AI机架密度的真正上限：电力、冷却与故障风险

人工智能加速推动计算硬件向更小空间内塞入更多算力，其速度之快前所未有，数据中心运营商正竭尽全力从AI工厂部署的每个机架中榨取最大性能。

变化之剧烈令人咋舌。两年前看似极端的机架规格，如今已显得平平无奇，而下一代升级方案早已列入建设计划。数字本身就能说明问题。据Uptime Institute第16届全球数据中心年度调查，2026年"模态机架密度"（最常见的每机架功耗值）达到11千瓦，较2025年的9千瓦有所提升。这一11千瓦的数字描述的是典型企业服务器机房的水平，也就是你在大多数数据中心随处可见的那种，而非AI训练集群。

AI机架所处的功耗等级则完全是另一番天地。根据英伟达NVL72 AI工厂参考架构，英伟达GB300 NVL72——贯穿2025年至2026年初AI训练集群的核心平台——每机架功耗高达142千瓦。英伟达最新平台Vera Rubin NVL72于2026年6月进入全面量产阶段，计划于今年秋季向云服务商发货。尽管英伟达尚未公布官方机架功耗数据，但供应链行业报道将其定位在190至230千瓦之间。其后续产品英伟达Rubin Ultra NVL576"Kyber"机架已规划在2027年下半年上市，功耗约为600千瓦。

那么，究竟是什么真正限制了密度？三个问题划定了上限：机架能散多少热、芯片消耗多少电，以及设施能安全输送多少电力。

eRacks Systems创始人兼首席技术官约瑟夫·沃尔夫在接受Data Center Knowledge采访时表示："关于限制密度的最大误解是，人们认为限制来自每个机箱的GPU数量，或者是一个换几台更大风扇就能解决的冷却问题。"

风冷已达极限，液冷全面接管

计算量越大，产热越多。多年来，散热能力一直是密度的硬上限，而随着冷却技术的进步，这一上限不断被突破。

风冷走向不可行

据Uptime Institute，每机架功耗超过约50千瓦后，风冷便变得不切实际。超过这一阈值，风扇已无法输送足够的气流来应对热负荷。

直接液冷已成主流

通过芯片冷板输送液体的直接液冷方案，目前可处理每机架100至150千瓦的热量，并已成为主导液冷方式。据施耐德电气统计，截至2026年，其市场份额占比达55%。

两相浸没式冷却复苏而非消亡

曾被誉为终极方案的两相浸没式冷却，因全氟和多氟烷基物质（PFAS）限制切断了冷却液供应而遭遇挫折，采用率尚未完全恢复。替代冷却液已于2026年初通过认证，但监管结果要到2027年才能明朗。IBM多供应商支持服务副总裁奥姆卡尔·尼姆巴尔卡尔在接受Data Center Knowledge采访时表示："微流体技术仍是我所说的'路线图阶段'，科学原理已经得到验证，但主流部署还需要几年时间。"

下一步在于芯片内部

2025年9月，微软与瑞士初创公司Corintis在实验室测试中报告，直接蚀刻在芯片内部的微通道散热效果比标准冷板高出三倍。

供电，而非冷却，才是真正的天花板

热物理学并非唯一的制约因素，供电能力同样构成硬约束，而且真正决定上限的并非芯片规格本身。

尼姆巴尔卡尔表示："人们用芯片规格来衡量密度，但实践中密度受电气工程和故障规划的约束。"

传统54伏直流遭遇铜导线瓶颈

传统54伏直流配电在每机架约200千瓦以上会遭遇硬限制——传输所需电流的铜导线将变得过于粗重，难以施工。

冗余设计带来容量代价

尼姆巴尔卡尔指出，典型配电单元（PDU）在双冗余配置下可处理约20千瓦，而每台服务器功耗可达6千瓦。他说："设计问题从来不是你能买多少GPU，而是在一个电源发生故障时，你能安全运行多少。"

供电线路，而非芯片，最终决定上限

芯片供应商已在设计中考虑这些限制，以不同功耗等级提供相同GPU，以适配实际场景。沃尔夫表示："真正的限制是每个机箱的功耗和散热预算，这由GPU本身决定。英伟达同款96GB RTX PRO 6000 Blackwell既有600瓦版本，也有300瓦的Max-Q版本——后者之所以存在，是因为八块600瓦显卡装入一台4U机箱将带来5千瓦级别的热量，大多数风冷机房根本无法供电和散热。"

