兆瓦容量

3秒看懂

兆瓦容量不是算力指標，而是算力的“飯量”——單個AI叢集或資料中心從電網抽取並分配給IT裝置的電力總規模。一張H100加速卡熱設計功耗約700 W，一萬張卡加上網路、儲存與冷卻開銷，輕鬆吃掉8–10 MW。當訓練叢集從萬卡向十萬卡邁進，電力供給與散熱能力已取代晶片可獲性，成為AI軍備競賽最硬的物理天花板。

3分鐘產業解釋

在AI產業鏈中，“兆瓦容量”衡量的是部署大規模GPU/ASIC叢集的物理閾值。它不是IT負載的簡單加總，而是涵蓋IT裝置、冷卻、配電損耗、後備電源在內的“總輸入功率”。“兆瓦”在這裡是一個管理單元：電網公司分配容量以MVA/MW為單位，資料中心運營商則將其轉化為可部署的算力密度。

產業關注的實質是“可部署算力密度”的瓶頸：即使GPU供應充足，若沒有足夠的市電接入、無法在合理週期內建成相應的供配電與散熱系統，算力規劃就只能停留在紙面。城市變電站剩餘間隔、高壓饋線審批、液冷工程化能力、備用電源佔地——這些非晶片因素直接決定模型迭代速度與雲端廠商資本支出節奏。正因如此，“兆瓦容量”已經從電力工程術語演變為衡量AI基礎設施供給彈性的核心量綱。

技術原理

大規模AI訓練負載具有高強度、長持續、脈衝式的功率特徵：數千張加速卡同步運算時，功耗幾乎恆定在熱設計上限附近，與普通資料中心負載的波動形態截然不同。這對兆瓦級容量的規劃提出三層挑戰：物理選址與市電接入、內部配電拓撲、熱管理容量的閉環。

電力拓撲：從高壓電網到晶片

以典型30 MW容量的AI模組為例，其簡化單線圖可表示為：

[110 kV/220 kV市電] → [主變壓器] → [中壓配電(10 kV/20 kV)] → [變壓/整流] → [低壓配電/直流母線] → [機架PDU] → [伺服器電源(PSU)] → [GPU/ASIC]
                    ↑後備發電機/儲能 ←┘(ATS自動轉換開關)

• 主變壓器：將電網高壓降至中壓，容量需覆蓋總負荷加冗餘，通常採用N+1或2N架構。對於一個30 MW IT預留的站點，主變容量可能選配40–50 MVA。
• 中壓配電：通過環網櫃分配至各個電力模組。每個模組包含變壓器、低壓開關櫃、UPS或HVDC系統，輸出端再連線至機架。
• 機架級：PSU將交流或高壓直流轉換為12 V/48 V等板級電壓，最終由VRM供給GPU。傳統交流多層變換下，從市電進線到GPU晶片的總損耗約12–18%；採用高壓直流（240 V/336 V）或中壓到機架方案可壓縮至8–12%（行業工程估算）。
• 接地與保護：兆瓦級系統需精細設計短路保護與選擇性協調，以避免單點故障導致整片叢集脫網。

算力-電力換算邏輯

訓練能耗與模型架構強相關。以Transformer語言模型為例：總能耗 ≈ ∑（單卡平均功耗 × 訓練時長 × 卡數）。當一個叢集擁有10 000張H100時，僅GPU部分的IT負載即可達約7 MW；算上網路（400 Gbps/800 Gbps交換器）、儲存節點、管理網路等，IT總功率接近8 MW。再計入冷卻、配電損耗與適當冗餘（假設PUE≈1.3），總輸入功率輕鬆跨過10 MW。這意味著從電網視角看，一個萬卡叢集就是一個10 MW級用電大戶，相當於一個小型工業園區。

值得注意的是，混合專家模型（MoE）因專家間通訊與部分專家的“空轉”功耗，其單位有效啟用引數能耗可能高於同等吞吐的稠密模型。但在相同總訓練算力下，總功耗變化需結合具體並行策略與通訊開銷評估，並非簡單的線性縮放。

動態負載行為

兆瓦級AI負載對配電系統衝擊明顯：

• 數千張GPU在訓練步長啟動或算力同步時幾乎同時拉載，瞬時電流陡升（di/dt極高），可能引發電壓驟降或保護誤動作。工程上須通過PSU母線電容、HVDC輸出濾波、抑或軟體層分段上電等手段加以抑制。
• 不同冷卻模式下熱時間常數差異顯著：液冷系統熱慣性小，要求冷卻容量響應更為迅捷；風冷系統慣性較大，但應對功率突增時仍存在區域性熱點風險。電力輸入最終幾乎全部轉化為熱，若散熱能力未按兆瓦水平同步設計，理論接入容量便無法真正兌現為可用算力。

