能源焦虑似乎是一个永恒的话题，从蒸汽机到内燃机，从煤炭到石油，世界的发展总是围绕着能源打转，到了AI时代，这一点也未曾改变。
OpenAI CEO Sam Altman在多个场合提到，未来的人工智能需要能源方面的突破，因为AI消耗的电力将远远超过人们的预期。马斯克也曾预言，未来两年内将由“缺硅”变为“缺电”。
数据显示，ChatGPT每天要响应大约2亿个请求，这个过程会消耗超过50万度电力。预计到2027年，整个人工智能行业每年将消耗85至134太瓦时（1太瓦时=10亿千瓦时）的电力，约等于北京市2023年全年的耗电总量（135.78太瓦时）。
巨大的能源消耗主要产生在两个方面，其一是驱动AI服务器计算、存储消耗的能源，其二则是为AI服务器降温消耗的能源，这里面前者占60%，后者占40%。
不过，虽然前者占比更高，但由于AI的发展对算力的需求越来越大，所以即便AI芯片的能效一直在提高，但还是无法改变整体功耗持续上涨的趋势。因此，如何降低服务器冷却时消耗的能源，就成为了降低AI运营成本、减少能源消耗的关键。
而为此，大到Google、微软这样的科技巨头，小到服务器研发供应商，尖端前沿如SpaceX也都在为此绞尽脑汁。
进阶的服务器 从风冷到液冷
虽然大模型的风是从2023年才刮起来的，但服务器冷却并不是什么新课题。
1945年，世界上第一台通用计算机ENIAC诞生。为了解决ENIAC耗电量巨大且发热高的问题，当时的工程师就采用了风扇来为ENIAC降温，这差不多是最早的服务器制冷技术。
但风扇制冷的效果毕竟有限，而当时的计算机又都是大块头，且耗电量巨大。比如ENIAC重量大约在30吨左右，占地面积170平方米，功耗达到每小时150~174千瓦。
面对这样的庞然大物，仅靠风扇的制冷就有些力不从心了。所以到1951年，当美国雷明顿兰德公司推出第一款商用计算机UNIVAC I时，就已经用上了空调制冷。
空调最早发明在1902年，最初是为了给印刷厂保持恒温，后来陆续走入家庭，大约1920年的时候就已经在美国被广泛使用了。所以在1951年UNIVAC I面世时，空调系统已经异常成熟，当时雷明顿兰德公司就专门为UNIVAC I设计了一套中央空调制冷系统。
▲图：维基百科，1951年美国人口普查局的UNIVAC I
从此之后，空调制冷就逐渐成为大型计算机，以及后来的服务器机房最主要的制冷方式，并持续了将近一百年的时间，直到后来液冷技术登上舞台。
和空调制冷一样，液冷技术最早也不是应用在服务器场景的，而是应用在机械加工、电力变压器，或者航空航天等领域。其在服务器领域的应用，也不过是最近二十多年的事情。
这是因为全球互联网的浪潮一直到1994年前后才出现第一次爆发。从这之后，互联网公司为了提供高效的服务，大规模存储数据，才开始大规模建设和使用数据中心。
也因此，由于大量计算需求带来的芯片功耗提高，服务器密度增加等原因，传统的空调制冷设备就显得有些力有不逮，并开始限制芯片性能的提高。
苹果、惠普和戴尔供应商Liteon的副总裁Simon Ong表示：“我们发现采用风冷方式的芯片只能达到其性能的60%，并且会存在一定的过热问题，而液冷解决方案可以继续将计算性能提升至最优化。”
3月1日，在斯坦福大学举行的2024年SIEPR经济峰会上，黄仁勋表示，英伟达的下一代DGX AI服务器将采用液冷技术。
根据艾邦储能网统计，单个DGX H100系统消耗的功率大约为10kW，液冷可提高整体能效20-40%，1万个DGX系统能节省20-40兆瓦的功耗，按0.10美元/千瓦时计算，相当于每年节约2000-4000万美元能源成本。
▲图：Nvidia，DGX AI服务器
