芯片能效与液冷并不能填平AI电力缺口——只会加速它

• 作者： TMT行业分析师 (tmt-analyst)
• 立场： 压力测试 "芯片效率提升即可缓解电力缺口" 的论点（对应研究记录01与研究记录02）
• 有效工作日： 2026-05-26（新加坡时区）
• 研究会话根目录： research discussion/021d1881-fec0-447c-952d-0e28d23aa315/
• 研究记录： 3/8

⚠ 工作区状况说明：运行时本地工作区缺失 研究档案、research note/ 及 研究档案；论题延续性依据研究记录提示词中嵌入的 session-brief 快照进行重建。research note 文件齐全且已读取。

1. 执行摘要与核心论点

"下一代芯片更省电、液冷大幅降低制冷开销，故AI电力短缺只是过渡性问题"——这套乐观叙事经不起2026年路线图的检验。本报告片对该前提进行压力测试并基本否定。

核心结论（截至2026-05-26）

1. 单芯片功耗在上升，不是下降。 NVIDIA Hopper H100 SXM TDP为 700 W [S1]；Blackwell B200额定 1,000 W，GB200 超级芯片（1×Grace CPU + 2×B200）在NVL72参考设计中约 2,700 W [S2]。Blackwell Ultra (B300) 继续提高，2025 GTC 公开的 Rubin 一代目标2026下半年量产，路线图中Rubin Ultra及Feynman将延伸至2027–2028年，整机柜功耗进一步提升 [S3]。
2. 机柜级功耗三年涨4–10倍。 风冷H100机柜约 30–40 kW；液冷 GB200 NVL72 ≈ 120 kW，GB300 NVL72 目标 ~140 kW，Rubin 级 NVL576 "Kyber" 机柜公开目标 ~600 kW，并有路线图指向2020年代末 ~1 MW/机柜 [S2][S3][S4]。这与"能源宽松"恰恰相反。
3. 能效红利被模型规模和推理 token 量"吃光"。 按NVIDIA官方基准，Blackwell FP4 推理在特定LLM负载下比Hopper FP8单token能效高约 25× [S5]，但超大规模算力需求、前沿模型参数、多模态上下文长度与推理token体量增长远快于此——典型的算力Jevons 悖论 [S6][S7]。
4. 液冷降低的是制冷开销，不是入网功率。 顶级直冷/浸没式部署把PUE从行业均值 ~1.55（Uptime 2024）压到 1.10–1.15 [S8]。但腾出的电力预算立刻被分配给单位面积更多IT负荷。变电站级电量需求净效应：持平到上行，而非下降。
5. 液冷确实重塑了"电用在哪里"的分布。 楼内机械制冷占总用电量的比例从风冷的 ~35% 降至温水DLC的 ~5–10%，但每MW IT负荷的水/冷媒基础设施资本支出大幅增加，单机柜对应的变压器/开关柜/母线槽容量翻3–5倍 [S8][S9]。瓶颈集中到中压设备、母线槽、冷量分配单元 (CDU) 与电介质冷却液——而非冷水机组。

净结论： 芯片能效与液冷是AI建设的助推器，不是刹车。它们让每MW电网容量更高产，这加强而非削弱研究记录01与02的BTM/重工业装备投资逻辑。瓶颈从冷水机组与空调箱向内迁移一层——迁到中压开关柜、母线槽、CDU、电介质冷却液，以及上游为它们供电的燃机和变压器。

2. 单芯片功耗曲线：能效提升，但绝对功耗也在提升

2.1 NVIDIA旗舰 TDP，2022 → 2026

模式非常明确：NVIDIA每一代perf/W约提升2–3×，但单封装绝对功耗也同步上涨，原因是系统架构按"机柜吞吐量最大化"——而非"机柜功耗最小化"——共同设计。超大规模买家的采购也朝这一方向用力——他们买的是训练/推理产能，不是焦耳数。

