如影随形

AI数据中心万亿基础设施时代：美国GDP增长靠它

发布时间：2025-11-05 10:50编辑：bet356官网首页浏览（90）

文章|硅谷101 美国经济正在经历“冰与火”的极端两极分化。据《财富》杂志10月7日报道，哈佛大学经济学家贾森·弗曼的一项研究发现，美国2025年上半年的GDP增长几乎完全由数据中心和信息技术驱动，而在这些技术之外的其他领域，增长率仅为0.1%。在算力军备竞赛中，OpenAi宣布将投资约1.4万亿美元建设超过30吉瓦的计算基础设施，目标是每周新增1吉瓦。马斯克还公布了XAI的目标算力，计划5年内推出相当于5000万台H100的AI算力。一场由科技巨头统治、资本驱动的万亿级基础设施正在席卷而来，但其商业模式尚未得到证实，这场赌博的结果谁也无法预测。在本期节目《S《硅谷101》，主播洪军邀请字节跳动数据中心及能源项目经理Ethan Xu和前特斯拉供应链总监王辰生，畅谈AI巨头在这一轮AI中采取了哪些行动，背后的逻辑是什么，他们忽略了哪些行业，以及美国的建设力量为何如此艰难。以下为本次对话内容节选：01 AI巨头押注算力规模洪军：现在所有AI巨头都在如果要总结一下，你认为哪个最强？当然，新闻报道的是OpenAI和微软之间的5000亿美元的Stargate项目，以及OpenAI和Oracle之间的3000亿美元的数据中心项目（中间可能有重叠），但我知道马斯克的Xai在投放数据中心和抢货方面也非常积极，而从您看来，哪些公司最积极？策略是什么？ Ethan：Openai 的野心是巨大的。它今天发布的数据是建设一个10吉瓦的星际之门项目。我想这可能只是一个开始，它的野心可能是十倍，甚至更多。例如，这是他们希望在未来五到十年内实现的目标。鸿钧：十倍，一个5万亿的产业？ Ethan：我认为这个数量级通常是没有问题的。洪军：美国目前的GDP超过20万亿美元，相当于美国一年GDP总量的近25%。伊森：我认为非常高。我们可以拭目以待，看看美国今年的GDP增长有多少是数据中心基础设施贡献的。如果这个比例达到70%，我想我不会感到惊讶。王辰生：你可以低估它。伊森：是的，甚至可能被低估了。我也看了黄仁勋或者一些咨询公司的观点。他们还认为，未来五年的投资规模整个数据中心基础设施建设的规模应该是5到7万亿的水平。 德克萨斯州阿比林星门项目 图片来源：彭博社原创 鸿钧：钱从哪里来？伊森：钱从哪里来确实是一个有趣的问题。我记得你以前做过一个节目，讲资金是如何相互资金循环来的，有点疯狂。我的融资方式（笑）。鸿钧：陈胜，你怎么看？哪个是最激进的？王辰生：OpenAi当然是相当激进的，因为如果你看今天发布的很多公告，它与NVIDIA有10GW的野心，与AMD有6GW的野心，最近又与Broadcom有10GW的野心，加起来有26GW。每吉瓦500亿，已经有了1.5万亿的概念。洪军：未来五年。王辰生：是的，同时在一些供应链上的布局也非常积极。近期签约月产能900台,000 片晶圆与三星和海力士合作。它通常占据整个DRAM（动态随机存取存储器）市场的1/3和HBM（高带宽存储器）市场的60%。这是唯一的一个。如果你是马斯克，或者你是扎克，你会如何处理？你也不想被它们噎住，这是肯定的，从供应链的角度来看，每家公司的做法都不同。马斯克的 Xai 正在碾压所有小型涡轮机制造商。近年来，Meta 一直积极进取，购买了能源成本相对较低的各个地区来建设数据中心。最近，它在爱达荷州或俄亥俄州又投入了 5 吉瓦的电力。其规模可以覆盖大半个曼哈顿区。谷歌也会对供应链进行一些调整，比如一些光缆，它会对供应链的产能进行非常激进的采购。所以其实每个巨头都在努力，都不想在这场比赛中失败。 Meta 购买路易斯安那州的太阳能发电设施。图片来源：圣安德能量。鸿俊：好像我们没有提到微软。