从700W到2300W：算力"高烧"，靠什么接住？

深夜的北京东三环，一栋不起眼的灰色大楼里，上千台服务器正在全速运转。机房的门一开，热浪扑面而来——这是数据中心的常态。但在过去的12个月里，负责这栋大楼运维的老张(化名)明显感觉到，情况正在起变化：机柜的功率一调再调，空调的设定温度一降再降，可设备的报警温度依然越来越近。

老张感受到的，是算力时代一个正在被所有人看见的事实：AI跑得越快，发热就越猛，而人类给算力降温的方式，正在经历一次三十年未有的换挡。

从英伟达H100芯片的700瓦功耗，到新一代Rubin平台逼近2300瓦——3年多时间，单颗芯片的功耗增至3.3倍。当单机柜的功率密度从10千瓦冲向100千瓦，风扇吹不动了，空调顶不住了，风冷这条用了二十年的老路，走到了物理极限。接棒的是一套更"冷"的方案——液冷。液冷不是新技术，但它第一次从"可选项"变成了"必选项"，变成了一门从几百亿元走向千亿元的大生意。

这篇文章，我们就来拆一拆这场"降温革命"：算力为什么会这么热？风冷为何会失效？液冷又是如何接住这场"高烧"的？

700W到2300W：算力每跑快一步，热量就追一步

先看一个数字的跃迁。

2022年，英伟达H100发布，单芯片热设计功耗(TDP)700瓦——这已经是当时数据中心芯片的天花板。到了2026年，新一代Rubin平台把这一数字推向2300瓦。国海证券8月4日发布的行业深度报告里，把这个过程描述得很直白：AI大模型从训练主导加速转向推理主导，智能体任务密度持续攀升，单芯片功耗的爬升速度，超过了以往任何一个芯片世代。

这意味着什么？意味着芯片性能翻倍的同时，热量也在翻倍。算力是"热"的孪生兄弟，性能每向前一步，热量就紧紧跟一步，一分都不少。

再往上看一层，机柜的功率密度更是惊人。2026世界人工智能大会(WAIC)现场，华为、中兴通讯等主流服务器厂商集中展示了超节点产品——用高速专用总线把数十颗、乃至数万颗AI芯片连成一个紧密协同的计算系统。旗舰AI芯片功耗突破1000瓦，单机柜功率普遍突破60千瓦，高端超节点机柜的功耗可以达到100到200千瓦。

100千瓦是什么概念？一台100千瓦级别的超节点机柜满载运行一天，消耗的电量约2400千瓦时，相当于一个三口之家一年左右的用电量。而这些电，绝大部分没有变成算力，而是变成了热量，堆积在方寸之间的机柜里。

业内有个流传很广的说法：大模型训练集群里，算力每提升1倍，散热成本几乎同步提升1倍。当热密度突破物理极限，散热就不再是"配套工程"，而是决定算力能不能继续跑下去的"前置条件"。

风冷的天花板：风扇转得再快，也吹不动100kW的机柜

过去二十年，数据中心的降温方案几乎只有一种：风冷。空调把机房吹到18摄氏度，风扇把芯片表面的热量带走，原理简单、成本低廉、维护方便。它陪着人类从CPU时代走进了GPU时代，立下过汗马功劳。

但物理规律不讲情面。空气的比热容是固定的，风冷能带走的热量存在硬上限——当单机柜功率突破80千瓦，风冷就触及物理极限。这不是工艺问题，是物理问题：空气就那么轻，吹再快，单位时间带走的热量也就那么多。就像一台家用空调，房间再小也有极限，你没法靠调大风速，把一间塞满火炉的屋子吹凉。

产业界对这个拐点的感知，比外界想象得更早。英伟达从GB200平台开始强制采用液冷，GB300、Rubin平台一路延续，并把冷板式液冷作为标配方案；据行业机构观察，谷歌TPU在2026年高端ASIC市场的份额预计达到46%，其大规模集群同样离不开液冷架构。而在国内，WAIC现场几乎成了一届"液冷博览会"：华为专为万亿级大模型训练设计的昇腾950超节点，全系标配冷板式液冷散热架构；中兴OEX超节点实现冷板液冷全覆盖，把高密度布线与极端发热两大痛点一并解决；百度、阿里、新华三、昆仑芯等厂商的超节点产品，也都采用了全浸没液冷或冷板式液冷方案。

风冷不是不好，是时代变了。当一台机柜的功率从10千瓦走向100千瓦，风扇的转速已经逼近噪音与能耗的极限，再往上走，成本曲线会陡然翘起。液冷之所以成为"必选项"，本质上是一道算力时代的算术题：不是风冷不行了，而是算力跑得太快了。

