這是《麻省理工科技評(píng)論》2026 年“十大突破性技術(shù)”深度解讀系列的第九篇內(nèi)容，關(guān)注 DeepTech，關(guān)注新興科技趨勢(shì)。

在廣闊的農(nóng)田和工業(yè)園區(qū)里，一棟棟塞滿計(jì)算機(jī)機(jī)架的超大型建筑正拔地而起，為 AI 競(jìng)賽提供動(dòng)力。這些工程奇跡是一種新型的基礎(chǔ)設(shè)施：它們是專為訓(xùn)練和運(yùn)行超大規(guī)模大語言模型而設(shè)計(jì)的超級(jí)計(jì)算機(jī)，并配備了專用的芯片、冷卻系統(tǒng)，甚至獨(dú)立的能源供應(yīng)。

2025 年，AI 基礎(chǔ)設(shè)施的投資規(guī)模已從“數(shù)十億美元”的量級(jí)躍升至“萬億美元”。1 月 21 日，美國(guó)總統(tǒng)特朗普在白宮宣布了“星際之門”（Stargate Project）——由 OpenAI、軟銀、Oracle 和阿布扎比投資基金 MGX 組建的合資企業(yè)，計(jì)劃四年內(nèi)向美國(guó) AI 基礎(chǔ)設(shè)施投資 5,000 億美元，首期即刻部署 1,000 億美元。軟銀 CEO 孫正義出任董事長(zhǎng)，OpenAI 負(fù)責(zé)運(yùn)營(yíng)。

星際之門正迅速從藍(lán)圖變?yōu)楝F(xiàn)實(shí)。位于德克薩斯州阿比林的旗艦園區(qū)已于 9 月投入運(yùn)營(yíng)，Oracle 開始交付首批英偉達(dá) GB200 芯片機(jī)架。到年底，星際之門已宣布五個(gè)新址，總規(guī)劃容量接近 7 吉瓦，投資額超過 4,000 億美元。與此同時(shí)，OpenAI 還在阿聯(lián)酋、挪威和阿根廷啟動(dòng)國(guó)際布局，阿根廷巴塔哥尼亞的“星際之門阿根廷”項(xiàng)目投資高達(dá) 250 億美元，將成為拉丁美洲最大的數(shù)據(jù)中心。

但星際之門只是冰山一角。據(jù) HSBC 估計(jì)，全球已規(guī)劃的 AI 基礎(chǔ)設(shè)施投資超過 2 萬億美元。亞馬遜承諾投入 1,000 億美元，谷歌 750 億美元，Meta 650 億美元，微軟僅 2025 年就將支出 800 億美元。據(jù)一項(xiàng)分析估算，OpenAI 已承諾在 2025 年至 2035 年間向硬件和云基礎(chǔ)設(shè)施支出約 1.15 萬億美元，涉及英偉達(dá)、AMD、Oracle、微軟、Broadcom 等七家主要供應(yīng)商。

超大規(guī)模 AI 數(shù)據(jù)中心將數(shù)十萬個(gè) GPU 芯片，如英偉達(dá)的 H200 或 GB200，捆綁成協(xié)同工作的集群。這些芯片擅長(zhǎng)并行處理海量數(shù)據(jù)，每秒執(zhí)行數(shù)萬億次數(shù)學(xué)計(jì)算。數(shù)十萬英里長(zhǎng)的光纖電纜像神經(jīng)系統(tǒng)一樣連接著它們，巨大的存儲(chǔ)系統(tǒng)晝夜不停地輸送數(shù)據(jù)。

但驚人的算力是有代價(jià)的。

首先是電力。國(guó)際能源署（IEA）預(yù)測(cè)，全球數(shù)據(jù)中心電力消耗將在五年內(nèi)翻一番以上，到 2030 年將超過 1,000 太瓦，相當(dāng)于整個(gè)日本的用電量。僅在美國(guó)，數(shù)據(jù)中心已占全國(guó)電力消耗的 4.4%，而 2018 年僅為 1.9%；到 2028 年可能攀升至 12%。在弗吉尼亞州這個(gè)全球數(shù)據(jù)中心最密集的地區(qū)，數(shù)據(jù)中心消耗了該州約 26% 的總電力。

