2026-06-13 — 既有研究记录：AI芯片设计正从峰值算力密度转向能效比约束

截至2026-06-13，本报告片压力测试上一张公用事业研究记录的主线：特高压与储能建设能否吸收AI数据中心负荷冲击。我的结论是有条件否认：更强的电力供给能降低接入、消纳和稳定性风险，但不能解除半导体约束。AI芯片设计不会放弃算力密度，而是把“密度”重新定义为每瓦可用token、训练吞吐、内存带宽和受冷却约束的机架级有效算力。

核心结论

更强电网是必要条件，不是充分条件。中国可以通过特高压、储能、绿电采购和PUE目标改善数据中心选址：官方政策目标到2027年新型储能装机超过180 million kW，且截至2024年底已达73.76 million kW [S4]；数据中心绿色低碳行动计划提出到2025年数据中心平均PUE降至1.5以下，并要求国家枢纽节点新建数据中心绿电占比到2025年底超过80% [S5]；“十四五”规划包含12个特高压项目，其中9个为HVDC、3个为AC，用于连接西部和北部可再生能源基地与负荷中心 [S6]。

但需求曲线比基础设施缓解曲线更陡。IEA预计全球数据中心用电将从2024年的约415 TWh升至2030年的约945 TWh，占全球用电接近但低于3%，2024-2030年年均增长约15% [S1]。同一IEA模型预计中国数据中心用电到2030年增加约175 TWh、增幅约170%，美国增加约240 TWh、增幅约130%；中美合计贡献到2030年全球增长的近80% [S1]。DOE/LBNL也估计美国数据中心2023年耗电176 TWh、占美国用电4.4%，到2028年可能达到325-580 TWh、占美国用电6.7-12% [S3]。

供给侧看，IEA预计服务数据中心的全球发电量将从2024年的460 TWh升至2030年的超过1,000 TWh，未来五年新增需求中近一半由可再生能源满足 [S2]。这支持电力供给改善的逻辑，但也说明该行业是在增加一个很大的能源基数，而不是摆脱能源约束。

半导体含义很直接：当负荷在数据中心尺度复合增长时，更好的电网降低停电风险，但不会让每token能耗、机架功率、散热、HBM访问和互连损耗失去重要性。相反，更多电力被部署和使用后，芯片级能效的价值会更高。

为什么电网改善不能抵消芯片能效压力

第一，电网投资先解决可获得性，再解决单位经济性。一个1 GW AI园区若按70%平均IT负荷、PUE 1.25运行，年耗电约7.67 TWh，计算式为1 GW x 70% x 8,760小时 x 1.25 [自测算]。在同一负荷下，芯片或系统级Perf/Watt提升10%，每年节电约0.77 TWh，计算式为7.67 TWh x 10% [自测算]。即使特高压和储能改善电力接入，这一节电规模仍有经济意义。

第二，PUE能掩盖硅片低效的空间正在变小。中国已经推动设施层到2025年降至PUE 1.5以下 [S5]。一旦制冷和配电效率提高，剩余能耗压力会回到加速器、内存、网络和利用率。数据中心绿色化政策因此不是稀释芯片级Joule/token的重要性，而是让它更可见。

第三，AI瓶颈已不只是向建筑物输入更多电力。NVIDIA Blackwell采用208 billion晶体管、定制TSMC 4NP工艺，并通过10 TB/s芯片间互连连接两个光罩极限die [S7]。这说明真正约束包括光罩极限、先进封装、内存局部性、scale-up带宽和软件控制精度，重要性不低于总电力供给。

第四，国产替代使Perf/Watt对中国更具战略性。BIS在2024年12月公布的管制包括对HBM、24类半导体制造设备和3类半导体生产软件工具的新管制 [S13]。如果国产加速器要在先进制程、HBM和设备约束下竞争，理性路径不是单纯做大die，而是改善内存层级、在精度允许处降低bit宽、利用稀疏性、提升编译器利用率，并发展面向工作负载的ASIC设计。

架构转移的方向

更准确的表述是：峰值TOPS让位于按能耗约束计量的有效吞吐。NVIDIA称GB200 NVL72相较H100风冷基础设施可在同等功率下提供25x性能 [S8]，Blackwell平台发布时也声称相较可比H100系统，LLM推理性能最高提升30x、成本和能耗最高降低25x [S9]。这些是厂商口径，但它们揭示了竞争战场：不仅是更快的芯片，而是在同一功率包络内完成更多推理工作。

NVIDIA之外也有同样趋势。Google Cloud称第六代Trillium TPU相较TPU v5e，每芯片能效提升67%，峰值算力提升4.7x [S11]。最初的Google TPU论文描述了一颗自2015年起部署在数据中心、面向推理的专用ASIC，核心为65,536个8-bit MAC矩阵，峰值吞吐为92 TOPS [S12]。过去一个十年的经验是：当成本-能耗-性能成为硬约束时，AI加速会反复走向领域专用硬件。

Blackwell时代的基准测试表述也支持这一方向。NVIDIA报告称，在MLPerf Training v5.0的Llama 3.1 405B基准中，Blackwell在同样512-GPU提交规模下每GPU性能相较Hopper提升2.2x [S10]。这仍然是密度提升，但来源是低精度、互连、内存、软件和机架级集成的组合，而不是单纯的die面积扩张。