液冷除了有更高的散热效率和更低的能耗水平，与风冷相比，它还能减少服务器的占地面积，即同样大小的机房，能够放下更多的服务器。种种优势让液冷技术逐步替代风冷，成为数据中心的主要冷却方式。
谷歌应该是全球范围内最早探索使用液冷技术的互联网科技企业之一。
2006年，谷歌前CEO埃里克·施密特在搜索引擎大会（SES San Jose 2006）上首次提出“云计算”（Cloud Computing）的概念，同时谷歌的数据中心也开始快速增长。
2009年，华尔街日报报道了谷歌开始探索液冷技术在数据中心的应用，以达到提高数据中心能源利用效率的目的。当时谷歌就表示液冷技术可以将数据中心的能耗降低40%。
也是这一年，惠普推出了一款名为ProLiant DL380 Gen8服务器，采用全新的液冷技术，可以将功耗降低40%。两年之后，IBM也推出了一款使用液冷技术的服务器，名为System x3550 M5，可以将功耗降低45%。
此后，微软、亚马逊、Facebook（现Meta）也开始纷纷跟进，并先后在2019年~2022年左右，将所有的数据中心的制冷方式都转换成液冷模式。
当然，液冷技术也分为很多类别，按照冷却液进入电子设备的方式不同，大致可分为芯片级液冷，浸没式液冷、喷淋式液冷、冷板式液冷等等。
比如芯片级液冷，就是将冷却液直接输送到芯片顶部，以吸收芯片产生的热量。这种形式降温彻底，但结构复杂、成本较高。浸没式液冷则是将整个电子设备浸泡在冷却液中，这种形式冷却均匀，但体积庞大，维护不便。
喷淋式液冷是将冷却液喷洒在电子设备上，虽然冷却效果差一些，但胜在结构简单，成本较低。冷板式液冷则是通过由铜管、铝板等高导热材料制成的冷板来降温，工作原理有些类似北方的暖气片，差别只是一个增温，一个降温。
目前，市面上使用最广泛的就是冷板式液冷。按照Gartner的数据，2023年全球数据中心液冷市场中，冷板式液冷技术的市场份额约为60%。
但最近两年，喷淋式液冷和浸没式液冷的市场份额也有所增加。Gartner的数据提到，2024年全球数据中心液冷市场中，喷淋式液冷技术和浸没式液冷技术的市场份额将分别达到约25%和约15%。
喷淋式液冷市场份额的增加，主要是因为它结构简单，也更易于安装和维护，是所有液冷技术中成本最低的一项。
联想在其2023年发布的《喷淋式液冷服务器白皮书》中提到，“喷淋式液冷技术具有良好的扩展性和灵活性，可以满足不同类型数据中心的需求。”这符合目前数字化转型过程中，越来越多企业建设私有云和自己的小数据中心的需求。
而与喷淋式液冷因为成本被选择不同，浸没式液冷市场份额增长的主要原因是效率。
因为随着人工智能，特别是大模型的发展，市场对数据中心的能源效率和服务器性能有了更高的要求，而最近两年，由于技术的成熟也导致沉浸式液冷的成本逐渐下降，进入更多企业可接受的范围。
整体上，液冷技术已经成为目前市场上最主要的服务器冷却方式。
上山下海的数据中心
虽然液冷技术对降低数据中心的能耗起到了巨大的作用，但对于高速增长的算力以及其带来的巨大能耗来说，仅靠传统的液冷方式还远远不够。
更何况液冷技术还存在一些问题，比如巨大的耗水量。
谷歌在其官网公布，2021年，谷歌数据中心平均每天消耗约45万加仑水。这大约相当于灌溉17英亩草坪一次的水量，或者种植用于生产160条牛仔裤的棉花的水量。
同年，谷歌全球数据中心机队消耗了约43亿加仑的水，相当于美国西南部每年灌溉和维护29个高尔夫球场所需的水量。
▲图：谷歌
除此之外，随着全球ESG的理念越来越成为评判企业的重要标准，减碳甚至无碳成为了数据中心运行的重要标准。
