“算力竞赛遇散热瓶颈，液冷成关键”
作者 | 家昌
编辑｜云舒
出品｜极新
2026年，一场围绕AI算力的“军备竞赛”正以前所未有的烈度展开。谷歌、亚马逊、微软、Meta这四家科技巨头，计划在今年豪掷7250亿美元用于人工智能基础设施建设，这一数字比去年激增了惊人的77%。仅第一季度，它们的相关资本支出就已高达1306.5亿美元，占全年计划的近五分之一。
这场疯狂的基建投入，源于一个简单而紧迫的现实：随着ChatGPT、Sora等生成式AI应用的爆发，全球对计算能力的需求呈指数级增长。亚马逊首席执行官安迪·杰西透露，仅OpenAI一家公司就预订了相当于两个大型发电厂功率的计算资源。然而，在巨头们挥舞支票本的同时，一个尖锐的问题也随之浮现：当单颗AI芯片的功耗已逼近千瓦级，传统的风冷技术被逼至绝境，这场算力竞赛的物理瓶颈该如何突破？一个被忽视的“发热”问题，正将一项关键技术——液冷，从“可选方案”推向了“必选项”的舞台中央。
更值得关注的是，在这场由西方巨头主导的基建狂潮中，一个来自东方的力量正悄然崛起。凭借成熟的制造能力、快速响应的非标定制和显著的性价比优势，中国液冷供应链企业正加速切入全球核心供应链，从曾经的“配套者”转变为不可或缺的“基建参与者”。
01
疯狂的竞赛：为何砸下天量资金？谁在领跑，谁在焦虑？
巨头们砸下重金的根本目标，是争夺AI时代的“水电煤”——算力基础设施的绝对主导权。这不仅是业务增长的需要，更是一场关乎未来生存的卡位战。
在这场竞赛中，谷歌（Alphabet） 目前表现最为突出。其2026年第一季度财报显示，云业务收入同比增长63%，达到200亿美元，增速快于竞争对手亚马逊和微软。强劲的业绩增长给了市场巨大信心，使其能够将全年资本支出指引上调至1800亿-1900亿美元，并暗示2027年支出还将“大幅增加”。投资者用真金白银投票，财报发布后其股价盘后大涨7%。
与谷歌形成鲜明对比的是Meta。尽管其一季度收入跃升33%，但用户下滑、资本支出增加（上调至1250亿-1450亿美元），以及CEO扎克伯格对AI模型发布时间表的含糊其辞，共同导致了其股价在盘后交易中下跌6%。SLC Management的董事总经理德克·马拉基一针见血地指出：“投资者仍然担心，扎克伯格的印钞机曾经是轻资本型，现在可能在演变成一台资本密集型的焚化炉。他们对不计代价的增长并不感兴趣。”
驱动这场竞赛的，除了对AI未来的坚定信念，还有现实的竞争压力和成本上涨。微软CFO艾米·胡德坦言，在1900亿美元的预算中，有250亿美元是用于应对存储芯片等零部件价格上涨。Meta也将支出上调部分归因于硬件组件涨价，以及建设数据中心所需的土地、电力和技术工人的竞争加剧。杰富瑞分析师布伦特·希尔的观点代表了市场的主流乐观情绪：“AI经济很健康。最近的收入增长表明，大型玩家能够承担这些巨额资本开支成本。看空论点就是垃圾。”
然而，这场以千亿美元为单位的豪赌，真的能换来等值的回报吗？
02
巨额投入后的现实：效率困境与回报落差
当资本如潮水般涌入AI基础设施，一个结构性的矛盾日益凸显：硬件投入的狂飙突进，与应用端商业回报的缓慢兑现，形成了巨大落差。
Cast AI的最新分析揭示了一个触目惊心的事实：在企业环境中，GPU的平均利用率仅为5%，这意味着高达95%的昂贵算力资源处于闲置状态。这并非个例，全球不少数据中心的GPU利用率甚至不足六成。紫光股份董事长于英涛在NAVIGATE 2026峰会上指出，中国日均Token调用量两年增长了1400倍，但算力需求爆发式增长与资源闲置并存，是行业面临的系统性陷阱。
高盛的最新报告给热潮泼了一盆冷水：尽管AI采用速度加快，但多达95%的公司几乎没有看到任何投资回报。报告指出，AI生态系统中利润分配严重不均，半导体公司（如英伟达）获得了大部分财务收益，而企业、模型开发商和云服务提供商则难以证明其巨额支出的合理性。Gartner的研究同样不容乐观：在基础设施与运营领域，仅有28%的AI项目能够完全成功并达到预期投资回报率，而有20%的项目以彻底失败告终。项目失败最常见的原因是对AI能力抱有不切实际的期望，以及在实际试点阶段存在技能缺口。
红杉资本的测算模型指出，AI基础设施每投入1美元的GPU，需要应用端产生约4美元的收入，整个投资链条的商业逻辑才能成立。然而，当前资本高度集中于底层硬件，应用层的价值创造远远跟不上。分析师警告，这种失衡是“不可持续的”。一旦市场意识到高成本建设的数据中心无法匹配相应的回报，首先承压的将是私募债等融资链条，进而可能引发流动性收缩、资产被动出售等连锁反应。