關鍵引數

衡量兆瓦容量是否被有效利用，需關注以下核心指標（數值範圍來自行業典型設計，非特定廠商合約值）：

• 總接入容量（MVA）：站點與電網簽署的合同容量上限，決定了絕對規模天花板。主流AI站點的場站級接入規模常以20 MVA、50 MVA、100 MVA為臺階；超大規模站點可達數百MVA（如Meta、Google等超大規模使用者的資料中心園區）。
• IT可用功率（MW）：扣除冷卻、配電損耗及冗餘後，實際可分配給伺服器的電力。若站點標稱具有30 MW接入容量，在PUE為1.25的情況下，IT可用功率約為24 MW；若為冗餘配置2N，可用比例將進一步降低。
• 功率密度（kW/機架）：兆瓦容量能否轉化為算力競爭力，取決於每機架能穩定承載的功率。傳統CPU機房約5–8 kW/機架；風冷GPU叢集可到15–25 kW/機架；冷板液冷GPU叢集可達30–50 kW/機架；浸沒式液冷方案可超過80 kW/機架（仍處於早期商用）。
• PUE（電能使用效率）：IT裝置每消耗1 W電力，資料中心總輸入功率。風冷方案PUE通常在1.2–1.5，兆瓦級液冷叢集目標可低於1.10；優秀的定製化設計站點公開宣稱低於1.05。PUE越低，同樣的接入容量可支撐更多算力。
• 備用電源容量與續航：柴油發電機或大容量儲能系統須能覆蓋IT負載與關鍵冷卻總和。主流配置為全額備用，持續執行時間從數分鐘（等待發電機啟動）到數小時甚至完全離線執行。大型兆瓦站點通常配置多臺10–20 MW級發電機並聯。
• 擴充套件彈性：是否能在不中斷運營的情況下從5 MW平滑擴充套件至10 MW、20 MW，取決於模組化供電與冷卻設計。若初期未預留足夠的配電間隔和散熱總管線，擴容往往意味著部分停機或重新施工。

技術路線

從配電架構與冷卻方式演進看，兆瓦級AI叢集已形成若干可辨識的技術路線。以下量化表基於行業典型設計值（標註[典型範圍]），不可視為任何廠商的合約規格。

維度	傳統風冷UPS	風冷+高壓直流(HVDC)	冷板液冷+集中供電	浸沒液冷+MV to Rack
單機架功率密度 (kW)	5–15	15–25	30–50	50–80+
典型PUE	1.3–1.5	1.15–1.3	1.05–1.15	＜1.05（預期）
後備電源形態	鉛酸電池UPS	鋰電/飛輪UPS	分散式鋰電/儲能	模組化燃料電池/儲能
1 MW IT負載佔地估算 (㎡)	約200–300	150–250	80–150	50–100
典型部署週期（含配電工程）	12–18個月	10–14個月	10–14個月	14–20個月（早期）
技術成熟度	成熟	成熟	規模部署中	早期試用

在實際工程決策中，若目標單叢集IT負載超過30 MW，液冷幾乎成為必選項；若電費高企，高效路線帶來的PUE下降可在數年內覆蓋增量投資。此外，行業正探索中壓直流（MVDC）直接到機架、模組化預製電力方艙、以及小型核能/燃料電池作為常載電源的遠期路線，但尚未進入主流商用。

上游

兆瓦容量落地的上游，本質上是電力工程與精密熱管理的供應鏈：

• 電力接入與高壓裝置：市電變電站、主變壓器、GIS組合電器、開關櫃。主要供應商包括ABB、西門子能源、施耐德電氣、通用電氣（GE Grid）、特變電工、中國西電等。專案週期長，受制於上游銅、矽鋼片等大宗商品以及關鍵部件供應。
• 配電與不間斷電源：UPS、高壓直流系統、配電單元、母線槽。全球頭部企業：維諦（Vertiv）、臺達電子、伊頓（Eaton）、施耐德電氣（APC）、華為數字能源。2023–2024年，受AI訂單拉動，高密電源裝置交付週期一度拉長（公開資料未見具體週數，可參考各廠商投資者介紹）。
• 冷卻系統：冷水機組、冷卻塔、CDU（冷液分配單元）、液冷板、冷卻液。主要供應商：Vertiv、施耐德、CoolIT Systems、Asetek、Boyd、高瀾股份、英維克、曙光數創等。冷板液冷CDU及快接頭的產能爬坡是液冷方案能否大規模鋪開的關鍵。
• 備用電源：柴油發電機組（康明斯、卡特彼勒、MTU、科勒），大容量儲能電池（寧德時代、三星SDI、特斯拉Megapack等）。兆瓦級資料中心對發電機的瞬態載入能力與排放認證要求嚴苛，高階機組產能緊俏。

