1兆瓦机架时代逼近：AI数据中心正在重构能源与基础设施体系
1兆瓦级机架正进入AI基础设施路线图，成为重塑数据中心设计的关键信号。英伟达Blackwell平台单机架功率已突破100kW，72 GPU机架约150kW，下一代Feynman架构预计在2028年前后推动1MW级GPU机架落地，传统交流供电与48V直流方案难以承载，800V DC、固态变压器等新架构预计在2028到2029年前后开始冒头。
原创 数据中心内参 2026-08-11 18:17 北京
1兆瓦级机架正进入AI基础设施路线图，供电与散热成新瓶颈，数据中心该如何重构？
点击蓝字关注我们FOLLOW US
过去几十年，数据中心的核心命题一直没变：在有限空间里塞下更多算力。
从企业机房到互联网数据中心，再到云计算时代的超大规模基础设施，行业不断推高服务器密度，靠虚拟化、云化和芯片迭代满足计算需求的膨胀。电力和散热当然重要，但长期扮演的都是"后勤角色"——服务器是主角，计算是价值，电力和制冷只是保障运行的配角。
AI正在颠覆这个秩序。
大模型训练、生成式AI和智能体应用的爆发，让计算需求跃升到了新量级。AI不是多添几台服务器那么简单，而是需要数千甚至数万颗GPU组成超大规模集群。算力规模的膨胀，正在直接转化为能源需求的飙升。
未来的数据中心竞争，不只取决于你有多少GPU，更取决于你能不能为这些GPU提供匹配的能源、供电和散热体系。
而这场变革最醒目的信号，就是1兆瓦（MW）级机架正在进入AI基础设施的发展路线图。
一、AI数据中心正在进入“超高密度时代”
过去的数据中心并不追求极端密度。云计算快速发展的十多年里，行业遵循着一套相对稳定的逻辑：加服务器、提虚拟化效率、优化资源调度。业务涨了，就多上机器、扩机房，或者从云平台上弹性扩容。
这种模式下，单个机架的功率并不高。传统企业数据中心和云计算环境里，10kW到20kW是常态，高密度场景也就摸到40kW左右。这个水平足以覆盖绝大多数互联网业务、企业应用和云服务。
AI打破了这种长期稳定。
大模型时代最大的变化，不是简单增加服务器数量，而是把海量高性能芯片压缩到更小的物理空间内，通过高速互联捏成一个完整的计算系统。过去提升算力靠"铺量"，现在一个大型AI训练集群需要成千上万颗GPU协同作战。
这让数据中心面临一个新问题：如何在有限空间内承载越来越高的计算密度。
英伟达Blackwell平台是这个趋势的典型样本。高性能GPU系统进入数据中心后，单机架功率已经突破100kW。随着GPU数量继续增加、单芯片功耗持续攀升，机架功率还将进一步向上跳。
行业方向已经清晰：
当前，高密度AI机架已进入100kW级别；
未来几年，新一代GPU平台部署后，机架功率可能冲到数百千瓦；
更远的未来，1MW级机架已经出现在厂商路线图上。
英伟达下一代Feynman架构预计将在2028年前后推动1MW级GPU机架系统落地。这意味着AI正在倒逼数据中心经历一次基础设施迁移。过去数据中心解决的是"如何在有限空间内部署更多服务器"；未来要解决的则是"如何在有限能源条件下释放更高AI算力"。竞争的核心，正从服务器数量转向计算密度和能源密度。
当然，1MW机架不会成为所有数据中心的标配。对绝大多数企业来说，未来几年真正要解决的并不是建设兆瓦级设施，而是让现有基础设施具备承载更高密度AI计算的能力。
只有极少数从事基础模型训练、超大规模AI研发的机构，才可能直接进入MW级部署阶段。更多企业的路径是逐步提高承载能力：从支持100kW级AI机架起步，向数百千瓦级演进，最终由少数大型AI基础设施迈入兆瓦级时代。
所以，1MW机架更像是AI基础设施发展的"极限方向"。它的意义不在于未来每个数据中心都会部署兆瓦机架，而在于它提前改写了整个行业对数据中心设计边界的认知。