为了解决这些问题，谷歌从很早就开始脑洞大开。2009年，谷歌在芬兰从一家造纸公司手里买下了一家造纸厂，开始着手将其改造成数据中心。
选择芬兰，一个原因是纬度高，自然环境温度低；另一个原因是这家造纸厂位于芬兰南部海岸，谷歌打算引导海水来为数据中心降温。
目前，这个项目的一期工程已经在2011年9月完工，谷歌初期投入了2亿欧元，但到目前为止，总投入已超过20亿欧元。谷歌的目标是在2030年以前让所有数据中心和园区全天候完全采用无碳能源来运营业务。
同样选择借助自然环境降温的还有Facebook，其2011年宣布在瑞典北部的一座名叫吕勒奥的城市建设数据中心。
选择这个地方的原因，其一是因为这是一座工业城市，电价便宜。其二则是因为这里纬度高。吕勒奥距离北极圈仅有110公里左右，每年十月份就开始飘雪，冬季平均气温大约在零下6°C至零下13.6°C，即使在夏天，平均温度也只有12°C - 20°C。
这个项目在2011年开始建设，巨大的风机将外部冷空气引入机房内，为成千上万台服务器物理降温。按照扎克伯格的说法，他们吕勒奥数据中心的工作效率比传统数据中心高10%，能耗却低40%。
与谷歌和Facebook在地面上想办法不同，艺高人胆大的微软则直接选择将数据中心扔进了海里。
微软认为，世界上一半以上的人口居住在距海岸约120英里的范围内。将数据中心放置在沿海城市附近的水域中，数据可以短距离传输到沿海社区。
2015年，微软一个名叫Natick的项目正式启动；2018年，该项目团队通过一个压力容器，将装有864台服务器的12个服务器机架沉入苏格兰海岸附近的海床。两年之后，他们将这个巨大圆柱体捞出，验证了项目的成功。
▲图：微软
目前，这项技术在国内也同样得到了应用。
2022年12月，海南海底数据中心成功将装有近300台服务器的“海底数据舱”放入海底并开始向外输出数据，成为全球首个商业用的海底数据中心。
该项目总经理蒲定在接受环球时报的采访时提到，“以陆地1万个机柜为例，同等算力的海底数据中心，每年能节省用电总量1.75亿千瓦时、节省建设用地面积9.84万平方米、节省淡水15万吨。”
有企业将服务器放在海里，自然也有企业将服务器放在山里。
比如2017年，富士康的数据中心就落户在贵安新区的山洞里。设计人员将山底部的两头打通形成隧道，让空气对流，使山体内部温度低于外部的自然条件，成为机房服务器的天然 “空调房”。
贵州位于北纬26度左右，四季温度均衡，再加上天然的喀斯特地貌，让山体成为服务器的天然容器。
2021年，我国提出“东数西算”战略，贵州也因此成为我国西部最重要的数据中心之一。包括苹果、华为等众多头部企业都在贵州的大山里建立了自己的数据中心。
结语
如果说，谷歌、Meta等知名大公司之间的AI竞争，是人和人之间的技术竞赛，那么，AI对提升能源效率的迫切，本质上是对人与自然资源之间关系进行重新解构。
能量是守恒的，人类在获取一种更先进的生产力、试图无限扩大它的能力上限的同时，也必须去思考可能付出的代价是否超出了自己的极限，以寻找最优解来更科学地配置资源。
Open AI点燃了新一代AI争夺赛，将AI“吃电”量推向新的高峰，原先“看不见”的能源之战，也被摆在了明面。
虽然各家公司“上山下海”地寻求解决之道，但也可能面临一些争议和技术挑战，比如服务器放置在深海可能会影响海洋生态，而偏远地区的数据中心可能会涉及复杂的物流和维护问题。
这就像打开了“俄罗斯套娃”，每解决一个问题，会发现背后总是出现新的问题。
凡事皆有代价，当资源稀缺的时候，也是考验人类智慧的时候，或许，新的能源解决方案就在前方，只有人类开启“迫切”的阀门，才会更近距离地获取新的方案。
文章来源：钛媒体APP/网易号
1 年前