伊森：微软真的很有趣。去年它与 OpenAi 的合作非常好。不过，今年年初，大家也看到一些消息，提到OpenAI和微软的关系出现了一些变化，包括OpenAi开始寻找甲骨文或者其他公司来建设数据中心，而微软并不是唯一的数据中心提供商。同时还暂停了部分数据中心的建设，或者取消了部分数据中心的租赁等。纵观近几个月的发展，我们可以感受到微软在数据中心方面的投入相对于其他公司来说是比较稳定的。 Openai 则完全不同。每两周就会有一个巨大的公告，说我要建5吉瓦或者7吉瓦的数据中心，跟不同的公司合作，跟整个产业链合作。因此，可以看出，这两个各个公司在AI数据中心或者整个数据中心行业的投资和策略上存在一些差异。 洪军：是的，所以这意味着微软中间有点慢，但最近一直在加速。 Ethan：是的，微软最近宣布建成世界上最大的人工智能数据中心之一。我认为这个行业正在快速变化。今年年初，我记得微软CEO在一次公开采访中提到，他觉得这个行业过度建设，存在一些泡沫。他希望使用更稳健的方法来构建数据中心。但我们现在看到微软的速度相当快，并没有像年初所说的那样放缓。所以我觉得可能不同公司的高管今年的策略和想法有一些波动。但此时此刻，我却感觉一切都在全速运转。王辰胜：我觉得很多巨头的态度，包括谷歌、亚马逊和Micro软，可能是因为他们过去确实在云数据中心上投入了很多。与谷歌和微软一样，他们目前的数据中心容量可以超过 10 吉瓦。要从头开始构建 OpenAI，每个人都需要不同的增长率。由于基数不同，反馈的部首也不同。星际之门站点1，德克萨斯州 图片来源：Sam Altman 洪军：这一点非常关键，这就是为什么我们今天经常听到的名字是meta、xai和openai，而不是谷歌、亚马逊和微软这些厂商的巨头。刚才我们提到了OpenAI，它正在做Stargate项目，抢地盘，和芯片厂商达成合作。 Ang Musk 实际上是在争夺发电机，Meta 也在争夺土地。我在想，芯片供应就这么多，不是都到了某种程度就停止了吗？王辰生：从纯产业链的产能来看，芯片并不像能源那么紧缺。如果你明智地使用每个芯片。就条款而言台积电的产能，也在积极规划布局，所以芯片相当充足。台积电可能在两年前曾表示将放弃位于考沃斯的先进封装产能，但最近又表示将在亚利桑那州建设两座先进封装工厂。当这些产能经历过去两年的周期时，他们就在进行投资。我只是相信老黄直接的说法是正确的。 GPU芯片肯定不缺，但其他配套产业可能还存在一些额外的缺口，包括内存、线束，甚至一些数据柜。但或许这个差距与能源相比并不大。伊森：我想我可以添加一些我看到的更多战略要点。一种观点就是我们今天所说的所谓电力第一，因为大家都清楚地看到，最缺的就是电。任何人获得电力意味着你可以带更多的GPS。U，你更多可能训练出更好的模型，你就更有可能获得更多的用户，更好的用户体验，从而占据更大的市场份额。而这样的市场份额可以给你带来更多的收入和利润，然后你可以再次旋转，用利润和收益购买更多的电力和土地，不断让我的模型变得更好。因此，权力第一是很多大公司非常重要的战略。大家都在考虑另一种方法。为什么这些公司如此激进？最基本的一点是，今天大多数企业都认识到，投资不足比投资过度风险更大，也就是说，投资不足给你带来的风险要大于过度谨慎给你带来的风险。为什么会发生这种情况？在AI行业，普遍的共识是，谁获得了最好的AI模型，或者说所谓的AGI，谁就会占据比较大的市场份额，而其他公司的生存空间正在迅速缩小，因此存在着不足的风险。投资非常高。我们来看看过度投资的危害？你只需购买更多的土地、更多的电力和更多的房屋来建设数据中心。最后你发现自己可能买的太多了。你只是用它来提高你自己公司的效率，或者出租给别人，或者出售土地和电力。总体来看，存在过度投资风险。洪军：既然是固定资产，那么这些固定资产就很容易变卖。 