过去的数据中心围绕服务器设计。未来的数据中心，需要围绕算力密度、能源供应和热管理能力重新设计。
二、最大挑战不是GPU，而是电力系统
AI带来的第一个基础设施挑战，不是GPU，而是电。
过去几十年，数据中心建立了一套成熟的能源供应体系：电力从电网接入，经过变电设备和UPS转换，再通过配电系统输送到机架。这套架构支撑了云计算时代的大规模扩张，也是全球数据中心长期沿用的基础模式。
但AI正在改写规则。
当计算密度不断推高，数据中心面临的问题不再是“有没有足够空间放服务器”，而是传统能源架构还能不能撑住如此高功率的设备运行。传统数据中心里，一个机架通常只有10kW到20kW，高密度环境大多也就几十千瓦。但AI时代，机架功率正在快速闯入百千瓦甚至兆瓦区间。
从几十千瓦跳到数百千瓦乃至1MW，最大的挑战不是"发不发电"，而是如何把如此规模的电力安全、高效地塞进一个有限空间。这实际上是数据中心能源体系的重新设计。
目前大量数据中心仍采用传统交流供电体系，以及48V直流方案。这些技术在过去几十年已经非常成熟，但面对AI带来的超高功率密度，开始暴露限制。
机架功率越高，供电系统需要承载的电流就越大，意味着更多电缆、更复杂的连接结构、更高要求的电源模块设计。简单说，过去机架内部要解决的是"怎么供电"，未来要解决的是"怎么在有限空间内高效传输巨量电能"。
英伟达当前的高密度GPU系统已经展示了这种趋势。比如72 GPU机架系统功率约150kW，需要多个电力输入。未来GPU数量继续增加，如果1MW级机架仍沿用传统供电方式，机架内部可能需要大量电力输入线路，不仅设计复杂度飙升，还会进一步挤压计算设备的可用空间。
所以，AI数据中心正在探索新的能源架构。最受关注的方向是800V DC。
800V DC不是简单把电压拉高，而是一次数据中心能源体系的重新设计。核心逻辑和新能源汽车类似：功率需求上去后，提高电压可以降低传输电流，从而减少电缆、铜排和连接设备的压力，提升整体供电效率。
未来，AI数据中心可能逐步采用更高压直流供电架构，结合新型配电系统、固态变压器和模块化电源设备，为高密度计算提供能源支撑。行业预计，800V DC相关的数据中心可能在2028到2029年前后开始冒头。
这意味着，未来的数据中心建设越来越像电力工程。过去建数据中心，首先考虑的是服务器、网络和存储能力。AI时代，能源架构正在成为决定计算能力上限的关键因素。
未来一个数据中心能部署多少GPU，可能首先取决于它能获得多少电力，以及能不能建起匹配的新型能源体系。
三、液冷成为1MW机架时代的数据中心必选项
如果高密度AI计算首先挑战的是供电能力，那么紧随其后的就是散热。
过去几十年，数据中心主要靠空气冷却。服务器内部风扇带走芯片热量，再通过机房空调降低环境温度。这套模式支撑了传统云计算和互联网业务的发展。
但AI计算正在打破这个平衡。
与传统CPU服务器相比，GPU加速器算力更强，功耗和热密度也更高。越来越多GPU被压缩进有限空间，单位面积产生的热量陡增，传统空气冷却开始逼近能力边界。
尤其在100kW以上的高密度AI机架中，单纯靠空气流动已经很难有效带走芯片产生的大量热量。未来机架功率进一步冲向数百千瓦甚至1MW，液冷将不再是一个"可选方案"，而是基础设施的一部分。
目前，直接液冷（Direct-to-Chip Liquid Cooling）正在成为AI数据中心的主流方向。核心方式是用冷却液直接接触GPU等高功耗芯片，通过冷板快速吸热，再由冷却液循环系统将热量带走。
相比风冷，液冷能处理更高的热密度，也能减少数据中心对大型空调系统的依赖。随着AI服务器功率持续攀升，液冷正从过去主要应用于超算和少数高性能计算场景，逐渐进入大规模商业数据中心。
未来几年，数据中心的冷却体系会出现明显分化：
传统业务和中低功率服务器，风冷仍然够用；
