AI算力超级单体：百万卡时代的数据中心革命

2026-08-11 12:36 0 阅读

从芯片到系统：AI竞争的新战场

当英伟达CEO黄仁勋在去年接受金融时报采访时断言“中国将赢得AI竞赛”，很多人以为他在谈论芯片。但他随即补充道：未来算力爆发的门槛不在芯片，而在网络、电力、储能、散热等基础设施。

这个判断正在被现实验证。今年4月，OpenAI的星际之门项目接连按下暂停键：英国站点因能源成本过高和监管不确定而停摆，挪威数据中心搁置，得州阿比林旗舰站点扩建计划被放弃。计划2027年竣工的美国数据中心产能，超过60%至今未动工，另有7%明确延期。

问题并非美国独有。当算力从万卡迈向十万卡、百万卡，芯片不再是唯一决定因素。网络、电力、散热等基础设施共同决定一座算力集群能释放多少真实算力。过去处于后台的基础设施，正在走到AI竞争的前台。

乌兰察布：超级单体的诞生地

在内蒙古乌兰察布，地质稳定、气候凉爽、电力充沛。这里是国家“东数西算”八大枢纽节点之一，网络时延位居全国第一梯队，全域绿电占比达67%。

最近，远景科技集团在这里正式投产“远景乌兰察布星河基地”，园区内全球最大的AI算力超级单体同步亮相。这个超级单体建筑面积超12万平方米，相当于20个标准足球场，刷新了AI数据中心的算力密度，是全球Token产出能力最强的单体AI数据中心。

整个园区总规划容量达2GW，可支持百万卡同时运行，拥有百万P级算力规模，是全国最大的AI算力园区。作为对照，OpenAI在得州阿比林的首个星际之门站点，据知情人士透露规划容纳约40万张卡。

为什么必须要有“超级单体”？

数据中心集群规模一旦推到百万卡量级，物理约束立刻从芯片转移到别处。电力要持续稳定地送到每一排机柜，海量热量要被高效带走，数十万乃至百万张卡之间还要保持高速互联。任何一环跟不上，都会造成算力闲置和集群效率骤降。

这意味着AI基础设施正在发生结构性变化：数据中心不再只是容纳服务器的建筑，而要成为为AI算力专门设计的复杂系统。

“AI算力超级单体”应运而生。它不是传统数据中心的简单放大版，而是一种为超大规模芯片集群重新设计的基础设施形态，也是AI开始反向定义数据中心的结果。它将算力部署、网络互联、电力供应、储能、散热和智能调度集中在同一个高度集成的建筑与系统中。只有当这些基础设施协同工作，芯片数量才会真正转化为可调用、可持续、可扩展的算力。

远景AIDC总经理郑子浩把这套逻辑概括成一支集团军的后勤问题：“中国芯片走的是集群化突围的路，超级单体要提供的是足够大的部署基地、足够充足的电力粮草和一条畅通的补给线。”

核心：全新的AI电力系统

规模是结果，能力才是前提。十万卡、百万卡要汇聚成一个整体，互联效率、电力供应、散热缺一不可。

GW级用电负荷接近一座中等城市。传统数据中心依赖公共电网被动供电的模式，在这样的规模下会面临并网容量、建设周期、能源成本和可靠性等多重约束。百万卡集群需要的，不只是更多电，而是一整套重新为AI设计的能源与热管理系统。

远景选择把发电、电网、储能、算力负荷和AI调度放进同一套系统协同运行。远景科技集团董事长兼创始人张雷在国家能源局的全国“人工智能+”能源现场推进会上诠释了远景的AI电力系统。他的判断是，大模型约每6个月一次重大迭代、芯片约12个月一个版本，而承担能量转换的电力系统过去一百年几乎没有结构性变化。当指数级发展的芯片和模型撞上线性演进的电力系统，矛盾必然在后者身上产生。

远景要解决的，其实是三个问题：如何让波动的绿电变成稳定的算力能源，如何让更多电高效送到芯片，以及如何把高密度算力产生的热持续带走。

把波动的绿电，变成稳定的算力能源

远景乌兰察布星河基地的电来自自建风场，通过专线直供，全年80%以上电量直接从风机发出送进机房。这带来一个绕不开的矛盾：风电天然高波动，但AI训练要的是工业级的稳定电力。

第一步是预测。“远景天机气象大模型”融合卫星、雷达、地面气象站和设备运行数据，并引入大气动力学、地形等物理约束，将天气变化转化为不同时间尺度的风光功率预测。长期预测用于安排发电和储能计划，短期预测则提前识别功率骤升、骤降和极端天气风险。在高比例可再生能源直供条件下，气候系统本身就是能源系统的一部分，对天气的预测能力直接决定调度精度的上限。

第二步是优化。“远景天枢能源大模型”结合预测结果与实时设备状态，在发电、储能、负荷和算力需求之间持续寻优：风力增强时提前为储能腾出容量，风力减弱前预留电量和备用功率。

统一调度的前提，是让不同设备进入同一个控制系统。远景EnOS智能物联操作系统将风机、储能、电力设备和算力设施接入同一套系统，上层模型负责预测与优化，场站控制器滚动调整策略，底层设备快速执行，形成从感知、决策到控制的闭环。