Ethan：比如你买了很多GPU，卖给其他公司是没有问题的，所以过度投资的风险就很小。对于一些大型科技公司来说，如果投资不足，无法在竞争中获胜，可能会面临生死存亡的境地。所以这就是为什么大多数公司会愿意加大投资。虽然华尔街现在有些质疑，但是否调查过度了？能恢复收入吗？这笔收入能覆盖你的投资吗？甚至股价也开始反映出这一点s。但我认为现在这些公司都没有闪光点，而且都在不断加大投资。数据中心，阿比林 图片来源：Sam Altman 王辰胜：是的，因为没有人想成为诺基亚。你应该告诉股东，我的4万亿市值将是3万亿，还是我的4万亿市值将是0？你不仅仅是一个梦想，还说，我现在正在投资。如果我经历这个低潮，然后我活下来，其他人都死了，我就会从4万亿到10万亿……这是一个每个人都愿意听到的故事，但并不意味着它一定会发生。还有一件事，硅谷有句话——比尔永远吃掉安迪，安迪代表安迪·格罗夫（英特尔前首席执行官），比尔就是比尔·盖茨。也就是说，只要你有基础设施和硬件，软件就总会有某种方式来使用你的资源。本周早些时候，Meta 的 OCP（开放计算项目）表示，事实上，他们当前的 GPU 仅用于执行任务他们的一些内部人工智能，比如 Instagram 或 Facebook，可以过滤掉一些不适当的内容，这需要大量的计算能力。即使有多余的闲置算力，用来降低内部成本也是完全可以的。所以我觉得现在的各大公司并不是担心投入过多而用不上，而是更关心如何更好地配置我所需要的资源来扩大收入和利润。我可以对Ethan所说的补充一点，这就是为什么每个人都想建立大数据中心。这里有两个帐户。一是经济账户。谷歌自己表示，在爱荷华州建设一座1GW的AI数据中心，与同样的分布式数据中心相比，每年可以节省5亿美元的运营成本，因为它在电力传输、冷却和运营方面更加高效。同时，从AI算力训练的角度来看，例如GPT-4，按照之前的H100卡计算，大约需要16000张卡，90张天训练一个1.7万亿数据量的模型。如果我们采用 GPT-4.5，可能是 10 的 26 次方。它需要一张比它大两到三倍的卡。即使是GB200、25000卡，计算起来也需要90-120天。在这样的人工智能军备竞赛中，你肯定不想花四分之一的时间来训练模型。你更想要的是每周、或者每两周有一个模型，并不断前进和迭代。因此它创造了指数级的需求，从10,000卡集群到100,000卡集群，甚至百万卡集群。而且你可能需要训练一个更大的数据模型，这会将计算能力从之前的 30 MW AI 数据中心推向 1 GW 甚至 5 GW 的数据中心规模，因为没有人愿意损失。洪军：我问一个更基本的问题：为什么要建设这么大的数据中心？您认为这个数据中心将来会用于训练这个模型，还是用于应用程序？谁吃端口这个数据中心？王辰胜：两年前，每个人60%-70%的算力可以用于预训练。当然，预训练也有其自身的瓶颈。现在有很多不同的工程优化，无论是来自专门的模型，包括一些强化学习的后期练习。这些都是一些厂商在思考如何提高这个模型的效率，从预训练转换到后训练的过程。同时因为这个经济账，大家也要保证我有收入。培训不能给你带来收入，一定是申请或者订阅费才能给你带来收入。因此，现在各大厂商都在转变，多分配资源少租。今年早些时候，推理和实践的比例转向更高比例的推理，也许推理占60%，实践占40%。后来推理的比重可以明显增加，甚至占比超过80%。数据中心，Abilene 图片来源：Sam Altman 洪军：所以现在的数据中心就是这些AI厂商用来识别的。 Ethan：我基本上同意这一点。未来数据中心逻辑和应用的使用，或者说能源的使用，会占到更高的比例，而且会占大多数。当然，AI训练也会占据一定比例，需要不断迭代才能推出更好的模型。高推理比例意味着创造更多应用级价值。正如微软CEO之前所说，人工智能只有在真正创造GDP的时候才重要，也是真正关键的时候。