100kW以上的AI机架，大规模液冷将成为主流；
500kW甚至1MW级机架，直接液冷几乎是唯一可行的路。
这不仅改变了服务器的冷却方式，也改变了数据中心基础设施的设计理念。
过去的数据中心主要围绕机房环境设计，关注空调容量、气流组织和机柜布局。AI时代的数据中心，需要提前规划液冷管路、冷却液分配单元（CDU）、二次冷却回路，甚至热量回收体系。
在液冷架构下，冷却链路也变了：芯片热量先由冷板吸收，再通过CDU完成热交换，最终接入数据中心整体冷却系统。冷却系统不再只是辅助设施，而是决定AI计算能力的重要基础。
液冷的价值不只是"降低温度"。它实际上是在为下一代高密度计算提供基础条件。
当AI数据中心迈向数百千瓦甚至兆瓦级机架时，供电系统决定算力能不能进机架，液冷系统决定算力能不能持续跑下去。
未来的数据中心，不再是简单的服务器机房，而是一个融合计算、电力和热管理的新型基础设施系统。
四、1MW机架背后：数据中心正在变成能源基础设施
如果说过去的数据中心是一座"计算建筑"，那么未来的AI数据中心更像一座"能源驱动的计算工厂"。
这种变化不是因为数据中心第一次需要电力，而是因为AI正在重新定义能源在计算体系中的位置。
过去几十年，数据中心的建设逻辑基本没变：先确定业务需求，再采购服务器、建机房，然后根据计算规模匹配供电和制冷能力。能源虽然重要，但更多是一种基础保障——只要电力稳定，加服务器就能加算力。
AI时代，这个逻辑正在失效。
大模型训练需要成千上万颗GPU协同运行，这些GPU不只是增加了计算资源，同时也带来了巨大的能源消耗。当单个机架从几十千瓦走向数百千瓦甚至1兆瓦，数据中心面对的问题不再是"还能放多少服务器"，而是还能获得多少能源，以及如何把能源转化为持续稳定的AI算力。
一个1MW机架，每小时消耗约1000度电。如果未来一个AI训练集群拥有数百个高密度机架，其能源需求将逼近大型工业设施。这意味着AI数据中心正在经历一次角色转换：
过去，数据中心围绕计算设备建设能源系统；未来，数据中心需要围绕能源能力设计计算系统。
这种变化首先体现在数据中心与电网关系的改变上。传统数据中心通常被视为大型用电用户：向电网申请容量，建设变电设施，然后持续获得稳定电力。但对于未来的大型AI训练中心，这种简单的"接入—消耗"模式可能越来越不够用。
原因在于，AI负载规模巨大，而且带有明显的动态特征。一次大型模型训练可能持续数周甚至数月，需要稳定的大规模能源供应；而推理任务、模型优化以及不同业务负载，又会带来计算需求的波动。因此，未来的AI数据中心需要更强的能源管理能力。
它们不仅要能从电网取电，还要能参与能源调度。比如在电网压力大的时段，通过储能系统压低瞬时负载；在新能源供应充足的时候，提高计算任务运行比例；通过微电网和自备能源提升供电韧性。
数据中心与电网的关系，将从过去的单向供给，逐渐走向双向协同。未来，一个先进的数据中心可能不仅是最大的电力消费者之一，也可能成为电力系统中的"可调节节点"。
1MW机架真正改变的，并不是一个机架能承载多少GPU。它改变的是数据中心自身的定位。过去，数据中心是IT基础设施。未来，AI数据中心将成为融合能源供应、计算能力、液冷系统和能源管理的新型基础设施。
这也是为什么1MW机架被认为是AI基础设施发展的关键节点——它意味着数据中心建设逻辑正在发生根本性的转变：从围绕服务器设计，转向围绕算力密度、能源密度和热管理能力重新设计。
往期推荐:
分享产生价值，请顺手转发至朋友圈
公众微信名：IDCinside
也可长按二维码，扫描关注属于数据中心专业人士的社区
数据中心报道、投稿
联系公众号助理（微信：AI_insider）
加入数据中心行业群、运维群
来源：IDCInside · mp.weixin.qq.com