下游

兆瓦容量的下游需求方分為三類：

• 超大規模雲端與CSP：AWS、微軟Azure、Google雲端、Meta、甲骨文，以及國內阿里雲端、騰訊雲端、字節跳動等。它們通過自建、租賃或與開發商簽訂定製協議獲取兆瓦級容量，用於內部AI訓練/推論和對外AI雲端服務。此類企業是當前10 MW以上大型叢集的主要驅動力，部分簽約專案已超過100 MW單站點。
• 大型企業私有AI叢集：應用於金融風控、自動駕駛模擬、藥物研發、基礎科學計算等場景。其單點規模多在1–5 MW區間，但對安全合規、專線供電提出額外要求。
• 中立託管租賃商（colocation）：Equinix、Digital Realty、世紀互聯、萬國資料等，在重點樞紐城市開闢高密AI專區，提供兆瓦級配電包和混合冷卻方案。但受限於城市電網增容週期，交付速度相對較慢，部分城市已出現電力容量排隊等待現象。

受益公司

（本節僅陳述業務關聯，不構成任何投資評價或買賣建議。）
按產業鏈環節劃分，兆瓦容量需求擴張使以下型別企業獲得更大業務曝光：

• 高密電源與熱管理整體方案商：維諦（Vertiv，NYSE:VRT）的UPS、配電、液冷全棧方案在各大規模AI叢集中頻繁現身；臺達電子提供電源模組與HVDC、冷卻子系統，為多家CSP的OEM/ODM關鍵夥伴；施耐德電氣在供配電與資料中心基礎設施管理（DCIM）領域佔據重要地位。
• 液冷專業廠商：CoolIT Systems（私有，與多個頭部OEM合作）、Asetek（美股已退市，仍活躍於液冷市場），以及國內的高瀾股份、英維克、曙光數創等，受益於液冷滲透率快速提升，CDU與液冷板需求放量。
• 專用半導體與伺服器廠商：輝達（GPU）、AMD（Instinct）、博通（定製ASIC/TPU基板）等定義了功耗譜系，從而間接決定兆瓦容量的剛性需求；超威、華碩、浪潮、聯想等伺服器系統商則在單機架功率密度設計上與供電方案深度協同。
• 資料中心開發商與運營商：Digital Realty（NYSE:DLR）、Equinix（NASDAQ:EQIX）等全球託管龍頭以及國內萬國資料、資料港、旭日資料等，建設高密園區以承接兆瓦級訂單。其資產價值與能夠穩定交付兆瓦容量的能力直接相關。
• 能源與公用事業夥伴：一些站點直接與電力公司或清潔能源開發商簽訂長期購電協議（PPA），以鎖定綠色電能和電網容量。核電運營商（如Constellation能源）及小型模組化反應堆開發商（NuScale等）也在極遠期受到關注，但公開資料暫無現實商業模式驗證。

市場規模

由於AI負載增長極快，完整且權威的全球AI兆瓦容量市場規模暫未統一口徑。以下引用可交叉驗證的部分資料以勾勒量級（均標註來源與年份）：

• 資料中心總電力消費：國際能源署（IEA）在2024年1月釋出的報告中估計，2022年全球資料中心用電約460 TWh，約佔全球電力需求的1%–1.3%；若不採取效率改進，到2026年這一數字可能升至1 000 TWh以上，其中AI訓練與推論的貢獻顯著。
• 超大規模資本支出：Synergy Research Group在2024年二季度報告指出，全球超大規模運營商在2023年的資本支出約為2 280億美元，2024年預計增長超20%，其中用於AI伺服器與相關電力基礎設施的佔比明顯上升。Vertiv在2023年投資者日資料中估算，資料中心電力基礎設施（含電源、配電、冷卻）佔資料中心總建設成本的25%–35%，在AI專用站點中可能更高。
• 液冷市場：第三方研究機構如650 Group、TrendForce在2024年給出預測，資料中心液冷解決方案市場規模預計從2023年的約25億–30億美元增長至2028年的80億–120億美元。AI叢集對單機架30 kW+的需求是主要驅動。
• 區域瓶頸：在北美（北維吉尼亞、矽谷、德州）、歐洲（法蘭克福、都柏林、倫敦）、亞太（新加坡、東京、孟買）等核心樞紐，電力容量緊張已成為新建資料中心最突出的制約因素。例如，新加坡自2019年起暫停新建資料中心審批，直至2022年開放試點，但總量仍嚴格控制；都柏林的愛爾蘭國有電網EirGrid在2024年報告中對資料中心未來接入的可用容量發出預警。具體可用兆瓦數字因電網公司動態調整而頻繁變化，公開資料未見統一即時統計。