03
散热革命：液冷从“可选”到“必选”，中国供应链崛起
在算力密度爆炸式增长的背后，一个物理极限问题无法回避：散热。当单颗AI芯片功耗突破千瓦，传统风冷已彻底失效，液冷技术从“锦上添花”变成了AI基础设施的刚性需求。2026年，因此被业界称为“液冷强制元年”。
驱动液冷普及的核心是AI芯片功耗的飙升。谷歌的TPU v7单颗芯片功耗高达980瓦，已明确要求100%使用液冷。英伟达的GB200系统整体功耗达2700瓦，一个装满72颗GPU的机柜，发热功率相当于130到140个家用电磁炉同时全功率工作。下一代Rubin/Ultra芯片功耗预计将突破2000瓦。面对如此高热流密度，冷板式液冷的散热上限（约1720W-2000W）也即将触顶，更高效的两相液冷和浸没式液冷成为必然选择。
当前液冷市场主要形成两条技术路线，国内厂商在两条路线上均已实现突破并拿下订单：
冷板式液冷：兼容现有架构，改造成本低，是当前主流。英维克的UQD产品已进入英伟达MGX生态系统。中京烽火的“寒穹”系列液冷方案，通过金刚石铜液冷板与微通道技术，热阻降低67%，已获得国家电网批量应用。
浸没式液冷：散热能力最强，PUE（能源使用效率）可低至1.04以下，但初期投资高。曙光数创发布了全球首个MW级相变浸没液冷整机柜，单机柜功率支持超过900kW，提前达到了国际巨头规划的2028年技术目标。浪潮信息则连续4年蝉联中国液冷服务器市场份额第一。
中国供应链为何成为主角？
中国液冷企业能快速切入全球供应链，并非偶然，主要得益于三大优势：
成熟的制造与快速响应能力：面对谷歌、英伟达等巨头对定制化液冷系统的迫切需求，中国供应商在非标定制、快速打样和产能爬坡方面展现出显著优势。
极致的性价比：在保证性能的前提下，中国方案往往具有更低的综合成本（TCO），这对于追求投资回报率的云厂商极具吸引力。
庞大的内需市场与政策驱动：中国“东数西算”工程累计投资超2000亿元，新建智算中心已基本实现100%液冷覆盖。庞大的内需市场孵化了像曙光数创（市占率超50%）、浪潮信息这样的行业龙头，为其参与国际竞争积累了深厚经验。
摩根大通报告预测，2026年全球AI服务器液冷系统市场规模将从2025年的89亿美元飙升至170亿美元以上。目前，英维克、高澜股份等头部企业已通过谷歌、英伟达或英特尔的认证，进入其供应商白名单。鼎通科技、飞荣达、领益智造等上市公司均表示订单饱满，处于满负荷生产状态。
04
十字路口：企业的选择与竞赛的副作用
站在7250亿美元筑起的算力高墙前，所有企业都面临着一个战略抉择：是自建重资产的基础设施，还是拥抱云服务的灵活性？这场疯狂的基建竞赛，在推动技术进步的同时，也带来了不可忽视的副作用。
企业的两难选择
对于大多数企业而言，完全效仿科技巨头自建智算中心并不现实。高昂的电力成本（美国部分地区数据中心电费是中国的数倍）、基础设施投入以及复杂的运维，使得整体投资回报率需要达到13%以上才能实现盈亏平衡。因此，混合云、专属云或直接采购算力服务，成为更务实的选择。行业需要从单点硬件堆叠，转向算力、网络、存储、云、安全、运维的全链路协同，提供最优性价比的方案。
竞赛的三大副作用
资源错配与泡沫风险：资本过度集中于硬件层，而应用层的价值创造滞后，导致投资与回报严重脱节。Gartner预测，到2027年底，超过40%的Agentic AI项目将被取消，主要原因在于成本失控和业务价值不清。
技术路径锁定的风险：巨头们巨额投入的特定技术架构（如某家芯片、某种液冷方案），可能将整个生态绑定在单一路径上，抑制了多元化创新的可能。
能源与环境的可持续性挑战：AI数据中心已是耗电巨兽。尽管液冷技术能将PUE降至1.1甚至更低，但绝对能耗的持续增长，对全球电网和“双碳”目标仍是巨大挑战。
7250亿美元的资本开支，描绘了一幅AI算力基建的狂热图景。然而，真正的赢家未必是投入最多的那个，而是能最高效、最经济地将算力转化为实际生产力和商业价值的那一个。
这场竞赛的下半场，焦点将从“堆砌硬件”转向“提升效率”，从“争夺算力”转向“运营智能”。中国供应链在液冷等关键环节的崛起，不仅意味着订单和市场份额，更预示着在全球AI基础设施的价值链中，中国正从跟随者变为重要的创新者和规则参与者。最终，当潮水退去，能够用更低的成本、更优的能效提供可靠算力的玩家，才会成为AI时代真正的基石构筑者。
更多干货分享敬请注我们的公众号与视频号~超多精彩对话内容等待您的解锁！
热门跟贴