深度拆解AI數據中心：一場速度與效率的競賽

算力的競爭，正在變成一場電力的競賽。

步入2026年，真正決定AI基建成敗的戰場，不再是芯片實驗室，而在變電站、燃氣輪機和海底光纜的交匯處。

4月底，硅谷101與Power HF在硅谷聯合舉辦了一場圍繞數據中心展開的活動（Scaling AI：The Infrastructure, Energy & Capital Triangle）。來自AI基礎設施、能源工程與資本市場的五位嘉賓，為現場的100多位觀眾拆解了這場跨越全球的算力之爭：電力，從哪里來？數據中心，誰在建？錢，誰來出？

我們的嘉賓包括：

• Alex Yeh，GMI Cloud創始人兼CEO。GMI Cloud是全球六家英偉達參考平臺云合作伙伴之一，目前管理橫跨亞洲、美國東西海岸及歐洲的九個數據中心，并于近期宣布5億美元AI工廠計劃。

• David Xu，Power HF董事長兼CEO。上市公司Power HF（華豐股份，股票代碼：605100）創立于1920年，總部位于上海，國際運營中心設于新加坡，在中國與印度均設有制造基地。

• Harish Jere，Power HF集團CTO兼印度CEO。有橫跨石化、電信與基礎設施領域近四十年從業經驗，曾主導超過25000個電信站點的運營管理。

• Dr. Zhibin Xiao，ZFLOW AI創始人兼CTO，CASPA前任主席及現任顧問。曾在Oracle/Sun Microsystems主導數據中心服務器CPU研發，后專注于AI推理芯片設計，現致力于AI數據中心的異構系統自動優化。

• Christina Xu，Franchise Capital高級總監，主要關注AI基礎設施相關投資，曾擔任德克薩斯州某AI數據中心項目（毗鄰Stargate）的投資方及代理CFO。

硅谷101的創始人泓君和特約研究員Yiwen也主持了本次活動。

以下是這場論壇的精彩觀點：

01

Fireside Chat：

重建AI時代的數據中心

Yiwen（硅谷101）×Alex Yeh（GMI Cloud）

我們常常認為，AI基建里最核心的一環是GPU。但在GMI Cloud的Alex Yeh看來，GPU早已不是瓶頸。真正卡脖子的，是等待周期長達八個月的InfiniBand以及電力。而電力短缺的程度，比大多數人想象的要嚴峻得多。

Alex Yeh GMI Founder&CEO GPU其實只是整個供應鏈里很小的一部分。光纖，就是官方的InfiniBand，等待周期大概要八個月。如果你的終端客戶對英偉達來說足夠重要，他們會幫你提前拉貨，但最多也就提前兩個月，還是在你運氣好的情況下。所以GPU現在真的不是瓶頸，貨源充足，OEM/ODM很多，價格到位就能拿到。真正的瓶頸是InfiniBand，是電力，這兩個才是核心。

需求端的壓力還在持續攀升。Alex提到，兩年前，訓練集群的起步規模是1000張GPU�，F在，無論是亞洲還是美國的前沿實驗室，最低門檻已經升至4000張。

1.1 芯片漲價，是需求信號，不是供給信號

市場上流傳著一種誤讀：舊芯片價格飆升，是因為新芯片替代不了它們。Alex對此有不同解讀。

Alex Yeh GMI Founder&CEO 這其實不是替代，而是互補。H200兩年前剛出來的時候，我收到各種郵件說我們有幾架H100的服務器。但現在，H200的市場報價已經到了34萬美元，兩年前才22萬。每個價位都漲上去了，挺瘋狂的。而且你去AWS上查按需實例或容量塊，根本找不到多少，價格一直在飆。這就說明了需求有多旺盛。

或者說，整個生態系統的需求在爆炸性增長，新舊芯片各司其職。新一代用于大規模訓練，老一代承接推理和沙盒任務，沒有人愿意讓任何一張卡閑置。

圖為Alex Yeh，GMI Founder&CEO

1.2 融資結構：從私募資金到多層次SPV

數據中心的融資，正在走向一套越來越成熟的體系。Alex將此分為兩個量級。

約1億美元級別的小型項目，可以通過股權、客戶預付款加上供應商融資和風險債務的組合來解決。但一旦進入大型項目階段，股權融資根本無法覆蓋，必須依賴多層次結構。

Alex Yeh GMI Founder&CEO 對于更大規模的項目，比如我們在日本和GTC上宣布的吉瓦級計劃，光是第一期大約300兆瓦的建設成本就高達130億美元。這根本沒辦法靠股權融資來覆蓋，沒有人有那么多錢。所以你必須做很多創意性的結構設計：某種形式的股權加供應商融資，加上私募股權資金，甚至還有主權資本疊在上面。同時客戶的還款承諾也非常重要，這是支撐大型項目融資的關鍵。