阿联酋宣布计划投资300亿至500亿欧元，在法国开发一个大型人工智能数据中心，其数据中心的计算能力预计高达1千兆瓦。 该项目是法国和阿联酋政府间的合作，作为两国人工智能合作协议的一部分，法国总统马克龙和参加巴黎人工智能峰会阿联酋总统出席了签字仪式。 据称，法国和阿联酋冠军财团将建设一个专门用于人工智能的园区，使其成为欧洲最大的人工智能园区，第一阶段的投资尚不明确，或将在2025年5月宣布。 此项合作是阿法双方在巴黎人工智能行动峰会上宣布的。
1 年前
华为的FusionPower业务单元主要关注的是智能电力解决方案，对于FusionPower这样的智能电力解决方案，虽然其核心不是人工智能，但很可能采用了华为的其他产品和服务中的AI技术。
2 年前
百度智能云千帆大模型平台服务南方电网人工智能应用场景，实现AI电力技术创新。
9 天前
西门子Xcelerator开放式数字商业平台作为正式发布生态合作伙伴"繁星计划"，旨在发挥平台网络效应，与生态伙伴共享知识与技术资源，共创面向客户的解决方案，共赢数字化与低碳化新机遇。
14 天前
AI 研发已从单点 Prompt 优化迭代至Harness 工程底座 + Loop 自治闭环 + SDD 标准化规范的三位一体体系，通过重构人机协作模式，解决大模型落地不稳定、难规模化的痛点，实现企业级 AI 从原型试用走向工程化、自动化、体系化落地。
19 天前
WorkBuddy有望拿下国内独立桌面自动化办公智能体细分第一。但受企业协同生态、移动端能力等短板限制，无法成为全域企业及全球办公AI赛道第一名，将与钉钉悟空、WPS AI形成差异化竞争格局。
26 天前
OpenClaw工具与生态完整生命周期判断 本文尝试分短期、中期、长期三段，结合项目现状、风险、护城河客观测算OpenClaw这款智能体工具或者相似工具的发展趋势。 一、短期生命力（1～3年，2026–2029）：完全安全、高速增长，是黄金运营窗口期 支撑理由 赛道刚需独一无二，差异化壁垒极强 OpenClaw是极少数本地系统级执行、模型无关、纯自托管的终端Agent运行框架，定位“能操作电脑文件、软件、桌面的AI助手”，区别于LangGraph/CrewAI这类后端开发框架、AutoGPT纯实验型智能体。普通办公、个人自动化、小微企业没有替代同类成熟开源工具，C端+中小企业需求持续释放。 社区与生态飞轮已经跑通 GitHub 30万+星标、近千名全球持续贡献者，日均数百条PR/Issue迭代，更新频率行业第一；创始人Peter全职维护，大厂（英伟达、Kimi、MiniMax）主动适配接入； ClawHub官方技能仓库沉淀数千标准化Skill，国内衍生生态（xia345、各类中文技能站、私有化二次改版）持续扩容，形成标准锁定； MIT宽松开源协议，允许企业二次改造、搭建托管服务，大量服务商入局完善配套生态（部署、安全加固、私有化定制）。 行业周期红利：本地终端Agent处于普及早期 2026被行业定义为桌面Agent落地元年，云端大模型成本持续下行、本地Ollama离线模型普及，完美匹配OpenClaw“本地优先”架构；未来3年，个人自动化、企业内网办公自动化需求只会扩张。 短期仅有的可控风险 Token调用成本偏高、频繁更新易出现版本兼容bug、本地高权限带来安全隐患； 以上问题官方正在持续迭代修复，企业级备份、权限沙箱、日志审计功能已逐步补齐，属于可优化痛点，不会动摇存续根基。 结论：未来1–3年是生态最繁荣、流量最大、变现最顺畅的阶段。 二、中期生命力（3～7年，2029–2033）：稳定存续，但竞争加剧、增速放缓 存续核心逻辑 标准化生态具备长期锁定效应 SKILL.md、ClawHub统一技能规范、openclaw CLI命令行已经形成行业事实标准。