在建的最大型數(shù)據(jù)中心可能吞噬超過一吉瓦的電力，足以為約 75 萬戶家庭供電。某些規(guī)劃中的園區(qū)占地 5 萬英畝，耗電量可達(dá) 5 吉瓦，超過美國(guó)現(xiàn)有最大核電站的容量。Grid Strategies 估計(jì)，到 2030 年美國(guó)將新增 120 吉瓦電力需求，其中 60 吉瓦來自數(shù)據(jù)中心，相當(dāng)于意大利的峰值電力需求。

目前，煤炭以約 30% 的份額成為數(shù)據(jù)中心最大電力來源，天然氣占 26%，可再生能源約 27%，核能占 15%。盡管可再生能源增長(zhǎng)最快，但天然氣和煤炭仍將在 2030 年前滿足超過 40% 的新增需求。

科技巨頭們正競(jìng)相尋找清潔方案：亞馬遜從賓夕法尼亞州核電站直接獲取約 960 兆瓦電力；谷歌與 Kairos Power 簽署協(xié)議部署小型模塊化反應(yīng)堆；OpenAI 在挪威利用水電資源建立數(shù)據(jù)中心。但核能從開工到發(fā)電需要 5 至 11 年，資本支出是天然氣的 5 至 10 倍，遠(yuǎn)水難解近渴。

第二個(gè)挑戰(zhàn)是冷卻。AI 芯片的功率密度從過去的每機(jī)架 15 千瓦飆升至 80 至 120 千瓦，傳統(tǒng)空調(diào)已無法滿足需求。直接芯片冷卻（D2C）正在成為主流，這種技術(shù)將冷板直接安裝在 GPU 上，閉環(huán)系統(tǒng)在熱源處帶走 70% 至 80% 的熱負(fù)荷。

浸沒式冷卻則更進(jìn)一步：服務(wù)器被浸泡在非導(dǎo)電液體浴槽中，可將冷卻能耗降低 50%，水耗降低最高 91%。微軟最新設(shè)計(jì)采用芯片內(nèi)微流體冷卻，微小通道直接蝕刻在硅芯片背面，使 GPU 溫度降低 65%。

然而，許多設(shè)施仍依賴蒸發(fā)冷卻，消耗大量淡水。據(jù)估計(jì)，2023 年美國(guó)數(shù)據(jù)中心直接消耗約 175 億加侖水，到 2028 年可能翻兩番。僅訓(xùn)練 GPT-3 就蒸發(fā)了 70 萬升清潔淡水。彭博社報(bào)道，自 2022 年以來建造的美國(guó)數(shù)據(jù)中心約三分之二位于高水壓力地區(qū)。

公眾正在為這些建設(shè)買單。Dominion Energy 的 2025 年報(bào)告顯示，弗吉尼亞州居民電費(fèi)預(yù)計(jì)到 2039 年將翻一番以上，主要因數(shù)據(jù)中心增長(zhǎng)。在佐治亞州牛頓縣，某些擬議數(shù)據(jù)中心每天請(qǐng)求的水量超過整個(gè)縣的日用水量，迫使當(dāng)?shù)毓賳T在拒絕項(xiàng)目、要求替代冷卻方案或?qū)用駥?shí)施限水之間艱難抉擇。

地方反對(duì)正在加劇。據(jù) Data Center Watch 統(tǒng)計(jì)，自 2023 年以來美國(guó)已有 180 億美元項(xiàng)目被取消，460 億美元被延遲。僅 2025 年第二季度，被阻止或延遲的項(xiàng)目?jī)r(jià)值達(dá) 980 億美元。居民們因噪音、光污染、水資源枯竭和電費(fèi)上漲而組織抵制；2025 年 12 月，超過 200 個(gè)環(huán)保組織聯(lián)名致信國(guó)會(huì)，呼吁暫停批準(zhǔn)新的數(shù)據(jù)中心。

