数据中心基础设施（Data Center Infrastructure and Power）
最后更新：2026-09-26 ｜ 领域：硬件·数据中心 ｜ 说明：信息来源为公开网络资料，详见文末参考来源
概述
AI 训练与推理把数据中心从「IT 房地产」变成「能源与热管理工程」。芯片功耗密度、单机柜功率、供电可得性与散热方式，共同构成本轮 AI 基础设施建设的主要约束。有观点指出，2026 年开发一个 AI 数据中心首先是一个电力、散热与人才问题，其次才是地产问题：建筑本身可 12–18 个月建成，但电网接入可能需 5–7 年，且 63% 的运营者把熟练劳动力短缺列为首要障碍（Data Center Development for AI in 2026）。
最新进展（2025–2026）
- 电力成为核心瓶颈：IEA 预测到 2026 年 AI 数据中心将年耗电 1000 TWh，相当于日本全国用电量；而美国电网并网排队平均已达 5 年，积压约 2300 GW，历史完成率仅 14%（650B Power Gap: AI Data Centers Collide with Grid Reality in 2026）。IEA 指出数据中心通常 1–2 年建成，而配套电力设施扩容耗时更长；欧盟获得并网需 2–10 年，FLAP-D（法兰克福、伦敦、阿姆斯特丹、巴黎、都柏林）集群排队平均 7–10 年，估计全球约五分之一规划中的数据中心项目面临风险（The new bottleneck for AI infrastructure is not silicon）。
- 核电与表外供电：截至 2026 年 5 月，超大规模厂商已宣布 13 个核电项目、合计逾 9.8 GW，包括 Microsoft 重启三里岛（835 MW）、Google 的 Kairos Power 机组（500 MW）、Amazon 对 X-energy 的投资（960 MW）（Power Independence: Why Hyperscalers Are Bypassing the Grid to Fuel the AI Boom）。三里岛重启项目配套 20 年购电协议（PPA）（The 835 MW Nuclear AI Bet）。另有项目计划先用两台 GE Vernova 燃气轮机在 2030 年供应约 1 GW，再从 2032 年起增加最多 5 台 BWRX-300 SMR 的 1.5 GW（GE Vernova）。
- 液冷成为标配：随着 GPU 芯片 TDP 突破 1000W，直接芯片（cold plate）液冷从可选项变为标准配置。厂商资料称直接芯片液冷换热效率比风冷高 10–20 倍，可支持 PUE 低于 1.15 与最高 100kW 的机柜密度（Why Are Direct-to-Chip Liquid Cooling Servers Becoming Standard in 2026?）。Microsoft 自 2025 年 7 月起在 Azure 园区规模部署直接芯片液冷，并测试面向下一代系统的微流控方案；NVIDIA Blackwell（GB200/GB300）单卡功耗 1200–1400W，Vera Rubin 系统目标机柜功率约 600kW（Direct-to-Chip Cooling Implementation: Reducing PUE Below 1.2）。
- 水资源约束：欧盟委员会 2026 年《Cloud and AI Development Act》影响评估估计，2025 年欧盟境内数据中心消耗约 760 亿升水；大型数据中心冷却系统每天可能需数百万升淡水，实际用量取决于冷却方式、气候与区域水资源条件（Green and resilient now）。2026 年新研究显示单个数据中心每天取水量可高达 390 万加仑，满足美国未来数据中心需求可能需要最多 580 亿美元的额外供水系统容量（How Much Water Do AI Data Centers Use?）。传统冷却塔系统每年每兆瓦约耗水 260 万加仑，NVIDIA 称其 DSX 设计在有利气候下可将之降至接近零（AI Data Center Water Use Is Not Solved）；Google 的应对方案包括纯风冷、闭环液冷与把余热输出到市政电网（AI's Hidden Thirst）。中国方面，业界提出「水能协同」；闭式干冷系统让冷却介质在管道内循环，可把蒸发耗水降到极低水平，北方地区全年大部分时间可依靠干冷器甚至新风系统散热（报告:全球AI算力狂飙加剧水资源压力）。
核心技术与关键概念
- 供电架构：传统 54V 直流架构向 800 VDC 迁移，有资料称 800 VDC 可将端到端电力损耗降低 5%、铜用量减少 45%（800VDC, Off-Grid Power, and the Decisions That Have to Come First）。
- 散热路线：直接芯片液冷（冷板式）、浸没式液冷、相变液冷；据赛迪顾问《2025—2026年中国液冷数据中心市场报告》，2025 年中国液冷数据中心市场中冷板式液冷占比达 93.5%，仍将是未来 3–5 年主流方案，浸没式液冷将在单机柜功率超 200kW 的超高密度场景加速渗透（算力火爆带热液冷赛道）。
- PUE（Power Usage Effectiveness）：衡量数据中心能效的核心指标，定义为本设施总能耗与 IT 设备能耗之比。
- 并网时序经济学：有分析认为真正的约束是「送电日期」而非 GPU 配额，应按「兆瓦-年」而非「兆瓦」规划容量，规模更小但更早送电的站点在长期产出上可能更优（AI Data Center Power Constraints: Capacity Planning When the Grid Sets the Ceiling）。
代表性项目 / 公司 / 产品（附官方链接）
- 核电/供电：Microsoft 三里岛重启 + 20 年 PPA；Google Kairos Power；Amazon X-energy；GE Vernova 燃气轮机与 BWRX-300 SMR（各来源见上）。
- 液冷供应链：直接芯片液冷系统 2025 年占据约 52.30% 的液冷市场份额，2026 年 AI 加速器单处理器功耗已超 1000 瓦（Data Center Liquid Cooling Market）。