与此同时，小时级储能负责平滑风光出力和调度偏差，秒级储能结合SST和800V直流架构响应算力负荷变化，更快速的功率补偿则用于处理AI训练和推理带来的瞬时电能质量问题。这套多时间尺度储能体系，使高比例绿电能够真正转化为稳定、可调度的算力能源。

供电架构：让更多电到达芯片

数据中心供电链路长期存在一笔隐性成本：从中压交流到芯片端的低压直流，中间要经过多次变换，每次都吃掉一部分效率。也就是说，供电架构本身也决定着最终有多少电真正到达芯片。

远景在乌兰察布项目采用的是SST加BESS的800V直流架构，固态变压器负责中压到直流的直接变换以减少中间环节，电池储能内嵌在供电链路里承担瞬时功率支撑。其核心是能够缩短从中压电网到芯片的整个供电链路，让更多电真正进入GPU，而不是损耗在中间转换环节。

热管理必须与供电一起设计

超节点带来的另一个极限，是热。数十万乃至百万张芯片集中部署后，供电密度和热流密度会同时放大。输入服务器的电能最终大部分都会转化为热量，任何散热瓶颈都会直接影响芯片持续满载运行。

乌兰察布低温气候为自然冷却创造了条件，超级单体同时结合风冷、液冷等高密度散热方案，降低用于制冷的非算力能耗。因此，AI电力系统并不只是“供电系统”。它把能源管理、芯片供电和热管理放在同一个架构中协同设计：电要稳定地进来、高效地到达芯片，热还要持续地出去。

超节点解决芯片如何协同计算，AI电力系统解决的是这些芯片如何持续、高效、低成本地运行。

从能源侧延伸：重构AIDC交付

过去，数据中心主要由电信运营商、专业数据中心开发商和互联网巨头主导：运营商提供网络，开发商建设机房，互联网公司部署服务器，电力更多只是从电网采购的一项生产要素。

但当IT负荷进入百兆瓦乃至GW级，能源获取、供配电、储能和热管理开始决定项目能否按期建成、能否高效运行。AIDC的技术重心，因此正在从传统机房工程向能源基础设施明显迁移。

这也解释了为什么一家能源企业会进入AIDC领域。远景不是从服务器和芯片向能源侧延伸，而是从能源侧向机房内部延伸。从风场、绿电专线、储能和电力电子，到墙内供配电、冷却和超级单体，远景试图把过去由不同供应商分别承担的环节，整合成一座完整的AI基础设施。

这与行业多数设备商和解决方案提供商的交付边界不同。远景负责土建、供配电、绿电、储能和配套系统，客户则部署和管理自己的服务器和芯片集群。对客户而言，理想状态是“把卡运来即可部署”，减少从拿地、并网到能源系统建设的时间和不确定性。换句话说，客户负责算力，远景负责让这些算力拥有可以直接运行的基础设施以及背后支撑的AI电力系统。

更重要的是，远景乌兰察布星河基地已经建成并投入运营，全球最大的AI算力超级单体也已同步落地。这意味着，远景已经完成了从技术方案、工程建设到AIDC实际交付的跨越。

从乌兰察布出发：超级单体能否复制？

2026年6月，远景发布戈壁使命（Mission Gobi），目标是到2030年在全球戈壁荒漠地区建成5GW规模的绿色AI算力中心。“远景乌兰察布星河基地”是戈壁使命的首个旗舰项目。

远景希望复制的，并不是一栋12万平方米的超级单体，而是“能源富集区+超级单体+AI电力系统”的绿色数据中心模式。过去，数据中心往往围绕城市、网络和既有电网布局。而星河基地尝试的是另一种逻辑：让大规模算力主动靠近土地和绿色能源，在能源富集区同步规划能源与AI基础设施，再通过高速网络连接主要算力需求市场。

远景并不涉及客户芯片和算力运营，而是希望把自身在风机、储能、电力电子、能源管理和工程交付上的能力，转化为支撑大规模AI算力运行的基础设施能力。

这背后也折射出中国AI基础设施正在形成的一条特色路径。中国拥有庞大的算力需求、快速发展的国产计算生态，同时具备全球领先的新能源开发能力、完整的储能和电力装备产业链，以及大规模基础设施建设能力。相比单纯追求某一个环节的性能极限，更重要的问题开始变成：如何把这些资源组织成一个高效的系统。

超节点将更多芯片组织成高效协同的计算系统，超级单体为这些集群提供高密度的物理承载，而AI电力系统进一步把绿电、储能、供配电和热管理组织起来。计算、能源与基础设施不再分别优化，而是开始围绕整个系统的效率共同设计。

从这个意义上说，远景星河基地不仅仅是用基础设施“弥补”某个单点的不足，而是在放大中国已有的产业优势——用系统工程能力，把芯片、能源、土地和基础设施转化为更大规模、更高效率的可用算力。

因此，真正需要验证的，不是这一栋超级单体还能装下多少卡，而是这套“超级单体+AI电力系统”模式，能否在更多能源富集地区实现规模化复制，走向全球。如果能够复制，星河基地就不再只是乌兰察布的一项规模纪录，而可能成为百万卡时代一种新的AI基础设施形态：算力跟随能源布局，计算与电力协同设计，以系统效率释放每一张芯片、每一度电的价值。