鸿钧：我们真的需要这么大的数据中心吗？小型数据中心好吗？假设我们零星地收集一些居民使用的闲置电力，将其存储起来，然后分配给各个应用程序或大型工厂。这个方法可以吗？王辰生：如果是练习的话，尺度不不允许进行这样的调整，因为它需要所有数据同时计算，需要柜子之间的关联性，并且需要一个大的集群。但如果你做推理的话，它其实可以根据用户的需求做出合理的调整。使用当前空闲的计算能力或电力来执行此操作。就像过去的PPTV或者类似的产品。确实，现在有些公司正在使用闲置的计算能力。例如，Novita 是一家使用零算力的初创公司，以比其他供应商更低的成本提供算力。但作为一个大的制造商，你得算一笔经济账，看看是否一直可用，这些计算资源在用户需要的时候可用。同时，如果分散的话，在管理和后勤方面都是无效的。刚才提到如果簇大小很大的话可以用来训练，当不再需要训练的时候可以用来理解。这个经济账比较容易算。伊森：是的，我完全同意。具体的应用将决定数据中心的要求是什么。举个例子，现在大家已经初步达成共识，对于AI训练来说，也许这样的数据中心不一定要离大城市很近，也不一定要可靠，因为可靠性低的后果无非就是影响你公司内部一些研究人员的发展。如果一些AI云厂商想要提供给第三方客户，就需要达到所谓的“五个九”可靠性，即99.999%的可靠性。但对AI训练来说，也许不需要太高，也许“三个九”，99.9%就够了。而这些AI数据中心需要大量的能源，可以把它们建得离能源源更近一些。比如我觉得Openai的策略就非常好。他们把星际之门项目的很大一部分放在德克萨斯州西部，一个有空气和照明的地区ht，并有一定的上网能力。还有很多地形，适合AI训练。因此，并非所有数据中心都需要靠近客户。当资源匮乏时，您可以根据应用的特点以及要实现的目标来决定在哪里构建数据中心。 02 军备竞赛下的能源危机 鸿钧：数据中心首先需要电，其次需要发电机，还有各种我们无法想象的小型设备，比如变压器。还有一层，就是需要芯片。这三个问题如何解决？现在我们可以一一研究一下吗？首先，数据中心的电力从哪里来？伊森，我记得你之前在我们的节目中说过，美国的电力处于相当稳定的增长状态。从今年的数据来看，情况仍然如此吗？ Ethan：我记得上周黄仁勋在接受CNBC采访时提到，他可以生产GPU整个市场都需要，但目前最大的问题是缺电。近20年来，美国整个电力系统的发展非常缓慢。它以每年不到1%的速度缓慢扩张其电力系统。这与中国近567%的年增长率完全无法比拟。美国过去20年的经济增长，很大程度上是由其电力系统的发展而退化的。这也导致了一个问题，即使你今天开始将增长率翻倍，也只有2%，远远跟不上数据中心的快速增长。我们估计，数据中心可能占美国新增电力负荷的40%左右，剩下的60%可能是由于电动汽车的增长或制造业的重组。还有一项数据可以分享。有组织估计美国需要增加发电量每年增加约80吉瓦的产能，大致满足美国数据中心、电动汽车、制造业回流美国日益增长的需求。但目前，美国发电量年增长率约为50%至60%，这意味着美国面临着每年近20吉瓦发电量的巨大缺口。如果维持这样的差距，未来五年左右美国很可能将面临约100吉瓦的发电缺口。目前美国总发电量约为1300吉瓦，缺口巨大。鸿钧：20吉瓦是什么概念？例如，纽约市或旧金山的发电量都是 20 吉瓦吗？伊森：这是一个很好的问题。像纽约一样，平均用电量约为6吉瓦，年峰值约为11至12吉瓦。因此，20吉瓦是l每年ost。这个空间相当于2-3个纽约的发电水平。图片来源：葛维诺瓦 鸿俊：但是现在我们说居民用电和p-工业用电都要保证，AI数据也要建设，因为它的用户数量在增长，那么现在的缺电是从哪里来的呢？换句话说，如果我们回到现在的时间点，今天的AI还缺多少力量？ Ethan：我们预计今年数据中心将新增约8吉瓦的电力消耗。