克雷西 发自 凹非寺
量子位 | 公众号 QbitAI

AI算力竞赛的天平，正在向电力倾斜。

这一判断，在乌兰察布出现了一个具体样本。

8月6日，远景科技集团在这里宣布「远景乌兰察布星河基地」正式投产，园区内全球最大的AI算力超级单体同步亮相。

这座超级单体建筑面积超过12万平方米，相当于20个标准足球场。

其所在的星河基地总规划容量达到2GW，规划支持百万卡并行和百万P级算力。

这样的规模，放在两年前还很难想象。

当时，AI行业的注意力更多集中在模型参数、GPU数量和单卡算力上。

如今，单个集群正在从万卡迈向十万卡、百万卡，IT负荷也从兆瓦级走向百兆瓦乃至GW级。

这时候，一座AI数据中心能不能真正跑起来，已经不只取决于「有没有芯片」。

电从哪里来、能不能稳定供应，变得越来越关键。

数十万张芯片瞬间拉升负荷时，供电系统能不能接得住，也成了核心问题。

更高功率密度带来的热量，能不能及时带走，同样决定了系统能否稳定运行。

这些过去位于后台的基础设施问题，正在走到AI竞争的前台。

而这也带来了一个有意思的问题。

做AI数据中心的，过去通常是电信运营商、专业数据中心开发商和互联网大厂。

为什么这一次，造出全球最大AI算力超级单体的，却是一家新能源企业？

答案，要从AI数据中心的变化说起。

电力，正在从配套变成AIDC的核心能力

算力扩张的压力，已经不再只集中在芯片上。

随着单个集群的规模从万卡迈向十万卡、百万卡，功耗也从兆瓦级跳到吉瓦级。

一座大型AI数据中心的用电量，已经接近一座中型城市。

电力正在从后台配套，变成决定算力扩张速度的前台变量，变成能不能持续扩张的前置条件。

英伟达CEO黄仁勋曾把AI拆解成五层：能源、芯片、基础设施、模型和应用。

能源被放在最底层，因为没有它，后面几层都无从谈起。

需求在涨，供给端扩容却没有那么快。

全球数据中心持续扩张，规模已达32吉瓦。

但输电线路、变电站和电源设施的建设周期，通常远长于服务器的采购和数据中心土建周期。

不少项目都面临服务器已经到货，配套电力却没有同步就绪的情况。

而且，电量够不够只是第一层问题。

对于十万卡乃至百万卡集群来说，供电的稳定性同样重要。

训练任务往往持续数周甚至更久，电压波动、瞬时中断都可能影响集群利用率。

一旦任务被迫中断，重新加载检查点、恢复集群同步状态，本身就是额外的时间和计算成本。

AI负荷越来越难管理

更重要的是，AI负荷也变得越来越「难伺候」。

数万张甚至更多芯片同步启动、训练阶段切换以及推理请求的实时变化，都会让负荷快速波动。

AIDC的规模来到GW级之后，普通意义上的「不断电」已经不足以满足数据中心的需要。

必须要有一套可以同时处理容量、稳定性、动态响应和效率的能源系统。

这恰恰改变了中国算力竞争的坐标系。

过去，能源企业更多向数据中心提供电力或单一设备。

但当IT负荷进入百兆瓦乃至GW级，能源获取、储能、供配电和热管理便开始成为基础设施上限的决定性因素。

中国长期积累的风光资源、电力装备、储能制造和大规模工程建设能力，也因此获得了新的使用场景。

国家能源局数据显示，2026年中国风电光伏新增装机约3亿千瓦，新型储能装机规模也已突破1亿千瓦。

这些原本服务于电网侧的产能，正在变成算力基础设施可以直接调用的资源。

但有风、有光、有储能，并不意味着就能直接给GPU用。

要让这些资源真正在AIDC中落地，还必须把新能源资源转化成稳定、高质量、可连续供应的「算力能源」。

这正是远景进入AIDC的逻辑起点。

中国拥有丰富的风和光资源，并不意味着这些能源可以直接供给AI。

新能源具有波动性，百万卡集群却要求持续稳定运行，两者天然存在矛盾。

远景乌兰察布星河基地要完成的核心转换，就是把波动的绿色能源，变成可预测、可调度、可连续供应的算力能源。

远景的切入点

这件事对远景并不完全陌生。

过去二十年里，远景一路从风机、储能、电力电子走到能源管理。

始终在啃同一个底层难题：怎么提前看准自然能源的波动，怎么把电力存下来、调得动，以及怎么把原本不够稳定的新能源，真正变成工业系统能够持续依赖的稳定能源。

当AI数据中心进入GW级时代，这套能力第一次与算力基础设施发生了高度重合。

这场转换首先需要资源基础。

为了满足这一需求，远景把其AIDC的选址，落在了乌兰察布。

这里风、光资源丰富，全域绿电占比高达67%。

远景通过自建风电场和专线，把绿电直接送进了数据中心。

有了资源，接下来要解决的是，怎么让这些资源真正适应AI。

远景的做法，是形成一套「预测—决策—执行」的实时闭环。

• 「远景天机」气象大模型负责预测：对风光出力做高精度判断，把原本不可控的天气变化，变成可以提前预判的能源变量。
• 「远景天枢」能源大模型负责调度：根据发电、储能、算力负荷和电价的实时变化，动态优化电力分配，把每一度电送到更需要它的设备。
• EnOS智能物联操作系统负责执行：把风机、储能、电力设备和算力设施接入同一个控制底座，让预测和调度的结果实时落到设备上，同时把设备的运行数据反馈回预测和调度环节，持续修正下一轮判断。