GPU債券市場的成熟也印證了這一趨勢，從企業債券的利率變化就可以看出來。

Alex Yeh GMI Founder&CEO 比如Coreweave最近發行了一個利率在5%左右的GPU債券。這說明整個市場正在走向成熟，華爾街開始把GPU視為可靠的抵押資產。我認為市場會自我修正，溢價最終會下來。事實上已經在下降了：兩年前，CoreWeave以微軟合同作為還款來源的債券利率高達15.5%，現在投資級債券的利率大概在9%到10%，最新的企業債券已經降到5.7%。隨著大家開始把GPU當作可靠抵押品來評估，收益率一直在走低。

1.3 日本：數據主權與海底光纜的雙重邏輯

最后，GMI Cloud有一個獨特的優勢，也就是全球化布局。Alex提到，他們不是在尋找最好的地方，而是跟著真實需求走。

美國依然是建設速度最快的市場，因為Alex認為這里的監管最少，尤其是德州、俄克拉荷馬這類地區。但日本是GMI Cloud近期一個特殊的戰略節點。日本的數據主權法律要求所有數據必須存儲在境內，這本身就創造了一個規模龐大且相對封閉的本地需求。與此同時，日本可以說承載了整個亞洲的需求。

Alex Yeh GMI Founder&CEO 你去搜一下海底光纜的分布圖，就會發現幾乎所有的樞紐都匯聚在東京：從日本出發，連接韓國、臺灣、東南亞、新加坡，然后再橫跨太平洋。所以日本是海底光纜光纖的重要樞紐，這也是為什么日本對美國的超大規模云服務商來說同樣是一個重要節點。

東南亞的格局則更為分散。馬來西亞曾因電力充裕備受青睞，但政府隨即開始加稅，資本隨之轉向印尼、泰國。

圖為現場觀眾提問

02

Keynote AI數據中心：重新思考供電基礎設施

（從依賴電網到分布式的供電解決方案）

Harish Jere主題演講，Power HF CTO

在Alex為觀眾講述了基建一線的困境和機會后，我們邀請了Power HF的CTO Harish Jere上臺。Harish的演講從他作為一個有40多年從業經驗的實踐者的角度切入。他的核心觀點是：電不是沒有，是送不到。

電網互聯的等待時間在美國許多州已經長達五到六年。這意味著，對于想要快速建設AI數據中心的運營商來說，等電網已經不再是一個選項。

從供電架構的角度，Harish提出，表后供電（Behind the Meter）不再是一個選項，而是一種必要。他提出了一個概念：Bring Your Own Power（BYOP），也就是自帶電力。

戰略重心，正在從接入電網轉向自己保障電力。

Harish在現場展示了一張完整的對比表格，覆蓋了目前AI數據中心可用的所有表后供電方案：

Harish Jere Power HF集團CTO兼印度CEO 沒有任何單一方案能同時滿足AI基礎設施對速度、可靠性和確定性的要求。你可以用模塊化解決方案來快速部署，但最終你還是要找到穩定、可靠、在融資層面也站得住腳的電力來源。重型燃氣輪機是最好的穩定電力來源之一，氣源也夠，但交貨周期要四年。我們需要的是穩定電力，或者能持續輸出固定兆瓦數的電源。 其次，還有負載波動的問題。電網的韌性不足以應對這些波動，有人在討論超級電容，有人在討論儲能設備，但真正能提供靈活調度能力的是儲能系統（BESS）。所以電力架構不是單一解決方案，而是需要混合架構。至于新興方案：核電還需要幾年時間。燃料電池和SOFC已經開始以模塊化結構在多個地方落地部署。

最后，Harish提出，AI數據中心的高密度、動態負載和液冷系統，讓各個子系統之間的耦合度遠超傳統數據中心。所以，任何一個環節的故障都可能引發連鎖反應，壓縮了故障發生到影響擴散的時間窗口。

