當Chat GPT每秒“吞吐”數萬次請求、自動駕駛汽車毫秒級解析路況、AI大模型訓練一口“吞”掉百萬度電時，我們正親歷著一場由“算力浪潮”驅動的科技革命；與此同時，一個嚴峻的現實問題也浮出水面：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鍵挑戰。

國際能源署（IEA）2025年發布的《能源與人工智能》報告顯示，2024年全球數據中心電力消耗達415太瓦時，占全球總電力需求的1.5%，預計到2030年將翻倍至945太瓦時，占比略低于3%。Uptime Institute預測，2025年人工智能業務在全球數據中心總用電量中的占比將從2%猛增至10%。中國信通院《綠色算力發展研究報告（2025年）》指出，2024年中國數據中心用電量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%。

時代的發展既要AI“算得快”，還要電力“供得上”，更要“用得綠”。AI數據中心的可持續化發展已不是業界的選擇題，而是必答題。一場電力突圍大戰正在上演。

圖1：全球數據中心與AI數據中心能耗趨勢預測（數據來源：IDC，2025）

亞太市場現狀掃描

圖2：中國智算服務市場規模預測（數據來源：IDC，2025）

建設增速驚人，算力需求暴漲

走進新加坡裕廊工業區，多個數據中心園區持續擴容新建；在東京灣畔，超大規模數據中心新項目接連開工；而中國長三角、粵港澳大灣區的智算中心集群更呈“井噴式”增長——這正是當前亞太數據中心市場的真實寫照。

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

政策支持更為這場建設熱潮添薪加柴。新加坡政府規劃到2029年將數據中心容量提升至200MW；中國“東數西算”工程已累計拉動投資超4,000億元，在貴州、內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“數字田園都市”計劃，在地方城市布局低碳數據中心。

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

IDC數據顯示，中國在亞太地區AI市場中持續保持引領地位，2024年占亞太地區AI總支出超五成。預計到2028年，中國AI市場總投資規模將突破1,000億美元，五年復合增長率為35.2%。在生成式AI方面，2024年其在中國AI市場投資總規模中的占比為18.9%，到2028年這一占比將提升至30.6%，投資規模超300億美元，五年復合增長率達51.5%。

發展面臨重重挑戰

AI數據中心具有“高功耗、高密度、高熱流”的特性。如果把AI數據中心比作“算力工廠”，“生產原料”是電力和水資源，冷卻系統是“散熱保障”，基礎設施是“底座”。在亞太地區，這些“核心資源”都面臨著不小的壓力。

1電力

其中，電力瓶頸首當其沖。AI數據中心和傳統數據中心是“不同物種”。傳統數據中心的負載相對穩定，就像勻速行駛的汽車；而AI數據中心的負載，更像在賽道上沖刺的賽車，時而全功率運轉，時而瞬時峰值，對電力系統的考驗堪稱“極限挑戰”。在能源緊張地區，電力調度的微小波動都可能引發運維風險，亞太地區的電力結構尤其增加了這種風險。日本、韓國電力供應依賴化石能源，中國的部分地區電力網絡仍在升級，新加坡面臨電力進口依賴度高、本地電網容量有限的困境，數據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。冷卻難題是技術層面的核心挑戰。傳統風冷在面對30kW以上高功率密度機架時已力不從心，風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)數據顯示，全球超過70%的超大規模數據中心正在研究液冷或浸沒式冷卻方案，以替代傳統風冷。水資源緊張則成為另一個隱形障礙。一個10MW規模的傳統數據中心，年耗水量可達數十萬噸。亞太地區不少數據中心集中在缺水區域，如何平衡算力需求和水資源保護成了棘手問題。

3基礎設施

第三個挑戰來自基礎設施本身的演進瓶頸。當前亞太地區多數數據中心的設計標準和技術架構，難以適配下一代AI工作負載的需求。亞太許多數據中心建于2010年前后，當時設計功率密度僅為5~10kW/機架，而如今AI服務器的峰值功耗往往超過40kW，傳統供配電架構和散熱通道已無法支撐這種負載，結構性升級迫在眉睫。