就算出现竞品，开发者、存量数万套技能、企业定制项目迁移成本极高，生态不会短时间崩塌，会维持稳定使用人群。 分层商业模式支撑项目持续维护 原生项目开源免费，但周边商业化闭环成型：企业私有化部署服务、安全审计、托管云服务、垂直行业技能付费、模型渠道分销，持续产生现金流反哺社区开发，不会出现“没人维护停更”的局面。 使用人群分层留存 C端极客、办公自动化爱好者会长期使用； 中小企业内网自动化、数据处理场景高度依赖本地执行Agent，大厂SaaS Agent无法满足内网隐私需求； 开发者持续基于OpenClaw做二次分支、私有化改版，衍生生态会持续分流、延续整个“龙虾生态”的热度。 中期衰减变量（会降低增速，但不会淘汰项目） 微软、苹果、国产操作系统推出原生系统级AI助手，抢占普通小白用户； 新轻量化终端Agent开源框架分流开发者； 各国监管对本地高权限AI自动化工具出台更严格合规要求，提高企业落地门槛； 结论：3–7年不会消亡，但行业从爆发期进入存量竞争，流量红利收窄，平台需要深耕私有化、企业定制、垂直细分赛道才能持续盈利。 三、长期生命力（7年以上，2033之后）：分两种极端走向 走向1：长期持续存活（概率60%），变成基础设施级工具 如果行业发展符合以下趋势，OpenClaw会像现在的Python、Git一样长期存续： 终端自主Agent成为电脑标配生产力工具，本地执行、离线隐私是永久刚需； OpenClaw持续完成企业级、合规化改造，成为政企内网自动化标准选型； 社区形成基金会/商业公司承接维护，摆脱单一创始人依赖，实现长久开源运营。 走向2：逐步边缘化、被新一代架构替代（概率40%） 触发条件： 操作系统底层内置标准化Agent执行层，统一API，第三方独立运行框架失去生存空间； 多模态、具身智能技术迭代，全新架构完全替代“技能+本地脚本执行”模式； 全球监管全面限制本地高权限自主AI工具，商用落地基本锁死，仅小众极客圈子留存。 即便被边缘化，存量存量技能、配套站点、私有部署项目仍会维持5–10年长尾生命周期，不会瞬间彻底消失。 四、关键风险：会大幅缩短生命周期的致命隐患 安全重大事故 若出现大规模Skill供应链投毒、批量本地数据泄露事件，企业端市场会快速萎缩，仅保留个人玩家生态；官方正在完善自动病毒扫描、技能审核机制，风险持续降低。 创始人断更、无承接主体 当前项目由Peter单人主导，若后续精力转移、无商业公司接手维护，迭代速度断崖式下滑，竞争力快速落后竞品；目前已有多家AI服务商、模型厂商深度合作，存在接手预期。 算力成本长期居高不下 如果大模型API按量价格无法大幅下降，普通用户长期使用成本过高，会劝退大众用户，仅留存企业付费群体。 国内政策监管收紧 国内针对本地自主自动化工具出台限制，国内衍生生态、配套导航平台流量大幅下滑，但海外生态不受影响。 五、综合最终总结 0–3年（黄金期）：放心投入建站、填充内容、运营变现，生态高速扩张，流量红利充足； 3–7年（平稳期）：生态稳定存在，竞争变多，需要走差异化（私有化、离线、海外双语）路线维持竞争力； 7年以上（分化期）：要么成为长期基础设施永续存在，要么逐步小众长尾，即便衰退也有数年缓冲时间； 整体安全底线：至少拥有5年以上稳定商业运营周期，足够覆盖站点开发、回本、盈利完整周期；中长期只要避开通用综合赛道，主打本地离线私有化细分，生命周期会进一步拉长。
2 个月前
马斯克旗下 xAI 静默上线 Grok 4.3，API 价格下调约 60%，引发行业连锁降价，大模型商业化进入 “低价普惠” 阶段。
