这几年看 AI，我有时候会想起二十多年前中国互联网刚起来的故事。

那时候大家也很兴奋，网站、门户、搜索、电商，一个个新东西往外冒。台前讲产品，讲流量，讲用户增长。可真到了大促、春运、全民上网这些节点，最后能不能扛住，靠的是机房、服务器、带宽、运维，还有一批整夜守在后台的人。这才有了后面风起云涌的中国本土云故事，后面会单独开章节讲这一段故事。

回归正题，其实今天全球的 AI ，也正在走到类似的阶段。

过去一年，大家都在讲大模型，讲智能体，讲 Token 成本，讲应用爆发。我当然也关心这些。但越往产业深处看，越会发现一个朴素的问题绕不开：这些智能到底跑在哪里？靠什么供电？热量怎么带走？出了故障谁来兜底？下一代芯片来了，原来的系统还能不能接得住？

这也是 AIDC ，也就是人工智能算力中心变得重要的原因。

很多人听到 AI 数据中心，第一反应还是机房升级版。可我现在越来越觉得，它已经接近新一代工业基础设施了。以前水电站、铁路、港口、通信网络支撑了工业化和全球化。今天 AI 要往各行各业渗透，背后也需要类似的重资产底座。只是这一次，核心形态变成了算力中心，最硬的约束变成了电力。

电这个东西很有意思。平时没人觉得它性感，发布会也很少把它放到台前。可所有算力都要从这里开始。模型再先进，芯片再强，机柜密度再高，只要电力接入跟不上，散热能力跟不上，稳定性跟不上，后面那些想象都会打折。

马斯克做 xAI 的 Colossus，其实很能说明这件事。外界容易盯着 Grok，盯着多少 GPU，盯着模型表现。但真正值得看的，是他把数据中心建设周期、GPU 堆叠、电力接入一起推到了极限。xAI 自称 Colossus 122 天建成，后来又在 92 天内扩到 20 万 GPU；围绕燃气轮机供电的争议，也把另一个现实摊开了：AI 扩张太快，地方电网、能源结构、环保规则都会被一起卷进来。

所以我现在看 AI 基础设施，已经不太看单点参数。我会看整条链路有没有打通：从电网到变电，从机柜到液冷，从芯片到网络，从建设周期到运维体系。每一环都很硬，每一环都需要长期积累。这些事情看起来笨，讲起来也不如模型发布刺激，但产业最后经常就卡在这些笨功夫上。

华为数字能源这两年的算力叙事也很典型。它讲 CloudMatrix，重点已经不只是某一颗芯片强不强，而是超节点、互联、供电、散热、集群协同。华为云提到 CloudMatrix 超节点规格从 384 卡向 8192 卡升级，并支撑更大规模集群。这个方向背后有一个很清楚的产业信号：AI 算力已经进入系统工程阶段，单卡能力当然重要，但真正交付给客户的是一整套能跑、能管、能扩、能长期稳定运行的系统。

接下来 AIDC 面临的几个问题会越来越清楚。

第一是可靠性。AI 以后会越来越多地进入企业生产系统，客服、研发、营销、供应链、调度系统都有可能接进去。这个时候，数据中心就像数字业务的心脏，不能动不动停一下。供电架构、容灾能力、设备冗余、运维响应，都要按更高标准来做。

第二是能效。机柜功率密度不断往上走，风冷会越来越吃力，液冷会从先进配置变成常规能力。同样一度电，能跑出多少有效算力，直接关系到未来 AI 服务的成本。中科曙光体系里的曙光数创，就是这个方向里一个很有代表性的公司。它长期做液冷基础设施，官方材料里提到，西部重庆科学城先进数据中心在全浸没相变液冷支撑下，PUE 已经降到 1.04。这个数字听起来冷冰冰，但它背后就是 AI 服务未来能不能便宜下来、能不能大规模铺开的关键。

第三是交付速度。过去建一个数据中心，十几个月很正常。现在 AI 需求涨得太快，市场窗口很短，企业等不了那么久。模块化、预制化、标准化建设会变得很关键。AIDC 以后拼建设能力，也拼产业协同能力。

第四是向前兼容。AI 芯片还会迭代，服务器形态还会变，网络和散热方案也会升级。今天建成的基础设施，最好能撑住未来几代技术变化。百度智能云昆仑芯超节点的一个细节就很有意思，它把液冷机柜和自研 CDU 结合起来，让液冷算力可以部署到传统风冷数据中心里。这个案例不大，但很说明问题：未来很多企业不会有机会从零开始建一个完美的新园区，更多时候是在旧机房、旧供电、旧系统里，把新算力接进去。

所以这轮 AI 浪潮有一个很微妙的地方：它看起来最轻，最后却越来越重。聊天框很轻，智能体很轻，Token 只是屏幕上的数字。但屏幕背后，是电力、钢筋、水冷管路、变压器、机柜、光模块和一整套工程体系。

越到后面，AI 的竞争会越来越像一场基础设施耐力赛。那些平时不太上热搜的能力，会慢慢浮出水面。电从哪里来，热怎么散，多久能建好，未来能不能升级，这些问题回答不好，AI 就很难真正跑进产业深水区。

文｜龚海瀚