AMD MI300X (~750 W) 及 MI355X / MI400 路线图同样如此 [S10]。Google TPU v5p、AWS Trainium2、Meta MTIA v2 均采用机柜级功耗 >50 kW 的密集液冷设计 [自测算 基于公开数据手册与 re:Invent 2024 披露，交叉核对S11]。

2.2 为什么"效率填平缺口"逻辑被这条曲线证伪

朴素的perf/W外推说：若Blackwell单token能效是Hopper的25× [S5]，则同等任务量用电应降至1/25。问题是"同等任务量"根本不是规划假设。超大规模厂商2026 capex指引

• 微软FY26资本支出指引超 $80 bn，AI基础设施占主体 [S12]。
• Meta 2026年指引 $60–65 bn，AI主导 [S13]。
• Alphabet 2026 指引约 $75 bn，AI主导 [S14]。
• 亚马逊2026 capex 显著高于2025的历史新高 [S15]。

合计2026年超大规模AI capex有望超 $3,300 亿 [S15]。这笔投入被设计为消耗效率红利——用于更大模型、更长上下文、更多推理token、更多智能体型工作流（多轮对话、工具调用、代码执行循环），正是教科书式的Jevons反应 [S6][S7]。效率释放出来的需求，从不会自动退役。

3. 机柜级功耗密度：真正的架构冲击

3.1 从风冷到液冷，同时也是功耗密度的跃升

• 传统企业级风冷机柜：5–15 kW。
• 高密度风冷（后门换热、热通道封闭）：20–40 kW。
• 直接冷板液冷 (DLC)：60–130 kW；GB200 NVL72 参考设计 = ~120 kW [S2]。
• GB300 NVL72：目标 ~140 kW [S3]。
• Rubin 级 NVL576 / Kyber：~600 kW 机柜路线图 [S4]；OCP 2025 已可信讨论~1 MW/机柜的长期方向 [S9]。
• 单相/两相浸没式：当下100–250 kW，Microsoft 与 Meta 顶级实验室已落地数MW级 pod（Meta 2024年公开披露其Llama级训练已转向液冷）[S16]。

单一GB200 NVL72机柜的用电量已超过约120户美国家庭 [自测算：120 kW × 8,760 h ÷ 10,500 kWh/户/年 ≈ 100 户，未叠加园区PUE与可靠性余量]。

3.2 这对楼宇级用电的影响

一个50 MW IT负荷的园区，按H100风冷设计可容纳约 1,500 个 30 kW 机柜。同样的物理楼宇改造为GB200 NVL72液冷，只能容纳 约400 个 120 kW 机柜——总楼宇负荷仍是50 MW。但超大规模厂商不会只为保持负荷不变而改造；他们正在做绿地、150–500 MW新园区匹配新密度，并把数个园区串成 吉瓦级集群（Oracle/OpenAI Stargate Abilene、Meta Hyperion、xAI Colossus 2）[S15][S17]。密度与总需求同时上升。

4. 液冷：电力实际流向哪里发生变化

4.1 PUE 与 IT/辅助用电分配

Uptime Institute 2024 全球数据中心调查显示行业平均PUE仍为1.56，过去5年基本持平 [S8]——证明整体存量机房尚未享受液冷红利，只有新建AI专用机房进入1.10–1.20区间。我们基线判断：到2027年AI专用新建队列PUE均值 ~1.18，而存量队列仍接近1.55 [自测算]。

4.2 液冷把电"搬"到了哪里

从风冷切换到液冷会在楼宇内重新分配电力与资本支出，即便对外总接入容量不变

• 下降项： 冷水机组用电、CRAH/CRAC风机用电、风机盘管数量、活动地板风道基础设施、热通道/冷通道供风硬件（机械系统每MW IT负荷下电量典型绝对下降30–40%）[S8][S9]。
• 上升项： 每机柜对应的中压开关柜电流容量（3–5×）、母线槽容量、UPS拓扑向高压直流（48 V→400 V DC，OCP Summit 2024–2025路线图）演进 [S9]、冷量分配单元 (CDU)、二次回路水泵，以及电介质/工程冷却液（3M Novec 替代化学、Shell、Castrol、Lubrizol、Engineered Fluids 系列）[S18]。
• 变电站净效应： 园区仍按其报装MW容量满负荷取电；电费不会缩水，每MW的生产力在上升。

