AI算力的狂飙,正撞上一堵越来越难绕开的现实之墙——电力。
根据美国银行(Bank of America)最新研究,随着 NVIDIA GPU平台持续迭代,AI数据中心的单机柜功耗,正从传统服务器时代的10至15千瓦,跃升至2029—2030年“Feynman”平台时代的1.5兆瓦以上,增幅接近100倍。换句话说,未来一个AI机柜的耗电量,甚至足以支撑约1000户美国家庭的用电需求。
而问题在于:现有电网和配电体系,根本不是为这种级别的功率密度设计的。
美银测算显示,2025年至2030年间,全球AI数据中心将新增约233吉瓦电力需求,年度新增需求将从2025年的17吉瓦快速攀升至2030年的60吉瓦。这一速度,已经明显超出 International Energy Agency 基于现有项目规划所做的预测。电力,正在成为AI扩张过程中最核心、也最现实的瓶颈。
但与此同时,这场“电力危机”,也可能孕育出下一轮巨大的产业机会。
美银预计,AI数据中心相关的模拟半导体市场规模(TAM),将从2025年的79亿美元增长至2030年的约270亿美元,五年复合增速高达28%。其中,碳化硅(SiC)与氮化镓(GaN)等宽禁带半导体材料,原本主要依赖新能源车与工业市场,如今正快速转向AI数据中心这一长期结构性需求。
换句话说,AI的下一场军备竞赛,已经不只是“谁的GPU更强”,而是“谁能把电送进去”。
从千瓦到兆瓦:AI算力背后的“耗电爆炸”
美银在报告中详细拆解了 NVIDIA 各代AI平台的功耗演进路径:
2022年的 Hopper H100 HGX 机柜,总功耗约32千瓦;
到 Blackwell GB200 NVL72 平台,功耗已提升至100至120千瓦;
即将到来的 Rubin Ultra NVL576,预计单机柜功耗突破646千瓦;
而到了2029—2030年的 Feynman 平台,单机柜功耗将超过1.5兆瓦。
功耗为何会以如此夸张的速度上升?
核心原因在于AI集群越来越依赖“超大规模GPU组网”。
为了追求极限性能,大量GPU必须通过超短距离铜互连高度集成。NVIDIA 将这一问题称为“性能密度陷阱”——性能越高,功率密度就越高,两者几乎被物理规律绑定在一起。
从 Hopper 到 Blackwell:
GPU TDP(热设计功耗)提升约75%;
但机柜功率密度提升了3.4倍;
整体AI性能却提升了接近50倍。
美银认为,每一次AI组网规模扩张,都可能带来2至4倍的总功耗增长。
而这并不只是英伟达的问题。
Advanced Micro Devices 的 Helios 平台、Amazon Web Services 的 Trainium 3、以及 Google 的 Ironwood ASIC,也都在走向更高功耗密度。
未来,高功耗几乎会成为所有顶级AI平台的共同宿命。
传统数据中心架构,正在逼近物理极限
问题是,今天的数据中心配电体系,本来是为“互联网服务器时代”设计的。
传统架构采用48V/54V直流供电:
电网高压交流电进入数据中心;
经多级降压与转换;
最后再送到GPU核心不足1V的电压轨。
但在兆瓦级AI机柜面前,这套体系开始全面失效。
第一,空间不够
一台GB300 NVL72机柜,就需要多达8个电源货架。
如果继续沿用54V架构,未来Rubin Ultra平台的大量机架空间,都会被电源系统占据,真正用于计算的空间反而被压缩。
第二,铜不够
在1兆瓦级机柜中,54V直流系统可能需要约200公斤铜排才能完成供电。
如果未来AI数据中心进入吉瓦级规模,这种铜消耗几乎不可持续。
第三,效率不够
传统架构中,每一次交流/直流转换都会损失约1%至2%的能量。
而AI数据中心往往需要多级转换,这不仅意味着更高能耗,也意味着更多故障点。
800V直流,正在成为下一代AI数据中心标准
为了解决这些问题,行业正在快速转向800V直流(800 VDC)架构。
逻辑非常简单:
尽可能减少中间转换环节,把“交流转直流”的步骤提前。
在新架构下:
13.8kV交流电进入园区后;
直接整流成800V直流;
再送往机柜与GPU。
根据美股大数据 StockWe.com ,相比传统54V系统,800V直流的优势极其明显:
端到端效率最高可提升5%;
同等线缆可多传输85%功率;
铜材料使用量减少约45%;
维护成本最高降低70%;
总拥有成本(TCO)改善约30%。
这意味着,AI行业未来比拼的,不再只是芯片设计,还包括整个“从电网到GPU”的电力系统工程能力。
AI训练还有一个隐藏问题:电网波动
更棘手的是,AI训练负载本身具有极强波动性。
大型模型训练时,GPU利用率可能在毫秒级时间内,从30%瞬间冲到100%。
这会对电网造成极大的冲击。
因此,未来AI数据中心不仅需要GPU,还需要大规模储能系统:
超级电容负责毫秒级功率尖峰;
电池储能系统(BESS)负责分钟级负载平滑。
换句话说,未来AI数据中心,本质上会越来越像“小型发电厂 + 储能站”。
AI电力革命,谁会成为最大赢家?
美银认为,这场电力体系重构,将催生一个新的超级产业链。
其中最大的受益者,并不一定是GPU厂商,而可能是模拟半导体公司。
美银预计:
AI模拟半导体市场规模,将从79亿美元增长至270亿美元;
高功率机柜的单柜模拟芯片价值量,将从约3.6万美元飙升至接近92万美元。
其中几个关键方向尤其值得关注:
1. 碳化硅(SiC)
SiC具备高压、高温、高效率优势,非常适合800V直流系统。
主要受益公司包括:
Infineon Technologies
Wolfspeed
ON Semiconductor
2. 氮化镓(GaN)
GaN在高频、高效率电源转换领域优势明显。
代表企业包括:
Navitas Semiconductor
Texas Instruments
3. 模拟电源芯片
AI时代,GPU越强,电源管理的重要性越高。
美银预计:
Texas Instruments 仍将维持行业最大份额;
Analog Devices 将受益于高端电源管理;
Infineon Technologies 市占率提升最明显。
下一轮AI大战,核心可能不再是芯片,而是能源
过去几年,市场讨论AI,重点始终是:
“谁的模型更强?”
“谁的GPU更多?”
但未来几年,一个更现实的问题可能会成为决定胜负的关键:
“谁还能拿到电?”
AI产业正在从“算力竞争”,进入“能源竞争”。
而电力基础设施、模拟半导体、储能系统、宽禁带材料,可能才是AI时代真正被低估的底层资产。