科技高管們對(duì)此不以為然。AMD 首席執(zhí)行官蘇姿豐在被問及 AI 熱潮是否過度時(shí)斬釘截鐵：“絕對(duì)不是。”他們將答案訴諸于 8 億每周 ChatGPT 用戶、40% 大型企業(yè)的 AI 采用率，以及 AI 作為經(jīng)濟(jì)引擎和國(guó)家安全優(yōu)先事項(xiàng)的戰(zhàn)略價(jià)值。OpenAI 首席財(cái)務(wù)官 Sarah Friar 引用歷史作為辯護(hù)：“當(dāng)互聯(lián)網(wǎng)剛起步時(shí)，人們總覺得我們建設(shè)過度了。看看我們今天在哪里？”

這些交易的循環(huán)性質(zhì)以及預(yù)測(cè)的需求能否兌現(xiàn)，仍是懸而未決的問題。電網(wǎng)規(guī)劃者發(fā)現(xiàn)科技公司正在向多個(gè)公用事業(yè)展示同樣的項(xiàng)目以尋求最快的電力接入，使需求預(yù)測(cè)變得困難。聯(lián)邦能源監(jiān)管委員會(huì)前主席 Willie Phillips 坦承：“有些地區(qū)預(yù)測(cè)了巨大的增長(zhǎng)，然后又向下調(diào)整了?！?/p>

從 1990 年代的本地服務(wù)器到 2000 年代的云計(jì)算，再到如今的 AI 超級(jí)工廠，數(shù)據(jù)中心的演進(jìn)從未停止。生成式 AI 已從瓶中釋放，沒有回頭路。但關(guān)于經(jīng)濟(jì)預(yù)測(cè)是否準(zhǔn)確、資源供應(yīng)能否持續(xù)、建成后誰來使用，這些問題的答案，或許只有時(shí)間才能揭曉。

超大規(guī)模 AI 數(shù)據(jù)中心入選 2026 年度十大突破性技術(shù)，我們邀請(qǐng)了三位來自產(chǎn)業(yè)與科研一線的代表，圍繞其關(guān)鍵技術(shù)路徑與產(chǎn)業(yè)影響進(jìn)行點(diǎn)評(píng)。

以下評(píng)論內(nèi)容均為個(gè)人見解，不代表《麻省理工科技評(píng)論》觀點(diǎn)

從算力堆疊到能源博弈：超大規(guī)模 AI 數(shù)據(jù)中心的現(xiàn)狀、瓶頸與趨勢(shì)

首先需要明確一個(gè)核心概念：超大規(guī)模 AI 數(shù)據(jù)中心，絕對(duì)不是傳統(tǒng)數(shù)據(jù)中心的簡(jiǎn)單放大版。它誕生的根本驅(qū)動(dòng)力，是為了滿足大模型對(duì)算力近乎指數(shù)級(jí)增長(zhǎng)的海量需求。因此它的架構(gòu)是革命性的，本質(zhì)上是把數(shù)十萬計(jì)的 GPU 通過極高速網(wǎng)絡(luò)“粘合”在一起，形成前所未有的單體式超級(jí)計(jì)算機(jī)。

谷歌、微軟、亞馬遜、Meta 等全球科技巨頭，都在投入數(shù)千億美元競(jìng)相布局。但與此同時(shí)，這個(gè)龐然大物也帶來了一系列前所未有的挑戰(zhàn)：驚人的功耗、棘手的散熱、巨大的能源壓力，以及如何在規(guī)模擴(kuò)展與效率提升之間找到最佳平衡點(diǎn)。

