随着AI算力需求激增，数据中心扩张正越来越多地受到基础设施约束。除芯片性能之外，供电能力、散热系统以及GPU之间的数据传输效率，正在成为决定AI基础设施能否持续扩容的关键因素。

据TechRadar当地时间11日报道，AI数据中心用电需求快速上升，但电网、冷却设备和数据传输基础设施的建设速度难以同步跟上。为应对这一局面，行业正在加快部署自备电源、液冷、光互连和新一代变压器等方案，但成本和供应链压力仍是主要障碍。

首先承压的是电力系统。AI数据中心的用电负载会随计算任务变化而剧烈波动：推理任务减少时，功耗随之下降；而需求突然放大时，又需要在短时间内迅速提升用电规模。这类波动不仅可能加重电网谐波问题、影响电能质量，也会提高变压器过热风险。

与此同时，电力设备供应紧张的问题也在加剧。高压变压器的交货周期已从2020年的6至12个月，延长至近年的2至4年。作为全球数据中心最密集的地区之一，美国弗吉尼亚州北部甚至有预测认为，新建项目接入电网的等待时间最长可能达到14年。

美国电力行业计划在2025年投资2080亿美元，并在2025年至2030年间再追加1.1万亿美元投入，但业内普遍认为，这一速度仍难追上数据中心用电需求的增长。

为降低对公共电网的依赖，数据中心运营商正扩大自备发电设施。Elon Musk旗下xAI已在田纳西州孟菲斯的Colossus数据中心新增59台移动式天然气涡轮机，总发电能力超过400MW，以在等待当地电网接入之前先行启动GPU集群。

小型模块化反应堆（SMR）也被视为长期替代方案之一。不过，由于建设成本高、商业化落地仍面临挑战，短期内尚难成为满足大规模数据中心用电需求的现实选择。

风冷接近极限，行业转向液冷

除电力之外，散热正成为另一项核心瓶颈。随着GPU部署密度持续提升，新一代AI服务器的机架功率快速上升，部分高密度机架已超过50至100kW，按100kW以上进行设计的方案也日益增多。相比之下，传统风冷系统通常以30至40kW为基准，冷却架构升级已不可避免。

如果依靠空气为大规模AI集群散热，就需要高速循环大量气流。风扇转速提升不仅会增加能耗，还会拖累数据中心整体能效。为了处理服务器热量而继续增加冷却用电，也会形成更高的运行负担。

在此背景下，行业正加快采用液冷技术。较具代表性的方案是直接液冷，即通过冷板与GPU直接接触吸收热量。由于液体导热能力高于空气，更适合处理高密度服务器产生的热负载。

基于相变原理的浸没式冷却也受到关注。该方案通过绝缘液体与发热部件接触后蒸发吸热，再将蒸汽冷凝回流，实现循环散热。根据不同系统配置，有方案称冷却能耗最高可降低40%。

Microsoft已在新型数据中心采用封闭式循环液冷系统，通过冷却液循环带走服务器热量，再在冷却设备中完成降温并重复利用，其优势在于可减少持续补水需求。

不过，液冷的前期建设成本较高，既有数据中心改造还涉及设备和运维体系调整。此外，在高负载环境下，泵和散热器风扇同时运行也可能带来更大的噪声压力。

铜缆逼近上限，GPU互连转向光互连

GPU之间的互连技术同样面临升级压力。基于铜缆的电连接在传输距离增加后，信号损耗会明显上升；在传输速率和带宽不断提高的情况下，维持信号质量也变得更加困难。尤其在GPU和网络设备高度密集的环境中，电磁干扰、布线电阻损耗以及电信号传输产生的热量，都会进一步放大问题。

因此，数据中心行业正加快引入光互连。光纤以光信号传输数据，长距离传输时信号衰减相对更小，同时还能用更细的线缆实现高密度连接。布线空间减少后，也有助于改善服务器内部气流组织。

从技术路线看，行业正从可插拔光模块进一步走向更紧密的集成方案，即将GPU与光学部件更近距离整合。硅光和共封装光学（CPO）等技术，目标都是缩短电信号传输距离并提升数据传输效率。

不过，成本仍是光互连大规模普及的主要负担。部分配置下，光互连成本最高可达铜缆方案的7倍。但随着AI集群规模扩大、传输带宽持续提升，单靠铜缆已越来越难同时兼顾性能与能效，光通信的重要性正在上升。

新一代变压器受关注，但成本压力仍大

在电力设备领域，固态变压器（SST）正被视为潜在替代方案。与主要依靠磁场变压的传统变压器不同，固态变压器采用功率半导体和高频电力电子电路，能够主动调节电压并管理电能质量，因此被认为更适合负载波动明显的AI数据中心。

根据不同设计和工况，固态变压器的效率约为97%至99%。相比之下，传统变压器效率约为95%至97%。虽然差距看似有限，但对于长期高负荷运行的大型数据中心而言，哪怕是小幅效率提升，也有助于降低长期能耗损失。

但固态变压器由于采用功率半导体和高频器件，初始投入更高，维护和可靠性验证仍待完善。部分设计的单位kVA成本甚至可能达到传统低频变压器的5倍以上。

即便如此，相关企业仍在推动产能扩张。Siemens正与德国电力设备企业Reinhausen推进模块化固态变压器量产，目标是面向AI数据中心不断增长的用电需求，将新一代电力转换技术引入工业场景。

报道称，北美目前约有66GW规模的新AI数据中心容量在建。对于数据中心而言，竞争力已不再仅由GPU性能或服务器数量决定，电网接入速度、高密度服务器的散热能力，以及大规模GPU集群的高效互连能力，同样是决定扩张速度和运营成本的关键因素。

整体来看，AI基础设施竞赛的重心正从单纯的算力比拼，转向支撑算力运行的底层基础设施。电力、冷却和数据传输这三大瓶颈能否尽快缓解，将直接影响未来数据中心的扩张节奏与运营效率。