美國算力2400EFLOPS，中國1053！算力大戰，誰在偷跑？

你有沒有想過，你每一次用AI生成圖片、問ChatGPT問題，背后都有一臺服務器在“吭哧吭哧”地算？這些服務器，都住在數據中心里。

而數據中心，正在變成這個時代最“貪吃”的巨獸。

IEEE這份《2026全球數據中心發展趨勢報告》告訴我一個有點嚇人的事實：全球數據量到2028年將膨脹到393.8ZB，是2018年的9.8倍。每秒產生的數據從2023年的4.2PB，到2028年將飆到12.5PB。每秒！

更瘋狂的是算力。到2025年初，全球智能算力（專門給AI用的那種）已經達到5693 EFLOPS，一年漲了64.7%。美國和中國占了大頭——美國2400 EFLOPS，中國1053 EFLOPS，兩家合起來占了全球半壁江山。

但問題是：算力長得越快，電就用得越猛。數據中心已經成了“電老虎”，而且這個老虎還在長個兒。

數據中心到底在怎么“進化”？

1. 各國都在“卷”算力，但路不一樣

• 美國：主打一個“放開干”。用“AI行動計劃”鼓勵創新，給私營企業松綁，同時在國家安全備忘錄里明說“防止先進AI技術被競爭對手搞走”。它要的是：技術領先、標準制定權、全球盟友體系。
• 中國：強調“應用落地”和“技術自主”。搞“東數西算”，建國家算力網，推液冷、綠色能源。一邊搞產業應用，一邊卡技術脖子。
• 歐盟：走“規則路線”。出臺《人工智能法案》，按風險分級管，重點是保護公民權利和數字主權。
• 日本：立法加強研發和產業整合，搞“自主可控”。

結論：算力這東西，已經是國家戰略資源了，誰都不敢松手。

2. 技術升級，在“拼命”解決三個大問題

問題一：電不夠用，怎么辦？

數據中心的電，很大一部分不是用來算的，是給設備降溫的。一個機柜功率從幾kW漲到幾十kW，甚至上百kW，傳統的風扇散熱已經頂不住了。

所以，液冷成了標配。報告里提到兩個方向：

• 冷板液冷：把冷液板貼在芯片上，熱量帶走。現在技術往“微通道冷板”“兩相冷板”方向卷，追求更高散熱效率。
• 浸沒液冷：把整個服務器泡進冷卻液里。這種方案更激進，但對材料和兼容性要求高。

同時，電源架構也在變。傳統的48V/54V已經到極限了，未來是800V高壓直流（HVDC）的天下。搭配鋰電池、超級電容，就能穩住AI負載的“瞬間暴跳”——因為AI訓練時功率波動特別大，幾毫秒內能從幾千瓦跳到幾十千瓦，傳統電源根本穩不住。

問題二：算力不夠，怎么堆？

單個芯片性能已經逼近物理極限（摩爾定律快死了），所以大家開始“堆”芯片——不是簡單堆，是“異構堆”。

• Chiplet（芯粒）技術：把CPU、GPU、內存、I/O接口做成小芯片，然后用先進封裝（比如臺積電的CoWoS）把它們拼在一起。這樣既能提升性能，又能控制成本。
• 超節點：把成千上萬個芯片通過高速互聯（比如NVLink、InfiniBand）連成一個“巨型計算機”，集群算力能到萬卡級別。
• 光互聯：未來趨勢是用光來代替電，光傳輸損耗低、速度快。比如CPO（光電共封裝），把光引擎和交換芯片封在一起，大幅降低功耗和延遲。

問題三：數據存不下、讀不動，怎么破？

• 存儲介質：NAND閃存往“更高堆疊層數”走（3D NAND），每平方厘米存更多數據。同時，SCM（存儲級內存） 開始冒頭，它速度接近內存但掉電不丟數據，正好卡在內存和硬盤之間的“甜蜜點”。
• 存儲架構：從“計算和存儲綁在一起”變成“分離式存儲”。用NVMe-oF/RDMA這種高速協議，讓計算集群可以遠程、高速地訪問存儲池，靈活調度資源。
• 存內計算（CIM）：直接在存儲單元里做計算，省去數據搬來搬去的能耗和時間。這是未來打破“內存墻”的關鍵技術。

3. 運營和管理，也在“無人化”

• 數字孿生：給數據中心建一個虛擬副本，AI在里面跑仿真、做預測，能提前發現故障、優化能效。
• 機器人巡檢：以后不用人進去看了，機器人自己巡邏、自己干活。
• 算力調度：中國搞了“全國一體化算力網”，把各地算力資源連起來，用戶像用水用電一樣用算力。到2025年7月，平臺已經接了1000多家企業、100多個算力服務商。

挑戰與展望：機會很大，坑也不少

挑戰一：技術迭代變慢，核心創新卡殼

• 硬件上，“內存墻”（計算等數據）、“功耗墻”（散熱跟不上）、“互聯墻”（帶寬不夠）都在逼近物理極限。
• 軟件上，異構編程難、跨平臺移植難，生態碎片化。
• 新興技術（光計算、量子計算）還在實驗室里，產業化路徑不清晰。

挑戰二：能耗壓力，綠色轉型箭在弦上

• 數據中心的電耗占全球總用電量的比例在攀升，很多國家已經把數據中心納入碳排放監管。
• 可再生能源的滲透率還不高，綠電交易機制不完善，PUE（電能利用效率）已經不夠用了，需要更精細的碳管理。

挑戰三：國際協調機制缺失

• 大家都在搞“數字主權”，標準不統一、技術生態割裂，算力資源很難全球共享。
• 發展不平衡：發達國家在高端芯片、先進制造上卡脖子，發展中國家想追也追不上。

挑戰四：標準體系缺失

• 沒統一標準，不同廠商的設備不互通，用戶被綁定在一個生態里，遷移成本高。
• 性能評估、能效評測、安全認證……沒統一說法，行業“野蠻生長”。

未來趨勢：算力將像水電一樣“即開即用”

趨勢一：異構、光、存內計算……技術多點開花

• 計算架構從“單一芯片”走向“異構集成”，CPU、GPU、NPU、DPU各司其職。
• 光互聯從數據中心內部走向跨數據中心，未來可能“以光代電”。
• 存內計算、類腦計算、量子計算……在特定場景會率先突破。

趨勢二：綠色算力，從“口號”到“硬指標”

• 液冷會從“選配”變成“標配”。
• 可再生能源直接供電（綠電直供）會成為新基建的標配。
• 碳足跡追蹤、全生命周期管理會成為數據中心的“必修課”。

趨勢三：全球協作，從“對抗”走向“競合”

• 盡管有競爭，但氣候變化、公共衛生等全球性挑戰，會倒逼各國共享算力資源。
• 國際組織、產業聯盟會發揮更大作用，在標準制定、技術互認上推動共識。

趨勢四：標準統一，從“各自為政”走向“一網通辦”

• 硬件接口、軟件協議、服務質量、安全可信……都要統一標準。
• 開源社區會加速標準的孵化和推廣，讓技術“民主化”。
• 最終目標是：用戶“一點接入，全球服務”，像用自來水一樣用算力。

報告節選

三個皮匠報告AI譯版