目前業(yè)界的技術(shù)路徑已經(jīng)比較清晰，核心思路是通過高速互聯(lián)技術(shù)構(gòu)建高效的“超節(jié)點(diǎn)”，最大程度減少芯片間的通信延遲和開銷。算力確實(shí)已邁入 ZFLOPS 時(shí)代，但“內(nèi)存墻”，即數(shù)據(jù)搬運(yùn)的瓶頸，也愈發(fā)突出。另一個(gè)無法回避的挑戰(zhàn)是散熱：隨著芯片密度飆升，傳統(tǒng)風(fēng)冷已力不從心，液冷技術(shù)正從“可選項(xiàng)”變?yōu)椤氨剡x項(xiàng)”，配套供電架構(gòu)也必須同步升級(jí)。

而這個(gè)產(chǎn)業(yè)也面臨著多維度的瓶頸。首先是能源約束。一個(gè)超大規(guī)模數(shù)據(jù)中心的功耗可超過 1 吉瓦，相當(dāng)于一座中型城市的用電量。這使它從單純的電力消費(fèi)者，變成必須像能源公司一樣深度規(guī)劃電力獲取的“準(zhǔn)公用事業(yè)體”。獲取穩(wěn)定充足的清潔能源成為首要任務(wù)，而全球許多地區(qū)老舊電網(wǎng)的承載能力，已開始反向制約數(shù)據(jù)中心的選址和規(guī)模。

其次是時(shí)間約束。AI 芯片迭代速度極快，約一年一代，遠(yuǎn)超傳統(tǒng)數(shù)據(jù)中心基礎(chǔ)設(shè)施兩年左右的更新周期。這導(dǎo)致一個(gè)尷尬局面：本代數(shù)據(jù)中心剛建成，就要準(zhǔn)備迎接兩三代新芯片。而市場(chǎng)競(jìng)爭(zhēng)又要求算力快速上線，建設(shè)周期被從近兩年壓縮至一年以內(nèi)，對(duì)預(yù)制化、模塊化的快速交付能力構(gòu)成極致考驗(yàn)。

最后是生態(tài)與治理約束。算力高度集中必然引發(fā)一系列新問題：市場(chǎng)壟斷的擔(dān)憂、數(shù)據(jù)主權(quán)的爭(zhēng)議、對(duì)當(dāng)?shù)厮Y源和環(huán)境的影響等。產(chǎn)業(yè)競(jìng)爭(zhēng)也在從純粹的技術(shù)比拼，轉(zhuǎn)向標(biāo)準(zhǔn)與生態(tài)之爭(zhēng)——未來是走向開放協(xié)作，還是形成若干封閉的私有體系，將深刻重塑整個(gè)算力市場(chǎng)的格局。

往前看，幾個(gè)趨勢(shì)比較確定：架構(gòu)將更加立體協(xié)同?！霸贫思杏?xùn)練、邊緣就近推理”的模式會(huì)日趨成熟，“全球算力互聯(lián)網(wǎng)”的構(gòu)想也可能逐步落地，實(shí)現(xiàn)跨地域的算力調(diào)度與優(yōu)化；它的運(yùn)營(yíng)將更加智能高效，用 AI 優(yōu)化數(shù)據(jù)中心自身能耗會(huì)成為標(biāo)配，行業(yè)關(guān)注的指標(biāo)將從單純的 PUE，轉(zhuǎn)向更本質(zhì)的“每瓦特電力產(chǎn)出多少有效算力”；這項(xiàng)技術(shù)將更加綠色多元，液冷全面普及之外，余熱回收、水循環(huán)等深度綠色方案會(huì)加速落地；芯粒（Chiplet）、光計(jì)算等后摩爾時(shí)代的新技術(shù)，也將從實(shí)驗(yàn)室走向產(chǎn)業(yè)試點(diǎn)。

綜上，超大規(guī)模 AI 數(shù)據(jù)中心無疑是智能時(shí)代最關(guān)鍵的基石之一，但它也對(duì)能源、基建和治理能力提出了巨大挑戰(zhàn)。數(shù)據(jù)中心正從支撐業(yè)務(wù)的“成本中心”，演變?yōu)轵?qū)動(dòng)創(chuàng)新的“智能生態(tài)樞紐”。其成功將取決于能否與電網(wǎng)、社區(qū)共建可持續(xù)的“數(shù)字能源共同體”，并對(duì)環(huán)境影響實(shí)現(xiàn)透明、負(fù)責(zé)任的管理。