解决方案正从试点走向标准化

多项举措正在推进，以弥合机架需求与设施供给之间的差距。

高压直流配电正走出试点阶段

Vera Rubin NVL72已搭载800伏直流出货。这一转变已超越试点阶段：维谛技术（Vertiv）、施耐德电气、伊顿（Eaton）和台达均已规划在2026年下半年推出商用800伏直流产品，富士康台湾高雄Kaohsiung-1工厂（40兆瓦）也正为此而建。但硬件可用并不等于广泛普及。Flex嵌入式与关键电源业务总裁克里斯·巴特勒在接受Data Center Knowledge采访时表示："我们实际上是在要求企业在18至24个月内消化掉一代人的变革积累。"

供电与计算机架正走向分离

开放计算项目（OCP）的Mount Diablo项目于2026年3月完成0.7.0规范定稿，微软和Meta于2026年7月展示了基于该规范的可运行硬件。通过将供电与计算分离，设施可以独立扩展供电能力，无需同步改变机架配置。

现场发电与表后发电正获得更多关注

越来越多的运营商选择自建电力容量，而不是等待电网扩容。园区层面的账面电力并不代表能够可靠地输送到单一机架。

Axe Compute首席执行官克里斯托弗·米格里诺在接受Data Center Knowledge采访时表示："一旦开始以那种密度运营，供电和冷却就必须协同推进。我更关注的数字不一定是一个园区账面上有多少兆瓦，而是你实际上能可靠地输送、冷却并稳定运行多少电力。"

未来三至五年，上限可能落在何处

散热能力、供电水平、故障风险和成本，各自都面临悬而未决的问题。这四者的最终走向，将共同决定"典型配置"的面貌。

电网，而非机架，将是决定性因素

电力供应将成为关键制约。据劳伦斯伯克利国家实验室发布的《Queued Up》报告，截至2025年底，美国互联互通申请队列中等待接入的发电和储能项目已超过2060吉瓦。

米格里诺表示："现场发电在一定程度上取决于具体项目，但对于超大规模AI园区而言，它正变得越来越重要——因为在很多市场，制约因素既不是需求，也不是GPU获取，而是你能多快从电网获取足够的电力。"

机架越密集，故障代价越高昂

随着密度提升，单一故障所造成的算力损失也远超以往，这对故障检测和优雅降级提出了更高要求。

尼姆巴尔卡尔表示："更聪明的做法是在固件层面内置故障检测机制，能在数秒内将机架降频，这样你就可以以比保守静态数字通常允许的更高密度运行。"

到2028年，典型高密度机架功耗可能超过100千瓦

最有可能成为默认标准的是每机架100千瓦或以上。尼姆巴尔卡尔表示："2028年典型的高密度AI机架，大概率是直接液冷标配、400伏供电，以及将故障处理逻辑内置于固件而非事后补打补丁的100千瓦以上部署。"

米格里诺对这一门槛持相同预判，并认为前沿水平将远不止于此。

然而，沃尔夫预计市场将出现分化：大多数企业将继续沿用风冷方案，而少数头部机架将远超100千瓦大关。他表示："大多数企业实际上会部署的典型高密度AI机架，是风冷4U节点，每节点八块300瓦级GPU，每箱约4千瓦，三到四个机箱组成一个机架，接入普通的208伏电源。"

Q&A

Q1：AI机架密度目前受到哪些核心因素限制？

A：AI机架密度主要受三方面制约：散热能力、供电能力以及故障风险管理。风冷在约50千瓦以上已不可行，液冷成为主流。传统54伏直流配电在约200千瓦以上因铜导线过重而受限，高压直流（如800伏）正在推进商用。冗余设计也会占用一部分容量。总体而言，供电线路和电网接入，往往比芯片本身更早成为瓶颈。

Q2：英伟达最新AI机架的功耗大概是多少？

A：英伟达GB300 NVL72每机架功耗可达142千瓦；最新平台Vera Rubin NVL72据行业报道功耗在190至230千瓦之间；而规划于2027年下半年推出的Rubin Ultra NVL576"Kyber"机架，功耗约为600千瓦。相比之下，普通企业服务器机架在2026年的典型功耗仅为11千瓦，差距悬殊。

Q3：到2028年，典型高密度AI机架会是什么样子？

A：多位业内人士预测，2028年典型高密度AI机架将达到100千瓦以上，标配直接液冷、400伏供电，并在固件层面内置故障检测逻辑。不过也有观点认为市场将分化：大多数企业实际部署的仍是风冷4U节点，每机架约12至16千瓦；只有少数头部场景才会冲破100千瓦大关。