这些电从哪里来？过去几十年来，美国的电网建设出现了一些懈怠。还有像通用电气这样的公司，自己制造和销售大量的天然气工厂。还有一些清洁能源。有研究机构预测，新增发电量中60%可能由天然气发电站构成，近40%可由光伏发电构成，工业能源和储能。当然，我们预计核能很快就会成为未来新的主力。目前，美国约20%的发电量来自核能，但所有这些都是过去几十年存在的核能存量。比如说新核能方面，我们可能要等到2028年左右，比如，我们才能看到新核能上线。对于一些新的核能技术，比如小型或者微型核反应堆，SMR这样的技术，我个人估计要到2030年左右才会真正成为主力。 洪军：我看到萨姆·奥尔特曼最近投资了一家做小型核裂变反应堆的公司，股价也大幅上涨。伊森：这家公司叫Oklo，股价确实涨了不少。没想到短短几个月就涨得这么快。我认为它应该更能反映市场的经验人们对它的反应和情感，而不是它在技术或建筑施工方面的快速进步。图片来源：CNBC 王辰生：我补充一下，美国每年新增发电量超过50吉瓦，但火力发电实际占比不到5吉瓦。大约有45吉瓦的太阳能，另外5吉瓦可能是风能。这些世代是不可持续的。这会随着阳光和天气的变化而变化，因此全年实际有效发电量可能低于20-25吉瓦。我认为这会进一步拉大差距。我们再计算一下。根据数据中心投资，老黄拥有500亿≈1吉瓦的数据。所以总共来说，如果真的有60吉瓦的话，这将是3万亿的资本投资。但目前来看，各大企业明年的投资预计都不到1万亿，所以从整体发电量来看，并不紧缺，电网还有剩余可以使用。伊森：你说得对。 1吉瓦太阳能和1吉瓦天然气确实是不同的概念。有一个概念叫容量系数。您的平均发电量大约是您的峰值。至于太阳能，只能达到25%左右，但如果是核能发电，那就完全不一样了，因为核能几乎全年都在高峰发电，其容量系数可以达到93%左右。天然气也很高，大概在85%左右。不同的发电技术，虽然是同样的吉瓦，但实际发电量却不同。王辰生：听说美国的电网很脆弱。伊森可以告诉你吗？伊森：美国电力系统有一个大问题。我们专注于发电，这是一个小的方面，因为数据中心通过整个系统获取电力。电力系统，不仅仅是通过发电机或发电厂。所以我们需要看的是整个产业链，从发电到输电到配电，必须建立一个有效的体系。发电约占整个电力系统投资的50%，输电约占10%-20%，配电约占20%-30%。过去这个配送网络的发展也非常缓慢。理想情况下，如果这些发电站能够接入美国电网，数据中心的供电就不会出现问题。但问题是，电网本身甚至没有能力吸收新的电站，与新的数据中心整合时会出现很大的问题。洪军：辰盛只有一个数据，说60吉瓦，大概有3万亿元的资金支持，所以如果Openai的星际之门是一个5000亿的项目的话，可以发10吉瓦的电。这在计划之中吗？如果aof th是不是电建起来了，就像你刚才Ethan说的，输入到这个电网里面会有阻力和困难吗？伊森：没错。正如我们今天所知，Stargate 的目标是发电 10 吉瓦。今天它可能已经签署了合同并宣布了约 7 吉瓦。这些只是迹象和愿望。真正进入电网肯定会遇到一些阻力。对于大规模来说，OpenAi 或其合作伙伴显然需要找到在网格上创建新容量的方法。如今，很多科技公司不得不自己建设发电机、电站、开关和一些网络配电设施，甚至建设一些稍短的输电线路等，来满足自己的需求，因为电力公司已经不能满足他们的需求了。 03 资源抢夺与技术突破 洪军：刚才我们提到输电是一个问题，那么电网建设和发电可能是一个更大的问题。我注意到事实上不管是OpenAi的Stargate项目还是马斯克的XAI项目，大家基本还是用的是燃气轮机。但是陈胜，你可能很熟悉。目前的涡轮机供应链是怎样的？也是一个比较难的项目？ Ge燃气轮机 图片来源：Ge Vernova 王辰生：是的，因为它自己的产能完全不够。