百亿美金砸下去买芯片,数据中心地皮买好了,电力配额拿到了。 结果到了现场一查,整个行业被一道极其朴素的物理门槛卡死了: 懂直流电的工人不够用。

很多人第一反应是,机房接个电线而已,普通电工不能干吗? 平时家里的插头、工厂的配电室,不都是电工装的吗? 还真不行。

过去的数据中心,一个标准服务器机柜,耗电量也就五千瓦、一万瓦。 外面的交流电拉进来,机柜顶上装个电源模块,转成低压直流电,几根普通的线缆就能搞定。 但现在的 AI 训练集群完全不是一回事。 英伟达的 GB200 NVL72 机架,单单一个机柜的功耗,就直接飙到了 120 千瓦以上。 有的超级集群,一排机柜算下来就是几个兆瓦。 120 千瓦是什么概念? 如果还按过去机房常用的 48 伏低压直流电去供电,电流得有多大? 两千五百安培。 两千五百安培流过电线,按物理学公式,导线发热跟电流的平方成正比。 要想不把电线烧化,机柜背面的铜排得做得像人的大腿那么粗,单柜铜排就得重上百公斤。 整个机柜还没放芯片,光是铜导轨就把空间占满了,发出的热量能把机房活活烤熟。 不仅如此,从交流电到直流电,中间每多一道变流,就要损耗几个百分点的电能。 几百兆瓦的算力中心,光是在铜线上烧掉的热量,就是天文数字。

怎么解决这个物理死结? 只能升压。 物理规律是定死的:功率等于电压乘电流。 既然总功率降不下来,那就把电压死命往上抬。 于是整个 AI 基础设施开始集体向高压直流电转向,把机架内部的供电直接拉到了 800 伏直流。 电压提到 800 伏,神奇的事情发生了。 同样的 120 千瓦功率,电流瞬间从两千五百安培,压缩到了大约一百五十安培。 电流缩减到原来的十六分之一。 原本沉重的铜排重量暴跌了七成以上,空间全给算力芯片腾出来了,线损发热也跟着断崖式下跌。

既然 800 伏直流这么好,让普通电工照着图纸去接线,行不行? 只要去问任何一个资深电气工程师,对方都会劝你别拿命开玩笑。 高压交流电和高压直流电,在物理上有一道生与死的界线。 这个关键机制,叫过零点。 美国家庭和工商业电网用的都是交流电,频率是 60 赫兹。 这意味着电流每秒钟改变方向一百二十次。 每一次改变方向,电压和电流都会经过零点。 换句话说,交流电每秒钟有整整一百二十次,瞬间能量是完全归零的。 这瞬间归零有多重要? 当开关合闸、断开,或者线路发生故障时,高压电会击穿空气,形成耀眼的电弧。 交流电拉出电弧之后,因为每秒有一百二十次归零,电弧在这微小的瞬间会失去能量支撑,空气迅速去离子化,电弧很容易自己熄灭。 普通的断路器只要加个小小的灭弧栅,啪的一声,火花就断了。 全美七十多万名交流电工,平时的安全规程、防护装备和肌肉记忆,全建立在这套会自我熄灭的物理基础上。

直流电完全没有过零点。 800 伏的高压直流电,电压恒定,电流是死死往前冲的。 在没有过零点的世界里,电弧一旦被拉出来,空气被电离成高温等离子体,它就永远不会自己熄灭。 只要电源还连着,它就像一台全功率运转的工业级等离子割枪。 上万度的高温等离子火焰,会在几毫秒内把几十斤重的铜排直接气化成金属蒸气,产生极其恐怖的弧光爆炸。 普通的交流断路器如果装在高压直流线上,跳闸的瞬间就会被持续喷涌的等离子火球直接烧成一团废铁,甚至引发整个机房的大火。 要对付这种高压直流,必须使用昂贵的固态断路器、磁吹灭弧线圈,以及完全不同的接地设计。 普通的电工如果没有经过专门的直流高压认证,连工具该怎么绝缘、断开开关时该站多远都不知道。

最耐人寻味的是历史转折。 一百四十年前,爱迪生和特斯拉打过一场轰动世界的电流战争。 爱迪生当年为了死保自己的直流电,到处公开做残忍的实验,电死流浪狗甚至大象,拼命向公众渲染交流电有多危险。 结果特斯拉和威斯汀豪斯胜出了。 因为在当时的工业条件下,只有交流电能靠变压器轻松升压降压,实现几百公里的远距离输电。 这一赢,就是一百四十年。 全美国的工会学徒制度、国家电气规范,整整一百四十年里,把所有的教育体系全扑在了交流电上。 几代工人学了一辈子交流电。 直流电在过去几十年里,被挤到了极为边缘的角落,只有电信基站、潜艇或者局部太阳能电站才会偶尔用到。 结果一百四十年后的今天,算力的爆炸式增长,让机房功耗撞上了物理墙。 硅谷巨头们兜兜转转,被热力学定律硬生生逼回了爱迪生的直流电怀抱,而且一抬手就拉到了 800 伏高压。 可全美登记在册的几十万名电工里,真正受过高压直流电专业训练、拿到执照的,数来数去就只有 2%。

英伟达把芯片造出来了,云厂商把上千亿美金的支票开出来了。 结果项目到了落地合闸那一刻,发现根本找不到足够的人去拧这根高压直流线。 为了不让几百亿美金的数据中心工期延误,Meta 甚至自己办了一个叫美国劳动力学院的培训项目。 管吃管住发津贴,包揽所有的学费和差旅,五周时间把工人从零培训出来,毕业直接送进数据中心工地。 正如 Ben Horowitz 半开玩笑说的那样:大家都在喊 AI 要抢走所有人的工作,结果 AI 反而要给美国创造大批新电工。

虚拟世界的代码迭代得再快,最终还是得落在实体世界的铜线与螺栓上。 在所有人都为算法狂热的时候,最顶尖的科技巨头,最终还是得老老实实找工人,戴上防爆面罩,拿着厚厚的绝缘扳手,在 800 伏的高压母线前一步一步拧紧螺丝。

引用 / CITATIONS

No citations exported.

同领域解读 / AI & LLMS

查看全部「AI 与大模型」解读 →

导出 / EXPORT

订阅 · SUBSCRIBE

每周一封独立、不受审查的科技与 AI 深度评论,周一发出。带出处,可核查。

不追踪邮件打开与邮件链接点击,一键退订。 或用 RSS · 详情