与此同时，储能承担了绿电与GPU之间的缓冲作用。

经过这几层处理，波动的新能源才有可能变成算力负荷可以持续使用的稳定能源。

供电效率也在成为关键变量

此外，数据中心的供电链路长期存在一笔隐性成本。

电以中压交流形式进入机房，直到变成芯片最终使用的直流电，中间需要经过多级变换。

每一次转换，都会产生损耗。

过去机柜功率较低时，这些损耗并不算显眼。

但随着AI机柜进入数百千瓦级，转换效率、设备占地和铜耗都被同步放大。

远景采用SST加BESS的800V直流供电方案，进而减少中间转换环节，提高GPU侧供电效率，避免将电能损耗在供电链路上。

对GW级AIDC来说，哪怕只有几个百分点的效率差异，放到整个园区规模上，也会变成巨大的能源和运营成本增长。

热管理必须系统化考虑

热管理同样如此。

AI芯片消耗的电力最终大部分都会转化为热量。

芯片部署越密集，单位面积的热流密度越高。

如果热量不能及时带走，GPU就无法长期保持稳定、高负荷运行。

因此，远景在供电之外，还把冷却系统纳入整体设计。

根据不同功率密度，结合风冷、液冷以及乌兰察布当地的自然冷源条件，降低非算力能耗。

从这个角度看，一座超级单体真正需要优化的绝不仅仅是某一个孤立指标。

电从风场进入园区，再经过储能和供配电到达GPU，最终转化成计算和热量。

这一整条能量转化链，需要被系统性优化。

链条中每减少一点等待和损耗，就意味着同样一度电能够支撑更多算力。

这些技术最终指向同一个问题——同样一度电里，有多少真正流向了计算？

而这个问题的答案，也决定了一座AIDC能够承载多大的算力规模。

所以，远景造的远不只是一栋楼，更是一座AI算力超级单体。

依托AI电力系统和高比例绿电直连，经远景测算，其同等面积算力输出规模可达到传统数据中心的10倍。

这一密度的实现不依靠机柜数量的堆叠。

靠的是将能源获取、供电、储能、散热和算力部署作为一个系统统一设计。

这也回答了为什么造出这个超级单体的是一家新能源公司。

超级单体表面上是一栋数据中心建筑。

背后实际上需要同时组织GW级能源、百兆瓦级供配电、高密度散热，以及复杂的工程建设和系统调度。

随着AIDC规模越来越大，能源管理和热管理从后台能力走到了基础设施核心。

而这些恰好与远景过去长期积累的技术和工程能力发生了重合。

所以，远景「造机房」并非突然跨界。

这一举动映射出了远景沿着能源系统一路向芯片侧延伸的完整路径。

这条路径从风场延伸到储能，从能源调度延伸到供配电，最终从供电进入热管理和超级单体。

原本服务能源产业的一整套能力，被重新组合成了AI基础设施。

比完单卡，中国开始比系统效率

在持续追赶单卡性能的同时，中国算力产业正把更多资源投入超节点、大规模互联和集群工程。

这背后的逻辑，是把芯片、网络、内存、软件和调度组织成一个整体。

目标是从系统层面提高集群的有效算力。

当算力开始以十万卡、百万卡为单位组织，竞争重点也自然从单芯片性能，延伸到整个系统的组织效率。

新的竞争格局下，芯片之间怎么协同是一方面，背后的电力、散热和基础设施怎么协同，则是另一个问题。

这也是远景把单体建到百万卡规模的原因。

超节点把更多芯片组织成一台更大的「计算机」，超级单体则要为这台「计算机」提供足够大的部署空间、足够高密度的供电和散热，以及能够持续运行的能源系统。

远景负责的是从绿电获取、土地、园区建设到AI电力系统的基础设施全链路，不涉及模型运营或客户数据处理。

客户自行部署并管理服务器和芯片集群。

这种分工安排让科技公司和互联网大厂能够聚焦模型和计算。

把建设周期、能源成本和供电可靠性这些问题，交给专业的新能源企业。

这套方案不只是在解决眼下的部署问题，也在为国产算力集群探索一条可复制的路。

这也意味着，远景交付的不只是某一套供配电或能源解决方案，更是一座能够真正承载大规模算力运行的AIDC基础设施。

2026年6月发布的远景戈壁使命（Mission Gobi）提出了一个很明确的目标：到2030年，在全球戈壁荒漠地区建成总规模达5GW的绿色AI算力中心，而星河基地，正是这一宏大计划真正落地的第一步。

这条从乌兰察布走向全球戈壁的路径背后，是一场更大的坐标系变化。

随着AI进入十万卡、百万卡和GW级基础设施时代，比拼的重点正从单一芯片性能，扩展到整个系统的组织能力。

决定下一阶段胜负的变量，已经不止一个。

• 过去，中国主要在芯片上追赶。
• 如今，新能源、制造、储能和工程能力，也开始进入竞争核心。

全球最大的AI算力超级单体落地乌兰察布，是一项规模纪录，也是一个信号。

当AI基础设施走向GW级，能源、制造、储能和工程能力正在进入竞争核心。中国也因此有机会把自身长期积累的产业优势，进一步转化为新的算力竞争力。