（注：以上市場資料均來自公開揭露的研究概要，並非作者基於模型預測。最新確切數字請讀者直接檢索報告原文。）

玩家對比

不同算力消耗巨頭在兆瓦容量部署上的路徑與公開資訊如下（截至2025年初，基於公開報道，未核實具體合同條款）：

公司	典型已知叢集/計劃	估算功率區間	備註
Amazon (AWS)	Project Rainier：10萬卡Trainium2叢集	估計IT負載80–100 MW	計劃2025年上線，自研晶片專用叢集
Microsoft	Stargate超級計算機專案	遠期目標數百MW	與OpenAI合作，分階段實施，2028年前後呈現
Google	奧克拉荷馬州資料中心園區擴容	新增約300 MW合同容量	用於TPU與自用AI服務，具體叢集配置未揭露
Meta	2×24 000卡H100叢集（2024年）；60萬卡等效產能規劃	當前叢集約15 MW IT負載；規劃總和或超100 MW	強調開放計算，2024年公開了叢集細節
xAI	孟菲斯“Colossus”10萬卡H100叢集（2024年上線）	峰值總輸入約150 MW	宣稱最快建成的大規模GPU叢集，計劃擴充套件至20萬卡
字節跳動	未公開單點規模，但自建資料中心專案增加	公開資料未見	多處選址風光資源豐富地區，強調綠色電力
阿里雲端	張北、烏蘭察布、河源等綠色資料中心	單體園區常駐容量數十MW級	開放對外AI算力服務，應用液冷
騰訊雲端	懷來、清遠等叢集	公開資料未見精確數字	同位元組，以自研“星星海”伺服器與液冷方案配套

國內三大雲端廠商（阿里、騰訊、位元組）在兆瓦容量上的具體單專案簽約功率，極少在公開渠道細節揭露，多數資訊來源於地方能源審批公示或環評報告。國際上，Meta、Google等在可持續發展報告中會揭露部分電力合同資訊，是重要的追蹤視窗。

風險

兆瓦容量相關的產業風險主要集中在以下幾個方面：

• 電網接入與審批風險：全球多處算力樞紐城市電力容量告急，電網公司的新增申請排隊時間可能延遲專案交付。高壓專線配套變電站的建設週期往往超過12–18個月，與AI叢集的快速迭代節奏形成衝突。
• 電力資產沉沒成本：兆瓦級配電與散熱設施具有強專用性，若因晶片能效大幅提升或演算法突破（如混合精度訓練、稀疏化等）導致單瓦算力陡增，部分在建或剛建成的高密站點可能面臨容量利用率不足的窘境。
• 冷卻技術工程風險：液冷系統雖然提升了密度，但引入流體洩漏、管道腐蝕、水質維護等新的失效模式。液冷運維人才稀缺，操作失誤可能導致整個Pod式機櫃損壞。
• 供應鏈集中：超大容量變壓器、高等級開關裝置、精密冷卻CDU等關鍵裝置供應商有限。突發性的需求爆發可能導致供貨週期延長（如2024–2025年某特定型號變壓器交付週期拉長）。
• 環境與政策合規：高耗電伴隨的碳排放約束強化，部分地區可能對新建資料中心的PUE和電力來源設定硬性指標，增加前期投資成本與審批難度。柴油備用發電機也面臨排放許可收緊的壓力。
• 地緣政治與出口管制：先進GPU的供貨限制會影響叢集建設計劃，從而間接使電力容量規劃擱淺或延遲，形成連鎖反應。

誤讀糾偏

• 誤讀1：“兆瓦容量就是IT裝置功率”
  實際上，站點獲得的“總接入容量”包含冷卻、配電損耗、UPS儲能功耗及冗餘裕量。若一個站點標稱30 MW市電接入，其IT可用功率往往僅20 MW左右（視PUE及冗餘架構），不可直接全部用於GPU。

• 誤讀2：“只要機房面積夠大，總能堆出更多MW”
  兆瓦容量受制於變壓器容量、饋線規格及散熱總管極限，而非僅樓板空間。若無電網擴容和新增冷卻容量，空地再多也無法轉化有效算力，這正是老舊資料中心無法直接承載高密度GPU叢集的核心原因。