您可以查看Ge Vernova的财务报告。过去10年其增长非常平缓。峰值可能在2019年和2020年，每年约70台，每台约30-50兆瓦。我们来做个比较。涡轮发电机就像我们的飞机发动机。每年有近4000台飞机发动机下线，而占据涡轮发电机市场最大份额的Ge Vernova只有不到100台。这是一个数量级的差异。首先，之前需求不是很旺盛。其次，由于之前政府对可持续能源和零碳排放的标准那时，人们并没有大量投资于会增加碳排放的行业。这相当于夕阳产业。最近，在AI数据中心电力短缺的背景下，大家有没有找到这样一个短期的止损方案，并不是所有的数据中心都准备好长期使用涡轮发电机。还有很多，如果我需要两年的许可批准才能连接到电网，并且需要一个数据中心，例如马斯克需要在6个月内上线，那么他们只能在这一年半的空间内使用一些短期解决方案，例如涡轮发电机。每个公司都是不同的。例如，根据公开信息，Xai 渗透了美国近 70% 的燃气轮机发电机库存，并用其为孟菲斯的两个大型数据中心供电。根据半分析博主的评论，如果我没记错的话，仅在colossus-2数据中心就有160台涡轮发电机来提供电力r 代表 XAI。伊森：我想问，涡轮机制造商有多种类型吗？例如，GE是一家拥有数百兆瓦的大公司。我从他们的 uland 那里听说，他们在 2028 年之后才会收到新的财务订单。人们开始购买一些隐形发电机了吗？人们开始购买这个零件了吗？王辰生：是的，有一种是用航空发动机改造的，叫航空衍生联合循环燃气轮机（aero衍生联合循环燃气轮机），做成小型涡轮发电机，像卡特彼勒那样。其产能建设也需要很长时间。当然，如果建造十台这样的涡轮发电机，它们只相当于一台300兆瓦的发电机。事实上，这仍然对供应链构成重大挑战。 Xai孟菲斯数据中心内部 图片来源：Servethehome 洪军：我讲的就是涡轮发电机的这一部分。还可以有多个部件用于发电。我记得马斯克援助，变压器导致变压器（AI算法的成功和计算能力的需求直接导致了对电力的大量需求）。第一个讲算法，第二个讲TRANSFormer，意思是变压器。我知道变压器在整个市场上的供货周期也很长，可以达到18到24个月。该产品非常缺货，但这是一个应该存在的链接。王辰生：是的，我先分享一个小故事。大约一年半前，当特斯拉还在做Dojo（特斯拉的超级计算机项目）时，我们想在硅谷中心的帕洛阿尔托建立一个非常小的集群，有十几台训练机器。当时，帕洛阿尔市政府告诉我们，你们没有电。如果您需要，交货时间现在已从 3 个月增加到 18 个月。最后我们自己买了两台变形金刚，给帕洛阿尔托市政府安装，然后我们说我们会把它交给你让我使用它。当时只有3兆瓦，但今天我们经常说很多吉瓦，相差1000倍。变压器需要大量的特种钢——硅钢，或者说取向硅钢，因为它会有一定的磁方向，以提高其效率。美国只有一家公司可以生产这种钢材。年生产能力25万吨。全球产能约500万吨。中国广宝钢铁大概年产200万吨。因此，美国在这个产业链上是非常落后的。据我了解，2016年、2020年，包括2024年，美国政府都出台了一些规则，无论是反倾销还是《大美国法案》，都会禁止这些美国企业从中国进口相关材料来发展制造业回流。但短期来看，制造业美国的系统将无法处理如此大量的需求。这也造成了近两年来变压器的交货期并没有得到有效缩短。洪军：我看到NVIDIA最近提出了一种新的供电方式，800伏直流输电方式。您能告诉我整个数据中心和发电厂是采用新方式还是传统方式？它的区别和效率是什么？目前的数据中心供电架构 图片来源：NVIDIA 博客 王辰生：NVIDIA 在本次 OCP 展会上谈到的 800 伏直流电，主要用于数据中心整个 AI 数据柜的电力传输。它取代了以前的 54 伏柜。我们回过头来问，电是怎么产生的？