- 国内用电口径：国家能源局数据显示 2025 年全国算力中心总用电量 1700 亿千瓦时，占全社会用电量 1.6%（AI算力催热光模块新赛道）。
- 人口/园区趋势：有报道指出 NVIDIA 于 2026 年 8 月拟最高投入 30 亿美元入股电力基建企业 Lancium，以锁定数据中心电力资源（行业大变天!黄仁勋大胆预判:半导体十年扩张 5-10 倍）。
关键数据与评测结果（附来源）
- 机柜功率密度：据 AFCOM《State of the Data Center Report 2026》，2026 年平均机柜密度达 27 kW，较 2025 年的 16 kW 大幅提升（Data Center Direct-to-Chip Cooling Fluids Market）。AI 服务器机柜功耗已从几年前的不足 10kW 上升到单柜 50–100kW（SMRs for Data Centers）。
- PUE 行业均值：Uptime Institute 全球数据中心调查显示，2025 年受访者年度 PUE 加权平均为 1.54，为连续第六年几乎停步（Uptime Institute Global Data Center Survey 2025）；2026 年行业平均 PUE 为 1.52，延续七年相对停滞趋势（Uptime Institute Global Data Center Survey 2026）。受访者普遍把停滞归因于存量基础设施与地区性散热障碍（Data centre efficiency flatlines for sixth year as AI power demands soar）。
- 超大规模 PUE：行业目标是 1.05–1.2，头部企业如 Google 报告的全 fleet PUE 为 1.09（含季节性开销），部分最优站点可达 1.06–1.10（Target PUE untuk Enterprise vs Hyperscale）。
- 液冷市场：直接芯片液冷市场 2025 年达 55.2 亿美元（Direct-to-Chip Cooling Implementation）。
趋势与争议
- 电网并网 vs 自建发电：美国 2024 年电网并网排队平均 55 个月，离网采购成为主要路径，但离网设备自身也存在多年排队（800VDC, Off-Grid Power）。
- 电价与社会成本争议：有报道指出数据中心需求已使部分区域居民电价上升，如 AEP Ohio 的 data-center rider 使家庭每月增加约 7.90 美元（AI Nuclear Pivot: Hyperscalers Reshape Energy Markets 2026）。
- PUE 指标局限：行业平均 PUE 多年停滞，说明在 AI 高功率密度下，单纯能效指标难以反映真实的水耗、碳排与选址外部性。
参考来源
- Data Center Development for AI in 2026
- 650B Power Gap: AI Data Centers Collide with Grid Reality in 2026
- The new bottleneck for AI infrastructure is not silicon
- Power Independence: Why Hyperscalers Are Bypassing the Grid to Fuel the AI Boom
- The 835 MW Nuclear AI Bet
- GE Vernova
- SMRs for Data Centers, Microsoft's 10.5 GW Brookfield Plan
- Why Are Direct-to-Chip Liquid Cooling Servers Becoming Standard in 2026?
- Direct-to-Chip Cooling Implementation: Reducing PUE Below 1.2
- Green and resilient now: Report on fluid systems enabling water–energy coordination
- How Much Water Do AI Data Centers Use? $58 Billion Infrastructure Challenge Puts Cooling in Focus
- AI Data Center Water Use Is Not Solved: Nvidia's Cooling Fix Stops at the Walls
- AI's Hidden Thirst: How Google Is Engineering Its Way Out of the Data Center Water Crisis
- 报告:全球AI算力狂飙加剧水资源压力，"水能协同"成绿色算力竞争新赛道
- 算力火爆带热液冷赛道
- Data Center Liquid Cooling Market
- Data Center Direct-to-Chip Cooling Fluids Market
- AI Data Center Power Constraints: Capacity Planning When the Grid Sets the Ceiling
- 800VDC, Off-Grid Power, and the Decisions That Have to Come First
- Uptime Institute Global Data Center Survey 2025
- Uptime Institute Global Data Center Survey 2026
- Data centre efficiency flatlines for sixth year as AI power demands soar
- Target PUE untuk Enterprise vs Hyperscale
- AI Nuclear Pivot: Hyperscalers Reshape Energy Markets 2026
- AI算力催热光模块新赛道
- 行业大变天!黄仁勋大胆预判:半导体十年扩张 5-10 倍