AIDC建设正经历从传统数据中心向智算中心的范式跃迁。东方财富证券报告指出，当前AIDC建设呈现出集群化、规模化、高密化三大核心趋势，单机柜功率从2-10kW向12-24kW乃至更高规格跃升，液冷技术渗透率在AI训练服务器领域已超90%。华为CM384超节点的全光互联方案、NVL72的铜互联方案等技术路径的分化，正在深刻重构AIDC产业链的价值分布与竞争格局。
AIDC建设趋势的总览与演进方向
AIDC建设趋势的核心驱动力来自Scaling Law的持续有效——更大参数、更多数据的大模型仍然是全球AI竞争的制高点。近10年来，智算中心IT负载规模出现3次跃迁：2015-2022年头部客户GPU集群一般在千卡级，IT负载在1MW体量；2022-2023年达到万卡规模，基地型部署开始超10MW；2024年以来，单一基地部署5-10万GPU卡集群成为头部客户刚需，基地型数据中心规模跃升至200MW。AIDC建设趋势已从“能建就行”转向“高效、高密、高算效”的精益化建设阶段，集群化、规模化的背后是高密化的必然要求，而高密化又倒逼散热、供电、互联等配套技术的全面升级。
基地型智算中心规模跃迁趋势| 时间阶段 | 主要需求 | IT部署规模 | 智算中心基地规模 |
|---|
| 2015-2022 | AI及大数据平台 | 千卡以内集群 | <1MW |
| 2022-2023 | 大模型训练资源池 | 千卡至万卡集群 | 1-30MW |
| 2024年以后 | 超大规模大模型训练 | 10万GPU集群 | 200MW |
集群化与规模化——从千卡到10万卡的基建跃迁
AIDC建设趋势中集群化特征最为突出。Scaling Law决定了可预期的未来2-3年内，更大参数、更多数据的大模型仍然是全球AI竞争的制高点。智算训练业务需要建立高度集中化的GPU集群，以确保大模型训练的效率和成本最优。2024年以来国内大模型训练参数量超万亿，单一基地部署5-10万GPU卡集群逐渐成为头部客户刚需。字节跳动已着手自主研发Scale-up网络协议EthLink，支持同一Scale-up网络域最大1024个GPU节点。集群化趋势直接拉动了对高带宽、低时延网络设备的需求，光模块用量随集群规模线性增长——以CM384为例，单系统即需6912个400G光模块，若扩展至万卡集群，光模块用量将达数十万只量级。同时，集群化部署对供电、散热、机房空间提出了更高要求，推动AIDC建设从单机柜优化走向系统级全栈优化。
高密化——单机柜功率持续攀升与散热方案演进
AIDC建设趋势中高密化是最直接的技术约束。全球数据中心平均单机架功率已从2017年的5.6kW/机架提升至2023年的12.8kW/机架，超算、智算中心的单机柜功率甚至超过30kW。2024年中国新增数据中心中平均单机柜功率大于8kW的数据中心占比达38.9%。伴随单机柜功率的提升，风冷技术受限于空气的热传导效率，难以满足高密度散热需求。液冷技术利用液体高导热性，已成为智算中心制冷系统的优先选择。2024年中国液冷服务器市场销售额23.7亿美元，同比增长67%，出货量23.8万台，同比增长47.7%。当前数据中心液冷技术整体渗透率不足20%，但在新建超大型数据中心中渗透率已超70%，AI训练服务器领域2024年渗透率已达90%以上，2025年预计进一步提升至95%以上。冷板式液冷是现阶段应用最广泛的方案，应用比例达91%。
全光互联——Scale-up网络架构升级带动光模块用量倍增
AIDC建设趋势中网络架构的升级是隐性但关键的变量。CM384突破了国产芯片单机8卡的限制，采用全光互联方案实现384卡集群。每颗910C配备7个400G光模块提供2800Gb/s的Scaleup带宽，单CM384系统合计6912个400G光模块，而Scale-out层还需额外1536个。与之对比，NVL72采用铜互联方案，72张GPU分布在一个机柜内，传输距离短，DAC铜缆即可满足需求。CM384为多rack方案，需完成机柜间互联，铜缆传输距离不足，只能采用全光互联。随着Scale-up域从384卡向千卡、万卡演进，交换机容量成为决定GPU数量上限的关键——当前国内头部CSP已发布自研51.2T交换机，最多可支持1024张400G光模块连接。全光互联趋势下，光模块用量将随集群规模呈非线性增长，直接拉动高速光模块市场需求，并倒逼光模块速率从400G向800G、1.6T加速迭代。
