當(dāng)Chat GPT每秒“吞吐”數(shù)萬次請求、自動駕駛汽車毫秒級解析路況、AI大模型訓(xùn)練一口“吞”掉百萬度電時，我們正親歷著一場由“算力浪潮”驅(qū)動的科技革命；與此同時，一個嚴(yán)峻的現(xiàn)實問題也浮出水面：強大的AI背后是對電力的極度渴求，算力增長與能源約束之間的矛盾已成為全球面臨的關(guān)鍵挑戰(zhàn)。

國際能源署（IEA）2025年發(fā)布的《能源與人工智能》報告顯示，2024年全球數(shù)據(jù)中心電力消耗達415太瓦時，占全球總電力需求的1.5%，預(yù)計到2030年將翻倍至945太瓦時，占比略低于3%。Uptime Institute預(yù)測，2025年人工智能業(yè)務(wù)在全球數(shù)據(jù)中心總用電量中的占比將從2%猛增至10%。中國信通院《綠色算力發(fā)展研究報告（2025年）》指出，2024年中國數(shù)據(jù)中心用電量1660億千瓦時，2030年將達3,000～7,000億千瓦時，占全社會用電量2.3%～5.3%。

時代的發(fā)展既要AI“算得快”，還要電力“供得上”，更要“用得綠”。AI數(shù)據(jù)中心的可持續(xù)化發(fā)展已不是業(yè)界的選擇題，而是必答題。一場電力突圍大戰(zhàn)正在上演。

圖1：全球數(shù)據(jù)中心與AI數(shù)據(jù)中心能耗趨勢預(yù)測（數(shù)據(jù)來源：IDC，2025）

亞太市場現(xiàn)狀掃描

圖2：中國智算服務(wù)市場規(guī)模預(yù)測（數(shù)據(jù)來源：IDC，2025）

建設(shè)增速驚人，算力需求暴漲

走進新加坡裕廊工業(yè)區(qū)，多個數(shù)據(jù)中心園區(qū)持續(xù)擴容新建；在東京灣畔，超大規(guī)模數(shù)據(jù)中心新項目接連開工；而中國長三角、粵港澳大灣區(qū)的智算中心集群更呈“井噴式”增長——這正是當(dāng)前亞太數(shù)據(jù)中心市場的真實寫照。

萊坊2024年報告顯示，微軟、亞馬遜AWS、環(huán)旭、Meta等科技巨頭合計投入超1600億美元，推動亞太數(shù)據(jù)中心容量持續(xù)擴容。東京市場電力價格與租賃率同步上漲，大阪加碼超大規(guī)模數(shù)據(jù)中心投資，悉尼市場供應(yīng)大幅增長仍供不應(yīng)求，孟買正加速推進超大規(guī)模數(shù)據(jù)中心建設(shè)。

政策支持更為這場建設(shè)熱潮添薪加柴。新加坡政府規(guī)劃到2029年將數(shù)據(jù)中心容量提升至200MW；中國“東數(shù)西算”工程已累計拉動投資超4,000億元，在貴州、內(nèi)蒙古等地建成多個千萬億次算力級別的智算中心；日本借助“數(shù)字田園都市”計劃，在地方城市布局低碳數(shù)據(jù)中心。

建設(shè)熱潮的驅(qū)動力來自于算力需求暴漲，亞太地區(qū)正成為全球算力增長的“核心引擎”。Gartner于2025年的新預(yù)測顯示，亞太地區(qū)AI服務(wù)器支出將達2020億美元，是傳統(tǒng)服務(wù)器支出的兩倍，占全球服務(wù)器市場份額的關(guān)鍵比重。企業(yè)端應(yīng)用全面滲透，BCG于2025年10月調(diào)研顯示，78%的亞太受訪者每周至少使用一次AI，中國采用率高達87%。算力規(guī)模同步飆升，中國信通院數(shù)據(jù)顯示，截至2025年6月中國智能算力規(guī)模達788EFLOPS（FP16），全年預(yù)計突破1037.3EFLOPS，同比增長43%。

IDC數(shù)據(jù)顯示，中國在亞太地區(qū)AI市場中持續(xù)保持引領(lǐng)地位，2024年占亞太地區(qū)AI總支出超五成。預(yù)計到2028年，中國AI市場總投資規(guī)模將突破1,000億美元，五年復(fù)合增長率為35.2%。在生成式AI方面，2024年其在中國AI市場投資總規(guī)模中的占比為18.9%，到2028年這一占比將提升至30.6%，投資規(guī)模超300億美元，五年復(fù)合增長率達51.5%。

發(fā)展面臨重重挑戰(zhàn)

AI數(shù)據(jù)中心具有“高功耗、高密度、高熱流”的特性。如果把AI數(shù)據(jù)中心比作“算力工廠”，“生產(chǎn)原料”是電力和水資源，冷卻系統(tǒng)是“散熱保障”，基礎(chǔ)設(shè)施是“底座”。在亞太地區(qū)，這些“核心資源”都面臨著不小的壓力。