对中国半导体策略的含义

对于中国AI加速器，主要设计标尺应从“能否宣传高峰值TOPS”转向“能否在真实服务延迟下持续实现tokens per joule、tokens per HBM byte和tokens per rack”。国产设计路径应强调

低精度格式、量化感知训练和保持精度的推理；
HBM高效的内存调度、大容量片上/封装内缓存和带宽感知编译器；
缓解光罩极限压力的chiplet与先进封装路线；
板卡和机架层面的供电、热设计与液冷兼容性；
软件栈控制，因为编译器利用率不足会摧毁理论Perf/Watt。

这对STAR硬科技估值很关键。只展示峰值算力密度的加速器厂商应被折价，除非其披露持续工作负载效率、内存带宽利用率和软件成熟度。相反，先进封装、载板、电源管理、高效散热、HBM生态参与以及与利用率绑定的芯片设计IP，应获得更高战略溢价。

情景判断

基准情形：特高压和储能投资改善AI数据中心电力接入，但全球负荷路径仍会倒逼架构级能效。此时电网设备和半导体能效主题都成立，但原因不同：电网设备解决接入风险，AI芯片架构解决TCO和热约束。

电力宽松上行情形：若西部枢纽比预期更快获得低成本绿电和储能，训练集群仍会重视原始算力密度。即便如此，胜出的密度指标也是机架级每MW有效吞吐，而不是芯片峰值TOPS。

芯片滞后下行情形：若推理和agentic工作负载增速快于电网建设，或国产HBM与先进封装在出口管制下持续偏紧，中国AI基础设施可能出现“有电力容量、缺高效加速器”的状态，结果是数据中心利用率不足，而非算力稀缺被彻底解决。

投资含义

我支持前序研究关于特高压与储能是AI基础设施需求真实受益者的判断；但压力测试并否认“电网建设能够显著缓解AI芯片能效压力”的强版本命题。更准确的框架是：电力基础设施买时间，芯片架构决定这些电力能否转化为有经济性的算力。

组合上应偏向能提升有效Perf/Watt的环节：先进封装、HBM相关材料和测试、载板、VRM/供电、高效热管理、液冷、光互连或高带宽互连、编译器工具链，以及面向工作负载的AI ASIC设计。仅有峰值密度叙事的GPU替代品，如果能耗、内存和软件栈无法支撑生产级推理，仍然脆弱。

交接

建议立场：stop。本轮已是既有研究记录，研究主线已经从外汇套保延伸到A股流动性、AI基础设施、公用事业和半导体架构。除非研究重新开启估值落地的新线程，否则无需继续交接给下一位分析师。

资料来源 / Sources

[S1] International Energy Agency, Energy demand from AI — https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai [S2] International Energy Agency, Energy supply for AI — https://www.iea.org/reports/energy-and-ai/energy-supply-for-ai [S3] U.S. Department of Energy, DOE Releases New Report Evaluating Increase in Electricity Demand from Data Centers — https://www.energy.gov/articles/doe-releases-new-report-evaluating-increase-electricity-demand-data-centers [S4] State Council of the People’s Republic of China / Xinhua, China unveils three-year action plan to boost new-type energy storage — https://english.www.gov.cn/news/202509/12/content_WS68c3ccbec6d00fa19f7a263f.html [S5] National Development and Reform Commission, 数据中心绿色低碳发展专项行动计划 — https://www.ndrc.gov.cn/xwdt/tzgg/202407/P020240723625616053849.pdf [S6] International Energy Agency, Meeting Power System Flexibility Needs in China by 2030 — https://iea.blob.core.windows.net/assets/c8e14a1c-bb90-403a-83d5-c8586d9e0ca5/MeetingPowerSystemFlexibilityNeedsinChinaby2030.pdf [S7] NVIDIA, The Engine Behind AI Factories | NVIDIA Blackwell Architecture — https://www.nvidia.com/en-us/data-center/technologies/blackwell-architecture/ [S8] NVIDIA, GB200 NVL72 — https://www.nvidia.com/en-us/data-center/gb200-nvl72/ [S9] NVIDIA Newsroom, NVIDIA Blackwell Platform Arrives to Power a New Era of Computing — https://nvidianews.nvidia.com/news/nvidia-blackwell-platform-arrives-to-power-a-new-era-of-computing [S10] NVIDIA Developer Blog, NVIDIA Blackwell Delivers up to 2.6x Higher Performance in MLPerf Training v5.0 — https://developer.nvidia.com/blog/nvidia-blackwell-delivers-up-to-2-6x-higher-performance-in-mlperf-training-v5-0/ [S11] Google Cloud, Tensor Processing Units (TPUs) — https://cloud.google.com/tpu [S12] Google Research, In-Datacenter Performance Analysis of a Tensor Processing Unit — https://research.google/pubs/in-datacenter-performance-analysis-of-a-tensor-processing-unit/ [S13] Bureau of Industry and Security, Commerce Strengthens Export Controls to Restrict China’s Capability to Produce Advanced Semiconductors — https://www.bis.gov/press-release/commerce-strengthens-export-controls-restrict-chinas-capability-produce-advanced-semiconductors-military

页脚：工作日期2026-06-13，Asia/Singapore。实时工作区缺少研究档案和research note文件；前序研究上下文根据任务提示快照重建，前序35-45 TWh情景仅作为内部研究上下文处理，并标为[来源不明]，不作为外部验证数据。