液冷接棒：从"可选项"到"必选项"的产业换挡

液冷并不是新生事物。早在上世纪60年代，超级计算机就开始用液冷降温。但过去它一直是个"小众选项"——技术门槛高、改造成本大、生态不成熟，只有极少数追求极致性能的机构才用得起。

这一次，情况完全不同了。三股力量同时推动液冷从边缘走向舞台中央。

第一股力量是硬性需求。AI算力扩张带来的芯片功耗跃升，让风冷在物理上失效，液冷从"更优解"变成"唯一解"。第二股力量是经济效益。据IIM及科智咨询的数据，液冷方案在3年周期内的全生命周期成本(TCO)比风冷低19%到24%，一般两年左右就能收回投资成本。这听起来反直觉——液冷设备更贵，怎么总成本反而更低？原因在于：液冷把电能更高效地转化为算力，省下的电费、腾出的机房空间、提升的算力密度，足以覆盖设备溢价。省出来的，比花出去的更多。第三股力量是产业协同。液冷不是单一产品，而是一套系统工程——冷板、CDU(冷量分配单元)、快接头、管路、冷却液，每一个环节都有专业玩家，产业链正在快速成型。

据国海证券测算，2026年全球数据中心液冷核心部件市场空间预计为195亿美元，到2030年将增长至611亿美元，2026-2030年复合增速为33%。另据行业研究机构预测，2026年全球数据中心液冷市场规模有望突破165亿美元，中国市场预计达942亿元，未来三年将实现翻倍以上增长。

这些数字背后，是一个正在发生的产业换挡：散热，从数据中心的"运营成本项"，变成了算力时代的"基础设施项"。就像高速公路之于汽车产业、电网之于电气化时代——液冷正在成为AI时代的基础设施，只是它藏在地下室里，不在聚光灯下。

167天与"用AI建AI"：中国液冷的落地速度

如果说上面的数字是"蓝图"，那中国西部的一个项目，已经把蓝图变成了现实。

宁夏中卫，腾格里沙漠边缘，一座国家算力枢纽城市。2026年，中国电信在这里建成了全国首个"风液同源"标准AIDC数据中心——从开工到整体交付，只用了167天，创下全国同类型绿色智算中心建设交付的历史纪录。167天里，建设团队24小时不间断施工，攻克戈壁严冬、大风、酷暑等重重难关，一次性完成机电百兆瓦联调与10万平方米土建同步交付。

这个项目最值得说的，不是速度，而是模式。它把"风液同源"架构落地——风冷与液冷共用一套冷源体系，按场景灵活切换，兼顾效率与成本；它创新使用绿电直连，实现百兆瓦绿电一次并网、100%绿电供应；它把AI用在了建设本身——用"用AI建AI"的理念，把建设全周期的文档与多模态数据汇聚成智能知识底座，构建土建、机电、暖通等垂直领域智能体，实现绿电引入、集中维护、智能化作业管理的闭环。

微观的加速，映照的是宏观的底气。工信部数据显示，截至2026年6月底，我国智能算力规模达2185 EFLOPS(FP16)，同比增长177%；全国算力设施整体上架率达71.4%。71.4%的上架率意味着：造出来的算力，不是摆在洁净室里拍照汇报的展品，而是在大模型训练、智能驾驶、消费电子里实打实连轴转的生产资料。

有生产，就有热量；有热量，就需要液冷。中国庞大的算力底座，正在为液冷产业提供全世界最丰富的实战场景——设备在产线上跑得越多，问题暴露得越快，迭代就越快，成本也就摊得越低。这是一个极度健康的正向循环。

冷技术的热时代

回看这场"降温革命"，一个有趣的反差跃然纸上：AI是2026年最"热"的产业，而它最依赖的新技术，偏偏是一门"冷"生意。

人类与热量的博弈，其实贯穿了整个算力史。从晶体管时代的风扇，到服务器时代的精密空调，再到AI时代的液冷——每一次散热技术的升级，都对应着一次算力的大跨越。今天，当单颗芯片的功耗从700瓦冲向2300瓦，当单机柜的功率密度突破100千瓦，我们正在经历的不是一次技术改良，而是一次基础设施的代际更替。

在这场更替里，中国没有缺席，甚至跑在了前面：167天建成的风液同源数据中心、WAIC上全线标配液冷的超节点、从冷板到CDU快速成型的国产供应链——散热这件"冷"事，正在成为检验一个国家算力产业成色的"热"考场。

风冷退休的那一天，不会敲锣打鼓。它只会安静地发生：在某个机房的改造现场，空调机组被拆下来，管道接上了冷板，第一滴冷却液流过芯片的瞬间，一场关于算力的新循环就此启动。而所有为这场"降温革命"付出过努力的人，都会记住老张在机房里的那句话——"机柜不热了，我心里就踏实了。"

算力有多热，液冷就有多重要。这个夏天最冷静的生意，正在最热的产业里，悄然生长。