AI 算力狂飙撞上物理之墙：从 104 吉瓦用电到 800 伏机柜的基建瓶颈

如果把四五百户人家的全部用电，硬塞进一个冰箱大小的铁柜子里，会发生什么？

电线会当场融化，整个铁柜子会变成电炉。

这可不是什么科幻灾难片。

这是今天每一个顶级 AI 数据中心正在迎头撞上的物理死线。

大家都在盯着英伟达又出了什么新芯片，算力又翻了几倍。

但行业里刚拉出来的一组预测数据，看得人后背发凉。

到 2030 年，全球每年新增的 AI 数据中心用电容量，预计会直接翻四倍，冲到 104 吉瓦（GW）。

104 吉瓦是什么概念？

一个吉瓦是一百万千瓦，三峡大坝的总装机容量大约是 22.5 吉瓦。

也就是说，到 2030 年，全世界每年为了给 AI 供电，要平地建出将近五个完整的三峡大坝。

分摊到各大科技巨头头上更直观：

英伟达 GPU 独占大约 50 吉瓦，吃掉将近一半；

谷歌自研的 TPU 占 21 吉瓦；

亚马逊自研的 Trainium 占 15 吉瓦；

AMD 的 GPU 占 9 吉瓦。

建发电厂哪怕再难，把钱砸够、找核电厂合作，电总能发出来。

真正要命的瓶颈，藏在把电送进芯片、再把热量抽出来的最后几十米。

这就是机柜功率密度。

过去普通机房一个服务器机柜，功率通常只有 5 到 10 千瓦，吹吹冷风就能散热。

到了英伟达的 Blackwell NVL72，单机柜直接飙到 130 千瓦左右。

而按照最新的产业预测，到 2030 年，AI 机柜的平均功率密度会翻三倍以上，达到 285 千瓦。

像天弘科技（Celestica）这样的硬件工程制造厂，甚至已经在动手设计 500 千瓦的极限机柜。

单机柜 500 千瓦是什么概念？

半兆瓦的电能，集中在一个两米多高、一米见方的铁柜子里。

折算下来，正好相当于 400 到 500 户普通家庭日常全部用电的总和。

这会遇到什么问题？

先看初中物理就学过的基本公式：功率等于电压乘电流。

传统服务器机柜，内部普遍采用 48 伏直流电供电。

如果要用 48 伏的电压送出 500 千瓦的功率，电流需要多少？

超过一万安培。

家用入户电闸通常只有几十安培。

一万安培的电流流过去，光是铜线本身的电阻发热，就能把电线直接烧成红炽状态。

如果非要扛住这一万安培，机柜里的铜导电排就得做得像树干一样粗，铜排的重量比服务器本身还要沉。

这要怎么解决？

只能升压。

就像国家电网跨省输电必须用特高压一样，机柜内部的供电架构必须全面跳到 800 伏直流电。

电压拉高到 800 伏，电流立刻缩减到几百安培，铜排才不会被烧化。

但新的物理麻烦又来了。

机柜主母线进的是 800 伏高压，可主板上的 GPU 芯片核心，实际工作的电压只有不到 1 伏。

从 800 伏一路直降到 0.8 伏，还要在极短的时间里响应芯片上千安培的电流骤变。

普通的硅基电源芯片根本扛不住这种高压和转换损耗。

于是半导体产业链里掀起了一场隐秘的争夺战：

纳微半导体（Navitas）和安森美（onsemi）都在猛推碳化硅和氮化镓功率器件，专攻 800 伏直流机架电源；

安森美甚至在洽谈收购专门做芯片级集成稳压器的 Ferric，试图把最终降到 1 伏以内的稳压模块，直接做进芯片封装表面。

电送进去了，发出来的热量怎么办？

半兆瓦的热量集中在不到两立方米的空间里，风冷已经彻底失效了。

空气的比热容太小，就算在机房里装上航空涡轮引擎般的狂风，也带不走芯片核心表面的热流。

机柜必须全换成液冷。

冷板直接贴死在发热芯片上，冷却液在微通道里飞速奔流，再通过维谛技术（Vertiv）这类专门做温控的机柜冷却分配单元（CDU）循环带走。

而且连接管道必须做到绝对密封，哪怕渗出一滴带导电离子的液体，几百万美元的算力集群就会当场短路报废。

更残酷的现实是，代码和模型可以用互联网速度狂飙，但重工业的物理世界不能。

一个大模型几个月就能迭代一代，一张新架构算力芯片 18 个月就能流片出货。

但重型电力设备呢？

通用电气旗下的电气巨头 GE Vernova，还有做大型开关设备与预制变电站的 Forgent Power Solutions，手里的大型电力变压器订单已经排到了三四年之后。

造一台大型变压器，特种取向硅钢要等排期，高压套管要订货，重型绝缘线圈需要经验丰富的技工花费几个月手工绕制，根本没有快捷键可按。

算力可以呈指数级增长，但铜矿的开采、变压器的绕制、冷却液管道的焊接，依然遵循着一百年前的物理和工业节拍。

大家原以为决定这场 AI 竞赛胜负的，纯粹是顶尖算法科学家的智慧与先进制程晶圆厂的产能。

可跑到深水区才发现，真正勒住 AI 规模扩张脖子的缰绳，拴在变压器的铜线圈、机柜里的 800 伏高压母排，以及那一根根绝不能漏水的液冷管道上。