AI训练算力6年增长超5个数量级，单机柜功率从100kW走向1MW+，数据中心规模从MW跃升至GW级——供电、散热、网络三大物理革命同时发生。先进计算产业发展联盟这份技术综述，从芯片到电网全栈视角，系统勾勒了超大规模智算中心的变革路径与开放生态蓝图。
时代背景——算力需求的指数级爆炸
AI模型参数与训练算力在过去6年增长超过5个数量级。训练集群规模十年间从1万卡扩张至10万卡，正迈向百万卡时代。NVIDIA GTC 2026披露，Blackwell+Rubin在2027年前的订单已超1万亿美元，较一年前预测翻倍。NCP累计部署（100万+GPUs）较2025年GTC的550MW翻3倍。
全球数据中心功耗已达67.7GW（IDCA 2026），两年增长36%，美国占29.2GW（约全美电力6%）。中国智能算力规模占全球29%（仅次于美国34%），2023-2028年复合增长率预计达46.2%。
智算中心三阶段演进
Phase 1（2012-2022年）——“服务器即计算机”。以单台GPU服务器为原子单元，风冷为主，PUE 1.4-1.6，InfiniBand横向Scale-Out为主，规模为kW级机柜、千卡集群。
Phase 2（2023-2026年）——“整机柜即计算机”。GB200/Rubin NVL72/144整机柜成为标准形态，液冷+800V HVDC成为新标配，NVLink纵向Scale-Up成为关键瓶颈，MoE/万亿参数大模型驱动，规模达MW级机柜、万至十万卡集群。
Phase 3（2026-2030年）——“智算中心即计算机——GW级AI Factory”。Vera Rubin DSX参考架构落地，跨园区AI Super-Factory Scale-Across成为新范式，Agentic AI/推理时代驱动，电网协同/源网荷储一体化成为核心约束，规模达GW级园区、百万卡集群。
核心挑战——GW级AIDC的“五道墙”
GW级AIDC的规模化部署面临五大核心挑战：供电墙（单机柜功率从100kW走向1MW+，传统380VAC体系无法支撑）、散热墙（单芯片TDP从700W→1500W→3000W，风冷物理极限被击穿）、网络墙（Scale-Up成为新前沿，NVLink/PCle/UALink/ESUN多协议竞争）、系统墙（从GPU盒子到整机柜系统再到数据中心整体，协同设计是唯一出路）、算电协同墙（先算清楚有多少电，再决定放多少算力，工信部PUE 1.15红线）。
破局之道在于以系统设计为中心——从“GPU盒子”到“整机柜系统”再到“数据中心整体”逐级跃升。新范式涵盖Chiplet/3D Stacking/CPO封装、MGX/ORW/Catalina开放参考设计、800V HVDC+BBU+直流微电网、冷板→单相→两相液冷演进、Scale-Up+Scale-Out+Scale-Across三层网络、智算中心即计算机的AI Factory蓝图。
核心数据总览
GW级智算中心核心技术指标对比| 技术维度 | 传统方案 | GW级AIDC方案 | 性能提升 |
|---|
| 供电 | 380VAC，集中UPS | 800V HVDC，BBU | 端到端效率85-88%→92-95% |
| 散热 | 风冷，PUE 1.4-1.6 | 两相液冷，PUE≤1.04 | 解热≥250W/cm² |
| 机柜功率 | ≤100kW | 1MW-2MW+ | 提升10-20倍 |
| 网络 | InfiniBand Scale-Out | Scale-Up+Scale-Out+Scale-Across | 内存语义亚微秒级时延 |
| 训练集群 | 千卡级别 | 十万至百万卡 | 提升100-1000倍 |