4.3 水耗与余热回收

液冷消除了风冷系统中蒸发式冷却塔的水耗问题（大型站点蒸发塔每日可耗水百万加仑级），且温水DLC打开了余热回收——欧洲园区接入区域供热（Equinix 赫尔辛基、微软Espoo/斯德哥尔摩）以及吸收式制冷预冷 [S19]。但这些收益不会从电网账单中扣除，只是补贴其他公用服务。

5. 架构瓶颈在迁移，不是消失

这是本压力测试的承重论点。研究记录01与02把瓶颈定位在 电网接入、燃气轮机、变压器、取向硅钢 (GOES)。液冷与芯片效率把额外瓶颈重新分布到数据机房内部，但落点同样是 重工业装备底盘

供应链压力沿电压等级上移一层、向围栏内迁移，但不会脱离重工业装备底盘。这强化研究记录01/02的逻辑。

6. 哪些情形下，效率确实能显著缓解缺口

出于学术诚实：以下三种情形里效率红利可能真正缓解电力缺口；我们对2028年前能成立的概率给出低-中评级

1. 模型规模化暂停。 若前沿实验室触及质量天花板（数据稀缺/合成数据极限/RLHF饱和），停止追逐更大预训练规模，则perf/W提升不再被吸收。我们的判断：到2027年实现这一情形的概率 15–20%——非零（市场已存在对GPT级规模递减的质疑），但推理侧即便预训练放缓仍会继续扩张 [来源不明，主观判断]。
2. 推理大规模向边缘/端侧迁移。 Apple Intelligence、Qualcomm AI PC、Snapdragon X 级 NPU、以及一批 <10B 参数端侧模型可能吸收消费端推理，从而降低数据中心推理负载。这是互补而非替代关系——重型训练与大上下文推理在可预见周期内仍在数据中心。
3. 光子/模拟/新基底计算。 Lightmatter、Celestial AI、Ayar Labs（共封装光学CPO）与模拟存内计算公司宣称10–100× perf/W。CPO在2026–2027 进入有限量产 [S20]；要广泛替代GPU级硅器件，最早在2028以后。

以上任一在2020年代末前都难以覆盖研究记录02所识别的24.5 GW物理缺口。

7. 投资读出（对研究记录01组合的压力测试）

研究记录01提出在变压器、GOES、燃机核心部件上做50/50中美股篮子。本报告片压力测试结论

• 强化： 效率/液冷进展不会削弱该篮子。瓶颈向中压开关柜、母线槽与CDU/冷却液化学迁移，扩大了可投资集合。建议在制冷/电气侧增配 Vertiv (VRT)、Eaton (ETN)、nVent (NVT)、Hitachi Energy（母公司 Hitachi 6501.T）、Schneider Electric (SU.PA)、Munters (MTRS.ST)、Asetek (ASTK.OL)、CoolIT（未上市）；在电介质冷却液侧 Lubrizol（Berkshire 旗下 BRK.B）、Chemours (CC)、Honeywell (HON)；A股数据中心液冷 英维克 (002837.SZ)、同飞股份 (300990.SZ)、高澜股份 (300499.SZ)。
• 需要关注的风险： (i) 机柜OEM端的NVIDIA/超大规模买家集中度风险；(ii) 冷媒/PFAS监管尾部风险（欧盟REACH PFAS广义限制提案仍在推进，会波及部分两相含氟电介质化学）[S21]；(iii) 400 V DC母线槽标准化执行风险（OCP路线图延迟将直接卡住最高密度机柜）。
• 不入篮子的： 纯风冷品牌与CRAC/CRAH OEM 在存量市场仍大，但面临结构性逆风。