他從25000個電信站點的運營經驗里得出的結論是：

即使擁有最可靠的設備，如果缺乏妥善的維護或操作不當，依然可能導致故障�？煽啃圆⒎莾H僅關乎設備的選用，而是取決于整個基礎設施及其運作的統籌與協調。

在Harish眼中，這也是Power HF團隊要做的：不只是供貨，而是提供從控制系統到運營層的完整架構。

03

Panel AI時代的數據中心：挑戰和解決方案

（從電力、能源和資本角度看新的機遇）

在活動的第三場對話上，我們邀請了三位從不同角度來關注數據中心的嘉賓，更全面回答了這幾個問題：數據中心的瓶頸在哪里，解法是什么，錢從哪里來，以及這個行業里什么被高估了，什么被低估了。

主持：Jane Liu（硅谷101） 嘉賓：David Xu（Power HF）、Dr. Zhibin Xiao（ZFLOW AI）、Christina Xu（Franchise Capital）

3.1 瓶頸與挑戰

今年，建一個1吉瓦的數據中心，要花多少錢？

600億美元。Christina透露這個數字來自Crusoe本周公布的最新數據。其中400億用于芯片、GPU、CPU和網絡層；剩余200億中，將近50%流向了人工和能源。

Christina Xu Franchise Capital高級總監 在這400億芯片層面的瓶頸依然是內存（memory），這是一個極難解決的問題。關于內存供應，廠商往往需要先從資本市場捕捉到需求信號；然而，即便他們接收到了信號，留給他們構建完整供應鏈的時間也很短，因為這一過程至少需要兩年時間。SK海力士、三星、Micron三大廠全部售罄。大型科技公司在2026 Capex中30%流向內存，這是歷史上從未有過的比例。 第二個瓶頸在于先進制程晶圓廠（leading-edge foundry）。隨后則是目前備受熱議的光器件領域，也就是CPO（co-packaged optics）和高功率EML激光器。目前供給只能滿足需求的一半。

在下游，我們來看聚焦于數據中心本身的基建部分。這部分投入約為200億美元，而在這200億中，近50%的資金都消耗在了勞動力和能源成本上。也就是發電機設備和人工成本。我曾作為投資人兼代理CFO參與過位于德克薩斯州的某項目——就在Stargate旁邊——因此我們對這一現狀有切身體會。就像Alex說的，想要采購到燃氣輪機設備非常難，更別提那些動輒數十兆瓦的超大規模需求了。即便是1到3兆瓦級的小型可集裝箱機組——市場也幾乎被Elon清空了（早期的小型發電機產能基本被Elon包攬，現在他們已經轉向更大型的設備）。

另外，一個高級電工現在的年薪可以高達30萬美元。即便開出了如此高昂的薪酬，依然無法招募到足夠數量的電工。這些才是真正制約行業發展的瓶頸所在。

從投資人視角看，目前定價權最強的依次是：HBM內存、先進制程晶圓廠、光器件，這是5到10年的結構性瓶頸。

圖為Christina Xu，Franchise Capital資深總監

Dr. Zhibin Xiao則從芯片架構的角度補充了另一個經常被忽視的瓶頸：軟件優化層的缺失。

Dr. Zhibin Xiao ZFLOW AI創始人兼CTO 就像Alex說的，GPU現在不是問題，電力和冷卻成了問題，這些是真正的物理瓶頸。但從我的角度來看，因為我做的是架構，背景更偏硬件和軟件設計，我能看到還有一個短缺：軟件優化層，也就是能夠跨異構組件進行優化的編排層，在AI數據中心里這一層是缺失的。這也是為什么即便是英偉達，也在快速創新，但仍然有點跟不上AI推理數據中心更快的發展節奏。

這也是為什么英偉達收購Groq。Jensen看中的正是LPU架構在推理解碼上的效率。異構系統的自動優化，是下一個真正的戰場。

3.2 解決方案與權衡

重型燃氣輪機和SOFC固體氧化物燃料電池是美國市場上的兩條主流表后供電路線。他們到底有什么本質區別？

Power HF的David Xu回答了以下四點：

第一，能量轉換路徑完全不同。燃氣輪機是燃燒驅動的熱力發動機，有旋轉機械部件；SOFC是無燃燒、無運動部件的純電化學轉換系統。

第二，發電效率。重型燃氣輪機單循環效率為35%到45%，加上聯合循環可達55%到62%；SOFC效率更高，達到60%到65%，如果結合熱電聯產（CHP）甚至可以達到85%到90%。