• 誤讀3：“提高單機架功率密度就自然提高了MW容量利用率”
  高密度集中發熱需要區域性高效散熱。若樓宇總體冷卻主管路容量已滿，強行提升單機架密度反而導致區域性過熱降頻，整體吞吐量不升反降。兆瓦容量的兌現是供電與散熱的協同匹配。

• 誤讀4：“一部叢集的銘牌功率等於實際功耗”
  銘牌功率（如變壓器額定容量）代表的是裝置允許承載最大值，而非即時執行功耗。AI訓練過程中，數千卡恆載執行，實際功耗往往接近上限，但與銘牌之間仍有安全裕量。混淆兩者將導致容量規劃失準。

最新事件

（事件選取截止2025年初，基於公開報道）

• 2024年5月：微軟宣佈在威斯康辛州投資33億美元建設AI資料中心，強調將與當地電網合作升級變電站，預計接入容量達數百MW。
• 2024年6月：字節跳動被報道大幅增加自建資料中心專案，並在中國內陸多個風光資源豐富的地區獲取電力容量，具體數字未揭露。
• 2024年7月：xAI在田納西州孟菲斯的“Colossus”叢集上線，含10萬張H100 GPU，總用電輸入約150 MW，創造已知單一GPU叢集最大功耗紀錄。
• 2024年9月：Google簽署協議，將在南卡羅萊納州購買超過750 MW的太陽能電力，以支援當地資料中心擴張；同時，其位於俄亥俄州的資料中心擴建專案因當地社群反對高密用電而經歷聽證。
• 2024年11月：都柏林資料中心新建審批繼續收緊，EirGrid對2026年前新增容量發出警告，促動部分雲端廠商轉向北歐選址。
• 2025年1月：輝達釋出GB200系統，單節點功耗進一步上升，預計將推動下一代AI叢集的單機架密度超過100 kW，對兆瓦容量規劃提出新挑戰。
• 2025年2月：DeepSeek引起行業對模型訓練效率的討論，短期市場波動，但產業界多數聲音認為總電力需求曲線並未被根本扭轉，AI推論和持續擴大化訓練仍將推高容量需求。

追蹤指標

若需持續追蹤兆瓦容量的供需與產業動向，建議定期觀察以下指標：

• 雲端廠商資本支出展望：AWS、微軟、Google、Meta在季度財報中揭露的資本支出及“AI基礎設施”投資額，是兆瓦級需求的前瞻訊號。
• PPA簽署公告：大型購電協議（尤其是針對資料中心專案）的簽訂，往往預示未來2–3年的新增電力容量。
• 電網運營商資料：區域電網公司（如PJM、ERCOT、EirGrid）釋出的容量可用率、新負荷接入等待佇列長度，反映供給約束。
• 高壓裝置訂單與交付週期：變壓器、開關櫃等長週期裝置的主要廠商訂單積壓情況，可側面印證資料中心建設活躍度。
• 液冷滲透率：伺服器OEM廠商及液冷供應商（如CoolIT、Vertiv、英維克）的營收結構變化，反映兆瓦級高密方案的採用比例。
• PUE公開揭露：雲端廠商年度可持續報告中的PUE水平和新資料中心設計標準，體現對兆瓦容量的利用效率。
• 監管政策落地：各國能耗限額、資料中心選址展望、備用發電機排放標準等法規變更，直接影響兆瓦容量的獲取成本與可行性。

信源

由於本頁面撰寫過程中未進行即時網路檢索，文中定量資訊多基於已有行業常識與交叉引用的公開摘要。推薦讀者通過以下型別原始資料自行核實並獲取最新資料：

• 國際能源署（IEA）：年度《資料中心和網路能源》報告及電力市場分析，提供全球資料中心用電趨勢與預測。
• Uptime Institute：年度全球資料中心調查，涵蓋機架密度、PUE、故障率、容量管理實踐等詳細資料。
• 超大規模公司公開報告：Google環境報告、Microsoft可持續發展報告、Meta資料中心設計白皮書、AWS可持續發展頁面等。
• 行業技術白皮書：施耐德電氣《資料中心電源和製冷計算器》系列白皮書；Vertiv、臺達液冷與供電架構參考設計檔案。
• 市場研究機構：Synergy Research Group（雲端與超大規模資本支出）、650 Group（液冷與網路）、TrendForce（伺服器與冷卻）、Dell‘Oro Group（資料中心物理基礎設施）。
• 專業媒體：Data Center Dynamics (DCD)、The Next Platform、Light Reading、中國IDC圈等，追蹤兆瓦級AI叢集建設專案的最新動態。
• 電網與監管公示：各地電網公司新增負荷接入環評公示、區域電力規劃白皮書。

（全文完）