4網絡架構

網絡架構的瓶頸同樣突出。AI訓練需要海量數據在服務器之間傳輸，對網絡帶寬的需求是傳統業務的10倍以上。現有數據中心的網絡架構多為10G/25G以太網，無法滿足AI負載的低延遲、高帶寬需求，必須升級到100G/400G高速網絡，這又是一筆不小的投入。

此外還有場地空間的限制。AI服務器體積更大，加上冷卻設備、配電設備，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，傳統數據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，進一步推高了建設成本。

技術革新的破局力量

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革新正在成為AI數據中心突破發展瓶頸的四大方向，也為行業發展帶來新機遇。

綠色供電。破解電力瓶頸的第一步，是構建“綠色為主、彈性互補”的供電體系。儲能技術的突破有效緩解了可再生能源的“不穩定性”。智能電力調度技術成為“用好電”的關鍵支撐。基于AI算法的負荷預測系統表現亮眼，能提前24小時精準預測電力需求，誤差率低于5%；微電網技術賦予數據中心靈活適配能力，可在電網故障時切換至“孤島運行”模式，保障持續供電；虛擬電廠（VPP）模式則通過整合多個數據中心的儲能資源，與電網形成互動調峰，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簽訂可再生能源長期購電協議（PPA），并結合儲能與虛擬電廠技術，提升綠電利用率。通過AI預測負載實現“算力與電力協同調度”，正在成為綠色轉型的新趨勢。

先進冷卻技術。如果說傳統風冷是給設備“吹風扇”，那液冷技術就是給設備“做降溫SPA”，散熱效率和節能效果不在一個量級。當AI機架功率密度突破50千瓦，液冷技術就從“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，新技術不僅帶來能效提升，更顯著改善了設備穩定性與空間利用率。根據英偉達的測試數據（2024年），液冷系統可將整體能耗降低30%~40%。

在這方面，部分國家已率先實現規模化落地。例如英國Kao Data的KLON-03數據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據中心的主要市場，阿里、騰訊、華為等企業的智算中心均大規模采用液冷技術，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。隨著液冷技術的成本快速下降，規模效應顯現，液冷技術必將成為AI數據中心的“標配”。

邊緣計算架構。如果說大型AI數據中心是“中央廚房”，那邊緣計算節點就是“社區便利店”。邊緣計算通過“算力下沉”，將AI推理任務部署在靠近用戶或數據源的邊緣節點，從而減少核心數據中心的帶寬與延遲負擔：傳統集中式模式下，數據傳輸網絡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數據顯示，2024年亞太邊緣節點部署數量同比增長62%，標志著算力正從中心向網絡邊緣有序下沉。

芯片與電源技術革新。數據中心的能耗，不僅來自服務器和冷卻系統，電源轉換環節也會消耗大量電力。傳統硅基芯片和電源存在明顯效率瓶頸，轉換效率通常在85%-90%，存在高達10%的功率損耗。氮化鎵（GaN）和碳化硅（SiC）等第三代半導體材料的出現正突破電源效率的“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材料可使電源轉換效率超過98%，成為AI服務器高效供能的關鍵材料，推進高效電源管理革新。

目前領先的芯片與電源廠商已有相關方案落地。例如英飛凌的混合電源解決方案，其12kWPSU參考設計在100W/in3功率密度下實現97.5%基準效率，為MW級AI服務器機架提供高效支撐。長城電源在AI數據中心專用鈦金級電源中采用SiC器件，轉換效率提升至96%以上;英諾賽科基于GaN器件開發的服務器電源，功率密度達到30W/cm3，較傳統方案提升50%。

亞太地區在第三代半導體領域布局超前。中國的GaN芯片產能占全球60%以上，華為、比亞迪等企業已經實現GaN電源的規模化應用;日本的碳化硅材料技術全球領先，豐田、三菱等企業將SiC芯片用于新能源汽車和數據中心電源;韓國三星、SK海力士也在加大GaN/SiC材料的研發投入。隨著GaN/SiC電源成本的下降和技術成熟，數據中心的“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實現可持續智能未來的路徑和未來發展方向，敬請期待。)