第三，排放。燃氣輪機會產生含有氮氧化物、顆粒物、一氧化碳和碳氫化合物的廢氣；SOFC如果以氫氣為燃料則零排放，即便使用天然氣也不產生氮氧化物和顆粒物，排放更為清潔，對需要滿足ESG合規要求的hyperscaler來說更具吸引力。

第四，成本結構。David認為，這是對hyperscaler來說最重要的維度：重型燃氣輪機造價最低，約2.2美元/瓦，LCOE（Levelized Cost of Electricity,"平準化度電成本"）約70美元/兆瓦時；航改燃氣輪機約3美元/瓦，LCOE約91美元/兆瓦時；SOFC約3.5美元/瓦，LCOE約90美元/兆瓦時。前期投入更大，但更綠色。

那么，如果讓David來決策一個500兆瓦的數據中心，選哪條路？

David Xu Power HF董事長兼CEO 如果沒有交貨問題，重型燃氣輪機會是最好的選擇。但現實是，重型燃氣輪機全球只有三家主要供應商：GE、西門子和三菱。你要等四到五年。所以現在沒有選擇，只能回過頭來用SOFC或者航改燃氣輪機。我的意見是兩者各半：SOFC作為新技術，可靠性和耐久性還需要時間驗證；航改燃氣輪機與SOFC的CapEx和LCOE大致相當，但供應鏈更成熟。這也是為什么馬斯克在Colossus項目里用的是航改燃氣輪機，因為交貨周期在一年以內。

圖為David Xu，Power HF董事長與CEO

Jane Liu 硅谷101創始人 對于Mag7這樣的公司來說，價格不是最重要的。時間很關鍵。你會怎么建議數據中心做時間和價格上的取舍呢？

David Xu Power HF董事長兼CEO 如果一家hyperscaler的AI業務需求非常明確、現金流也很充裕，那么支付20%到30%的溢價來加快交貨是值得的。但如果需求不確定、現金流比較緊張，我不建議支付溢價，因為機會成本太高了。

在全球化運營方面，David分享了Power HF的本地化經驗。印度業務從2006年起步，即便疫情期間中印兩國人員無法互訪，業務也未受影響。他認為進入美國AI市場最關鍵的是：在數據中心架構設計階段就介入，而不是等到采購環節才出現。

3.3 計算優化：密度、可靠性與模塊化

隨著液冷技術的普及，機架密度已經從20千瓦跳升至130千瓦。Zhibin Xiao指出，GB200和GB300單卡功耗已超過1.2到1.3千瓦，整個行業正在向48V直流架構、乃至800V高壓直流架構遷移，芯片級別的垂直供電（VPD）也成為熱門話題。

模塊化是應對GPU快速迭代的唯一解法。Jensen一年內發布了九款芯片。那么，數據中心如果不在設計階段就考慮模塊化和可擴展性，建好即面臨過時的風險。Zhibin Xiao的建議是：數據中心必須能容納未來兩到三代GPU的功耗和互聯需求，同時在軟件層面建立自動優化的AI工廠運營體系。

高密度帶來的另一個挑戰是可靠性。

Zhibin Xiao ZFLOW AI創始人兼CTO 一個芯片內存bit或互聯鏈路的單點故障，如果導致訓練任務中途停止，就可能讓你的集群損失數十萬美元。傳統數據中心靠增加硬件冗余來保障可靠性，但這在今天已經行不通了。我們需要的是系統級智能。

圖為Zhibin Xiao，ZFlow AI創始人&CEO

3.4 市場、融資和風險

投資人是否還在買數據中心的故事？Christina認為：錢還在流入，但標準變了。

今年CoreWeave的融資成本已經下降了300個基點，資本仍在持續進場。3月底他們完成了Neocloud史上第一筆IG評級融資，85億美元。值得注意的是，這筆融資真正拿到A3評級的原因，不是因為市場認為CoreWeave是投資級，而是因為照付不議（take-or-pay）合同把Meta的Aa2信用傳遞給了Coreweave，這是非常聰明的結構。

在所有hyperscalers中，甲骨文（Oracle）面臨的壓力相對最大，因為OpenAI占其RPO約54%客戶集中度風險顯著。

關于GPU折舊的擔憂，Christina給出了一個有意思的類比：GPU現在就像在伊朗的二手車，因為根本買不到新的，所以舊的不會貶值，反而在升值。H100的租賃價格在過去6個月就上漲了40%。她認為真正的信用風險窗口不在今天，而在2028到2030年。那是供應鏈追上需求、GPU不再稀缺的時間節點。