未來能在這一領(lǐng)域脫穎而出的，必定是那些以架構(gòu)創(chuàng)新破解算力瓶頸、以卓越工程能力贏得時(shí)間競(jìng)賽、同時(shí)以生態(tài)責(zé)任感構(gòu)建可持續(xù)未來的實(shí)踐者。

從電力成本到模型安全：AI 數(shù)據(jù)中心的三重挑戰(zhàn)

隨著大模型的規(guī)模化應(yīng)用，AI 數(shù)據(jù)中心正面臨一系列深層次的產(chǎn)業(yè)挑戰(zhàn)。以下從成本、算力調(diào)度和數(shù)據(jù)安全三個(gè)維度，分析當(dāng)前的關(guān)鍵瓶頸與應(yīng)對(duì)方向。

首先，電力成本將成為 AI 服務(wù)社會(huì)的主要成本。大模型目前在正確性和確定性上仍有待改進(jìn)：錯(cuò)誤會(huì)快速累積，導(dǎo)致不可接受的結(jié)果；而提高正確性，則意味著增加計(jì)算量；不確定性帶來的重試機(jī)制，又可能引發(fā)新的錯(cuò)誤，形成惡性循環(huán)。在這一背景下，更廉價(jià)的電力意味著在同樣計(jì)算成本下獲得更好的模型服務(wù)效果。電力成本，正在成為AI能否大規(guī)模服務(wù)社會(huì)的核心變量。

其次，加速卡的多樣性將持續(xù)提高。隨著時(shí)間推移，不同品牌、不同代際的加速卡將長(zhǎng)期共存于數(shù)據(jù)中心。CPU 與 GPU 虛擬化技術(shù)以及高速網(wǎng)絡(luò)技術(shù)的發(fā)展，將使算力調(diào)度更加靈活——推理任務(wù)可以有效利用不同加速卡從而降低成本，但大型訓(xùn)練任務(wù)的復(fù)雜性仍需適應(yīng)多樣化的算力環(huán)境。短期來看，宏觀的任務(wù)調(diào)度策略與微觀的通信計(jì)算融合策略會(huì)有所幫助；長(zhǎng)期來看，構(gòu)建混合加速卡計(jì)算框架將是必然選擇。

最后，丟失模型等于丟失數(shù)據(jù)。大模型有效壓縮了海量數(shù)據(jù)并支持靈活提取，壓縮比可達(dá)十萬倍。丟失一個(gè)磁盤容量?jī)H為 700GB 的模型成品，基本等效于丟失 70TB 的原始訓(xùn)練數(shù)據(jù)。由于數(shù)據(jù)的差異化帶來模型的差異化，企業(yè)獨(dú)有的數(shù)據(jù)正在轉(zhuǎn)化為企業(yè)獨(dú)有的競(jìng)爭(zhēng)力。在數(shù)據(jù)安全合規(guī)的諸多限制下，企業(yè)需要擁有自有算力，在開源模型基礎(chǔ)上精調(diào)自有模型。這意味著，基礎(chǔ)設(shè)施在保護(hù)核心模型方面面臨的挑戰(zhàn)，比傳統(tǒng)數(shù)據(jù)安全場(chǎng)景更為嚴(yán)峻。

超大規(guī)模 AI 數(shù)據(jù)中心的關(guān)鍵轉(zhuǎn)向：液冷與新型能源架構(gòu)

超大規(guī)模 AI 數(shù)據(jù)中心是人工智能時(shí)代的關(guān)鍵基礎(chǔ)設(shè)施。Scaling Laws 揭示了模型性能與參數(shù)規(guī)模、數(shù)據(jù)量、算力投入之間的冪律關(guān)系 [1]，使大模型發(fā)展從經(jīng)驗(yàn)探索轉(zhuǎn)向可預(yù)測(cè)的工程實(shí)踐，并推動(dòng) Amazon、Google、Microsoft 等科技巨頭斥資數(shù)千億美元構(gòu)建數(shù)十萬塊 GPU 互連的超級(jí)計(jì)算集群，以滿足大模型訓(xùn)練的爆炸性算力需求。