如果远距离输送高压电线，则为350 kV；在当地变电站，这大约是 3.8 至 35 kV 中压电力；一旦到达数据中心，它就会通过不间断电源（UPS）发送到数据中心。目前一般是480伏或415伏交流电，然后通过交流转直流转换成54伏，为所有芯片或服务器供电。为什么要去800伏拉54伏呢？因为目前整个数据中心都是基于例如Nvidia的几代产品，它之前的料斗，我们称之为H100，它的一个机柜可以达到30千瓦的量级。最新一代GB200一柜100千瓦。随后推出的 Vera Rubin 超级芯片（包括下一张卡）将内置在 400 千瓦甚至 1 兆瓦的机柜中。 NVIDIA有自己的数据。如果机柜内部仍然使用54伏进行传输，那么1兆瓦的机柜将需要200公斤的铜来传输电力。功率与电压的平方成正比，这意味着如果提高电压，可以大大减少效率损失。 800 伏直流电和 54直流伏特。如果是一兆瓦的机柜，54伏的电压可能会损失22%的传输效率。这个损失太大了。如果拉到800伏，它的损耗就降低到0.6%，提高了几个数量级。但如今数据中心还无法实现800伏直流，现在主要使用415伏交流为例。 NVIDIA 800 V HVDC 架构 图片来源：Nvidia 博客 鸿钧：为什么不呢？无法接入电网？王辰生：这是因为我们不再遵循这个标准。非常重要的一点是，Nvidia Huang说他可以自己制造所有的芯片，但是他没有电力来为他的芯片供电，所以他现在制定这样的标准，因为他希望整个生态链在一起。如果仍然使用 415 伏交流电和 54 伏直流电，一个 1 GW 的数据中心需要大约 50 万吨铜，而没有什么可以提供的。如果是这种情况，下一步可能是缺铜。因此，他需要将整个产业生态链要朝这个方向转变。鸿钧：卡点在哪里？王辰生：我觉得更多的是大家如何理解这周刚刚发布的规范，以及如何拉动供应链来理解、设计、生产规范。伊森：你能这样理解吗？这个规范实际上是基于当今电力短缺非常严重的事实，我们需要重新定义这个行业的各种标准。现在这个新标准刚刚发布，整个生态链各环节的企业重新设计产品、推出新标准还需要一段时间。下一代数据中心可以按照这个标准来建设，这样整个数据中心的效率就可以得到很大的提升。王辰生：是的。洪军：我看到虽然现在没有人建800伏直流电，但是相比你提到的54伏直流电，已经有人开始尝试200伏直流电了olt 和 400 伏直流电。一切都已经在朝这个方向发展了。只是我们还没有把标准提高得更高。王辰胜：Nvidia的白皮书也提到了它的几个阶段，特别是从415伏交流电转换为54伏直流电，还有将415伏交流电直接转换为415伏或400伏直流电来制作这个柜子；下一步是将整个配套基础设施提升至800伏，直接在内部进行直流输电；即使在最后阶段，它在数据中心的电力传输输入中也使用固态变压器，直接实现800伏直流电。在这个过程中，可以取消一些UPS和整体效率，效率可以从92%提高到98%，甚至98.5%甚至99%完成效率。图片来源：Open Project 鸿俊：Ethan，这类数据中心的直流电压和整个居民的用电方式完全不一样？这样，就可以不能为居民提供电力，仅限于作为数据中心。伊森：也许这就是我的理解。但我认为是时候在数据中心内部使用高压直流电来提高其效率了。到2025年，美国数据中心的综合用电量将占到美国整个用电量的5%左右（比今年整个加州的用电量略少），到2030年这个数字很可能会翻倍。这是一个很大的用电量标准，绝对值得为这个行业设计一套专有的电源，比如Nvidia的800伏。例如，这样的标准可以将这个占美国电力消耗10%的行业的效率提高近20%，这是一个巨大的经济效益。上周发布的报告是一切的开始。鸿钧：为了给观众留下一个印象，需要多少po如果我们使用 ChatGPT 进行搜索，会消耗多少资源？它消耗的电量几乎是 Google 搜索的 10 倍。