如果類比歷史危機，她認為這更像2015年的新能源危機或98年長期資本管理公司崩盤，而非2008年。

Christina Xu Franchise Capital高級總監 這些借款機構更多是其現金流回籠速度極快的hyperscalers。盡管這類業務具有極高的資本支出強度且高度集中，但借款人自身完全有能力對沖并匹配相應的風險。

3.5 電網 vs 表后供電

五年后，數據中心的電力將更依賴電網，還是轉向表后自供？

三位嘉賓的答案出現了有趣的分歧。

David Xu Power HF董事長兼CEO 表后供電意味著自供電，這是一個明顯的趨勢。根據Bloom Energy的數據中心調研，到2030年將有33%的AI數據中心使用自供電，到2035年這一比例將升至44%。趨勢非常清晰。但無論如何，混合模式能為所有AI數據中心提供更高的可靠性。我認為hyperscaler不會愿意承擔純表后供電的風險。另外，混合模式可以探索靈活的運營方式，實現更好的經濟效益。如果只依賴自供電，第一是可靠性會成為大問題，第二是投資人必須提前支付更多成本來鎖定電力。所以我認為混合模式會越來越普及，一是為了可靠性，二是為了經濟效益。至于哪種方式會占主導，我認為還是電網。我相信美國政府會加大對電網的投資。

Christina Xu Franchise Capital高級總監 長期來看，我同意電網始終是更好的選擇。但問題是，接入電網的排隊時間是四到七年。七年后可能已經AGI了。所以我們要盡可能快地行動。我們追蹤了所有數據中心的做法，比如Crusoe用航空發動機改造的燃氣輪機——也就是把退役的噴氣發動機直接用來發電。Meta也在用類似的混合方案。Bloom Energy的fuel cell也越來越受歡迎，因為它的permit速度更快。

表后供電確實比電網貴：如果用電網，大概是每兆瓦100到150萬美元；如果做表后供電加燃氣發電，大概是每兆瓦300萬美元，差不多是兩倍的成本。但為什么大家還是選表后供電？因為快。比如兩年后你可以把電網接入作為備用，但在那之前你需要盡快拿到電力。而且如果你把所有能源成本都攤進GPU的整體成本里來算，根據SemiAnalysis的數據，即便能源成本翻倍，GPU的成本也只增加了10美分。所以他們連眼睛都不會眨，在中短期內會毫不猶豫地選擇表后供電。

Zhibin Xiao ZFLOW AI創始人兼CTO 從AI原生數據中心的設計角度來看，如果真的要從零開始建，我認為需要建立自己的表后供電體系。這樣你就有了更大的硬件軟件協同設計空間。如果能控制自己的電力供應，就可以做很多硬件和軟件層面的優化。我認為這將是未來AI原生數據中心的常態。

觀眾提問

3.6 最高估 vs 最低估

最后，對我們三位嘉賓來說，在數據中心行業目前最被高估和最被低估的，分別是什么？

Christina Xu Franchise Capital高級總監 最高估的是那些靠講AI故事融大錢的公司，就像Allbirds（指All Birds這家運動鞋品牌最近轉型做AI數據中心）。最低估的是能源側的投資機會。大家的注意力都跑去追內存和芯片了，但GE Vernova財報發布后股價一天漲13%，機會還在。

Zhibin Xiao ZFLOW AI創始人兼CTO 最高估的是用GPU數量衡量算力實力；最低估的是token效率和系統效率。他還提出到一個有意思的中美分化：美國在push模型的極限，中國因算力受限被迫在效率上先行一步，而這個問題現在也開始反噬美國前沿實驗室。

David Xu Power HF董事長兼CEO 最高估的是重型燃氣輪機單循環發電模式，長期LCOE更高，但市場熱捧，交貨期漫長且價格出現泡沫。最低估的是高效熱電聯產（CHP co generation）系統的運用，雖然這項技術并不新穎，但值得更高的關注。

圖為觀眾簽到

以上就是這場線下活動的精彩觀點，我們做了適當刪減與編輯。總的來說，我們感受到，在2026年討論數據中心，從行業、供應鏈到資本，都采取了更加務實的態度。對于數據中心面臨的能源和電力瓶頸，在全球范圍內都有了更有創造性的解決思路。但是，挑戰與機會并存，之后對算力的需求只會越來越大，需要各大供應商做好準備。