1電力

其中，電力瓶頸首當(dāng)其沖。AI數(shù)據(jù)中心和傳統(tǒng)數(shù)據(jù)中心是“不同物種”。傳統(tǒng)數(shù)據(jù)中心的負載相對穩(wěn)定，就像勻速行駛的汽車；而AI數(shù)據(jù)中心的負載，更像在賽道上沖刺的賽車，時而全功率運轉(zhuǎn)，時而瞬時峰值，對電力系統(tǒng)的考驗堪稱“極限挑戰(zhàn)”。在能源緊張地區(qū)，電力調(diào)度的微小波動都可能引發(fā)運維風(fēng)險，亞太地區(qū)的電力結(jié)構(gòu)尤其增加了這種風(fēng)險。日本、韓國電力供應(yīng)依賴化石能源，中國的部分地區(qū)電力網(wǎng)絡(luò)仍在升級，新加坡面臨電力進口依賴度高、本地電網(wǎng)容量有限的困境，數(shù)據(jù)中心電力審批已成為項目落地的主要瓶頸。

2冷卻與水資源

其次是冷卻與水資源難題。冷卻難題是技術(shù)層面的核心挑戰(zhàn)。傳統(tǒng)風(fēng)冷在面對30kW以上高功率密度機架時已力不從心，風(fēng)冷散熱能力存在物理上限，無法滿足下一代150kW以上超高功率密度機架的冷卻需求。Uptime Institute(2024)數(shù)據(jù)顯示，全球超過70%的超大規(guī)模數(shù)據(jù)中心正在研究液冷或浸沒式冷卻方案，以替代傳統(tǒng)風(fēng)冷。水資源緊張則成為另一個隱形障礙。一個10MW規(guī)模的傳統(tǒng)數(shù)據(jù)中心，年耗水量可達數(shù)十萬噸。亞太地區(qū)不少數(shù)據(jù)中心集中在缺水區(qū)域，如何平衡算力需求和水資源保護成了棘手問題。

3基礎(chǔ)設(shè)施

第三個挑戰(zhàn)來自基礎(chǔ)設(shè)施本身的演進瓶頸。當(dāng)前亞太地區(qū)多數(shù)數(shù)據(jù)中心的設(shè)計標(biāo)準(zhǔn)和技術(shù)架構(gòu)，難以適配下一代AI工作負載的需求。亞太許多數(shù)據(jù)中心建于2010年前后，當(dāng)時設(shè)計功率密度僅為5~10kW/機架，而如今AI服務(wù)器的峰值功耗往往超過40kW，傳統(tǒng)供配電架構(gòu)和散熱通道已無法支撐這種負載，結(jié)構(gòu)性升級迫在眉睫。

4網(wǎng)絡(luò)架構(gòu)

網(wǎng)絡(luò)架構(gòu)的瓶頸同樣突出。AI訓(xùn)練需要海量數(shù)據(jù)在服務(wù)器之間傳輸，對網(wǎng)絡(luò)帶寬的需求是傳統(tǒng)業(yè)務(wù)的10倍以上?，F(xiàn)有數(shù)據(jù)中心的網(wǎng)絡(luò)架構(gòu)多為10G/25G以太網(wǎng)，無法滿足AI負載的低延遲、高帶寬需求，必須升級到100G/400G高速網(wǎng)絡(luò)，這又是一筆不小的投入。

此外還有場地空間的限制。AI服務(wù)器體積更大，加上冷卻設(shè)備、配電設(shè)備，對機房空間的要求更高。新加坡、中國香港等土地資源緊張的地區(qū)，傳統(tǒng)數(shù)據(jù)中心的空間根本無法容納高密度AI機架，只能通過“垂直堆疊”“模塊化部署”等方式破解，進一步推高了建設(shè)成本。

技術(shù)革新的破局力量

面對能源與算力的巨大張力，綠色供電、先進冷卻、邊緣計算，以及芯片與電源技術(shù)革新正在成為AI數(shù)據(jù)中心突破發(fā)展瓶頸的四大方向，也為行業(yè)發(fā)展帶來新機遇。

綠色供電。破解電力瓶頸的第一步，是構(gòu)建“綠色為主、彈性互補”的供電體系。儲能技術(shù)的突破有效緩解了可再生能源的“不穩(wěn)定性”。智能電力調(diào)度技術(shù)成為“用好電”的關(guān)鍵支撐?；贏I算法的負荷預(yù)測系統(tǒng)表現(xiàn)亮眼，能提前24小時精準(zhǔn)預(yù)測電力需求，誤差率低于5%；微電網(wǎng)技術(shù)賦予數(shù)據(jù)中心靈活適配能力，可在電網(wǎng)故障時切換至“孤島運行”模式，保障持續(xù)供電；虛擬電廠（VPP）模式則通過整合多個數(shù)據(jù)中心的儲能資源，與電網(wǎng)形成互動調(diào)峰，進一步提升電力利用效率。