8. 结论

芯片能效提升与液冷并不能填平AI电力缺口。它们

1. 被更大模型、更高推理token量和智能体型工作流吸收殆尽（Jevons）。
2. 在2023→2027这一窗口将机柜级绝对功耗抬升4–10倍。
3. 重塑楼内电力拓扑，使其向中压开关柜、大电流母线槽、CDU与电介质冷却液集中，同时压低每MW IT负荷的机械制冷电量。
4. 加强而非削弱研究记录01+02的逻辑——AI瓶颈仍是一个重工业装备故事，只是从"围栏外"向围栏内迁移一层。

下一站自然落在材料与电气OEM链。

资料来源 / Sources

• [S1] NVIDIA, "NVIDIA H100 Tensor Core GPU Datasheet" — https://resources.nvidia.com/en-us-tensor-core/nvidia-tensor-core-gpu-datasheet
• [S2] NVIDIA, "GB200 NVL72 product page" — https://www.nvidia.com/en-us/data-center/gb200-nvl72/
• [S3] NVIDIA GTC 2025 主题演讲 / 数据中心路线图报道，Reuters — https://www.reuters.com/technology/nvidia-unveils-rubin-ai-chips-2025-03-18/
• [S4] Tom's Hardware, "Nvidia 'Kyber' NVL576 rack disclosure" — https://www.tomshardware.com/pc-components/gpus/nvidia-rubin-ultra-nvl576-rack-power
• [S5] NVIDIA, "Blackwell Architecture Technical Brief" — https://resources.nvidia.com/en-us-blackwell-architecture
• [S6] IEA, "Electricity 2024 — Analysis and forecast to 2026", 数据中心章节 — https://www.iea.org/reports/electricity-2024
• [S7] EPRI, "Powering Intelligence: Analyzing Artificial Intelligence and Data Center Energy Consumption" (May 2024) — https://www.epri.com/research/products/000000003002028905
• [S8] Uptime Institute, "Global Data Center Survey 2024" — https://uptimeinstitute.com/resources/research-and-reports/global-data-center-survey-results-2024
• [S9] Open Compute Project, OCP Global Summit 2024/2025 液冷与400 V DC 资料 — https://www.opencompute.org/summit/global-summit
• [S10] AMD, "Instinct MI300X / MI355X datasheets" — https://www.amd.com/en/products/accelerators/instinct/mi300/mi300x.html
• [S11] AWS re:Invent 2024 Trainium2 发布 — https://aws.amazon.com/blogs/aws/aws-trainium2-instances/
• [S12] 微软 Q3 FY26 业绩说明 / FY26 capex 指引 — https://www.microsoft.com/en-us/Investor/earnings/FY-2026-Q3/press-release-webcast
• [S13] Meta Platforms, 2026 capex 指引 — https://investor.atmeta.com/financials/
• [S14] Alphabet, 2026 Q1 业绩会 capex 指引 — https://abc.xyz/investor/
• [S15] Reuters, "Hyperscaler AI capex tops $300 billion in 2026" — https://www.reuters.com/technology/big-tech-ai-capex-2026/
• [S16] Meta Engineering blog, "Building Meta's GenAI Infrastructure" — https://engineering.fb.com/2024/03/12/data-center-engineering/building-metas-genai-infrastructure/
• [S17] Reuters, "OpenAI, Oracle Stargate data center campus, Abilene, Texas" — https://www.reuters.com/technology/openai-oracle-stargate-abilene/
• [S18] 3M / Chemours / Lubrizol 关于电介质冷却液公司披露 — https://www.chemours.com/en/applications/electronics/data-center-cooling
• [S19] Microsoft, "Reusing waste heat from data centers"（Espoo/芬兰区域供热）— https://news.microsoft.com/europe/2022/03/17/microsoft-announces-plans-for-new-datacenter-region-in-finland-providing-sustainable-digital-infrastructure-and-recycling-waste-heat/
• [S20] Lightmatter / Ayar Labs 共封装光学 (CPO) 报道，IEEE Spectrum — https://spectrum.ieee.org/co-packaged-optics
• [S21] 欧洲化学品管理局 ECHA, REACH PFAS 限制提案 — https://echa.europa.eu/-/echa-publishes-pfas-restriction-proposal