我查到的另一个数据是，中国今年的电力建设总量是495吉瓦，而美国今年的建设电力是50吉瓦。中国为什么发展得这么快？而美国在电力这么少的情况下，建设步伐还这么慢？ Ethan：总体来说，主要有几个原因。一是我国电网往往存在集中计划的概念，这与政治体制、经济体制密切相关。美国许多电网都是在小范围内进行局部规划，很少进行大规模的区域集中规划。当然，美国也意识到了这个问题，并且已经开始在这方面做出改进。它也有一些规则来鼓励它，但这方面已经开始了。这和中国的长传完全不一样电力从西到东，从南到北，通过高压直流，通过全国大规模的电网建设。还有一个方面就是，在建设电网的过程中，需要很多的审批。在中国，它有一个相对集中的管理体制。在美国，很可能你的高压输电线路必须经过农民，而农民说：“不，我不会让你在这里建它。”那么你可能需要行驶数百英里。在此过程中，您可以结识数百名农民。所有者。洪军：这就是美国修不了高铁的原因。西电东送工程 图片来源：中国电力 Ethan：是的，是同样的原因。所以还有一个数字供你参考。在美国修建一条新的长期输电线路大约需要7到12年的时间。这是一个非常漫长的过程。所以近年来几乎出现了no 美国大规模输电线路建设。但这只是整个电力系统建设的一部分。事实上，如果从电力的传输或分配来看，整个建设会遇到很多这样的问题。洪军：长距离输电线路建设的主体是谁？这是政府吗？如果现在做这件事的人不是政府而是科技公司，因为他们其实有真正的利润，需要业务的考虑，那么他们在做同样的事情时会进步得更快吗？ Ethan：我认为科技公司在整个电力系统建设的某些方面是有优势的。但当力输进入这个阶段时，可能会出现和电力公司同样的问题。你还得和无数人谈判，这还是很困难的。所以现在科技公司采取的一个策略是我不参与他建设了许多大型输电线路，但我会走另一条路。比如我要建自己的电站，这个电站我会建在离我自己的数据中心不远的地方。在经济和政治资源范围内，它有很多事情可以做得更快更好。洪军：建设数据中心需要大量的水吗？ Ethan：施工过程中使用的水不多。在操作过程中，取决于您采用什么方式进行冷却。一些液体冷却是闭式循环的并且不使用大量的水。然而，数据中心运行过程中，水的消耗和电力的消耗往往存在权衡关系，这也是一个矛盾点。所以在数据中心建设过程中，或者在选址过程中，每个公司都会看这个区域是否有更多的电力或水，然后根据当地的禀赋，制定策略。鸿钧：是的，当整个科技巨头都建立数据中心的时候进入后，仍遭遇不少当地居民的抵制。如果你谈论的是污染或水资源短缺，可能会有不同的问题。那么回到我刚才提出的问题，为什么中国发展得这么快？伊森，你的观点是这是一个行政效率问题吗？ Ethan：我认为另一个原因可能是成本问题。一是设备成本，二是人工成本。在中国，近10年左右，在政府和政策的推动下，整个清洁能源行业发展得非常非常快。一个简单的数字就能让大家印象深刻，那就是中国一年的太阳能装机容量相当于世界上所有其他国家的总和，甚至更多。这意味着整个行业带动了清洁能源发电的成本非常低。比如我们看到大规模的储能等等，像美国的设备。这些设备的价格几乎是中国的两倍。因此，这个成本差异是也是一个很大的原因。鸿钧：我觉得我们之前的节目讲了十亿美元的独角兽，这已经算是巨大的了。然后就是我们讲一个大规模的模型，可能估值几百、千亿。现在我们说的是万亿美元，这是一个万亿美元的市场。看来我们的野心正在慢慢增长。王辰生：是的。 Ethan：是的，这笔投资的规模确实很大。鸿钧：是的，我觉得可以说，这是一个载入人类史册的投资时期。非常令人兴奋，谢谢两位。 特别声明：以上内容（如有则包括照片或视频）由自媒体平台“网易号”用户上传发布。本平台仅提供信息存储服务。 注：以上内容（如有，包括图片、视频）由网易用户HAO上传发布，该平台为社交媒体平台，仅提供信息存储服务es.