從微軟到谷歌，主流云廠商紛紛在亞太地區(qū)簽訂可再生能源長期購電協(xié)議（PPA），并結(jié)合儲能與虛擬電廠技術(shù)，提升綠電利用率。通過AI預(yù)測負載實現(xiàn)“算力與電力協(xié)同調(diào)度”，正在成為綠色轉(zhuǎn)型的新趨勢。

先進冷卻技術(shù)。如果說傳統(tǒng)風(fēng)冷是給設(shè)備“吹風(fēng)扇”，那液冷技術(shù)就是給設(shè)備“做降溫SPA”，散熱效率和節(jié)能效果不在一個量級。當(dāng)AI機架功率密度突破50千瓦，液冷技術(shù)就從“可選”變成了“必選”。隨著液冷、沉浸式冷卻正在從小眾走向主流，新技術(shù)不僅帶來能效提升，更顯著改善了設(shè)備穩(wěn)定性與空間利用率。根據(jù)英偉達的測試數(shù)據(jù)（2024年），液冷系統(tǒng)可將整體能耗降低30%~40%。

在這方面，部分國家已率先實現(xiàn)規(guī)?；涞亍＠缬鳮ao Data的KLON-03數(shù)據(jù)中心采用混合冷卻方案，支持直接芯片液體冷卻，在滿足130kW超高機架密度的同時，實現(xiàn)電能利用效率（PUE）值達到1.2以下。目前中國已成為全球液冷數(shù)據(jù)中心的主要市場，阿里、騰訊、華為等企業(yè)的智算中心均大規(guī)模采用液冷技術(shù)，中國移動呼和浩特智算中心實測全年平均PUE值為1.15-1.168。隨著液冷技術(shù)的成本快速下降，規(guī)模效應(yīng)顯現(xiàn)，液冷技術(shù)必將成為AI數(shù)據(jù)中心的“標(biāo)配”。

邊緣計算架構(gòu)。如果說大型AI數(shù)據(jù)中心是“中央廚房”，那邊緣計算節(jié)點就是“社區(qū)便利店”。邊緣計算通過“算力下沉”，將AI推理任務(wù)部署在靠近用戶或數(shù)據(jù)源的邊緣節(jié)點，從而減少核心數(shù)據(jù)中心的帶寬與延遲負擔(dān)：傳統(tǒng)集中式模式下，數(shù)據(jù)傳輸網(wǎng)絡(luò)能耗占比可達總能耗的15%；而邊緣計算可降低80%以上傳輸能耗。IDC數(shù)據(jù)顯示，2024年亞太邊緣節(jié)點部署數(shù)量同比增長62%，標(biāo)志著算力正從中心向網(wǎng)絡(luò)邊緣有序下沉。

芯片與電源技術(shù)革新。數(shù)據(jù)中心的能耗，不僅來自服務(wù)器和冷卻系統(tǒng)，電源轉(zhuǎn)換環(huán)節(jié)也會消耗大量電力。傳統(tǒng)硅基芯片和電源存在明顯效率瓶頸，轉(zhuǎn)換效率通常在85%-90%，存在高達10%的功率損耗。氮化鎵（GaN）和碳化硅（SiC）等第三代半導(dǎo)體材料的出現(xiàn)正突破電源效率的“天花板”，其禁帶寬度、擊穿電場強度和開關(guān)速度均遠超硅材料。Yole Group的研究表明，GaN與SiC材料可使電源轉(zhuǎn)換效率超過98%，成為AI服務(wù)器高效供能的關(guān)鍵材料，推進高效電源管理革新。

目前領(lǐng)先的芯片與電源廠商已有相關(guān)方案落地。例如英飛凌的混合電源解決方案，其12kWPSU參考設(shè)計在100W/in3功率密度下實現(xiàn)97.5%基準(zhǔn)效率，為MW級AI服務(wù)器機架提供高效支撐。長城電源在AI數(shù)據(jù)中心專用鈦金級電源中采用SiC器件，轉(zhuǎn)換效率提升至96%以上;英諾賽科基于GaN器件開發(fā)的服務(wù)器電源，功率密度達到30W/cm3，較傳統(tǒng)方案提升50%。

亞太地區(qū)在第三代半導(dǎo)體領(lǐng)域布局超前。中國的GaN芯片產(chǎn)能占全球60%以上，華為、比亞迪等企業(yè)已經(jīng)實現(xiàn)GaN電源的規(guī)?；瘧?yīng)用;日本的碳化硅材料技術(shù)全球領(lǐng)先，豐田、三菱等企業(yè)將SiC芯片用于新能源汽車和數(shù)據(jù)中心電源;韓國三星、SK海力士也在加大GaN/SiC材料的研發(fā)投入。隨著GaN/SiC電源成本的下降和技術(shù)成熟，數(shù)據(jù)中心的“電源損耗”將大幅降低，成為綠色算力的又一重要支撐。

(下一期，將進一步解析亞太地區(qū)實現(xiàn)可持續(xù)智能未來的路徑和未來發(fā)展方向，敬請期待。)