然而，當(dāng) GPU 機(jī)柜的功率密度突破 50 千瓦時(shí)（例如英偉達(dá) GB200 NVL72 機(jī)柜級(jí)系統(tǒng)的功率密度高達(dá) 132 千瓦/柜 [2]），傳統(tǒng)風(fēng)冷散熱技術(shù)成為了制約系統(tǒng)的瓶頸。

風(fēng)冷散熱依賴空氣對(duì)流傳熱，其有效功率密度上限為 20-50 千瓦，超過此閾值后，維持散熱所需的風(fēng)量呈指數(shù)級(jí)增長(zhǎng)，導(dǎo)致風(fēng)道截面積、風(fēng)扇功耗、噪音和系統(tǒng)體積急劇上升而難以工程實(shí)現(xiàn)。另一方面，全球數(shù)據(jù)中心預(yù)計(jì) 2030 年占全球總用電量 4%-7%、單體數(shù)據(jù)中心能耗將突破吉瓦級(jí) [3]。因此，傳統(tǒng)的風(fēng)冷與供電模式已難以為繼，行業(yè)正加速向液冷技術(shù)及核能等新型能源架構(gòu)轉(zhuǎn)型。

液冷技術(shù)通過直接接觸式散熱并將余熱用于園區(qū)供暖、工業(yè)供熱，能夠有效改善數(shù)據(jù)中心的電能使用效率，而核能的穩(wěn)定基荷特性為解決“AI 大模型訓(xùn)練的持續(xù)高功耗與傳統(tǒng)電網(wǎng)的負(fù)荷平衡模式存在本質(zhì)沖突”這一困境提供了有效途徑。Google、Amazon、Microsoft 等公司均在積極推進(jìn)核電工程，以滿足超大規(guī)模 AI 數(shù)據(jù)中心的用電需求 [4]。

此外，瑞士 Deep Atomic 公司和美國(guó)愛達(dá)荷國(guó)家實(shí)驗(yàn)室計(jì)劃建造首個(gè)核動(dòng)力人工智能數(shù)據(jù)中心 [5]，標(biāo)志著能源-算力一體化數(shù)據(jù)中心架構(gòu)正在從概念走向?qū)嵺`。因此，基于液冷與核能的超大規(guī)模數(shù)據(jù)中心能夠有效地支撐算力規(guī)模的擴(kuò)展與躍遷，代表了全球 AI 算力基礎(chǔ)設(shè)施形態(tài)的趨勢(shì)，也為物理極限約束下的 AI 持續(xù)發(fā)展開辟了新的空間。

參考文獻(xiàn)：

1.Kaplan J, McCandlish S, Henighan T, et al. Scaling laws for neural language models[J]. arXiv preprint arXiv:2001.08361, 2020.

2.Super Micro Computer, Inc., Supermicro NVIDIA GB200 NVL72: Liquid-cooled Exascale Compute in a Rack with 72 NVIDIA Blackwell GPUs, Datasheet.https://www.supermicro.com/datasheet/datasheet_SuperCluster_GB200_NVL72.pdf? Feb. 2025.

3.E. Kok, J. Rauer, P. Sachdeva, and P. Pikul,Scaling bigger, faster, cheaper data centers with smarter designs,McKinsey & Company, Article, Aug. 1, 2025.

4.P. Rooney,AI to go nuclear? Data center deals say it s inevitable.https://www.cio.com/article/3487339/ai-to-go-nuclear-data-center-deals-say-its-inevitable.html Aug. 19, 2024.

5.D. Dalton,Swiss Reactor Company Submits Nuclear-Powered Data Centre Proposal To US DOE. https://www.nucnet.org/news/swiss-reactor-company-submits-nuclear-powered-data-centre-proposal-to-us-doe-12-4-2025. Dec. 4, 2025.

運(yùn)營(yíng)/排版：何晨龍