AI芯片几乎一年迭代一代，但一座传统数据中心从动工到投用，却通常需要18至24个月。等机房落成，原计划装入的芯片可能已经换代。

这是当下数据中心投建“狂热”背后所面临的现实问题。

在2026 AIDC产业发展大会暨3D数据中心现场会上，中国电子技术标准化研究院副院长郭楠在演讲中表示，目前全国数据中心平均上架率大约为58%，部分智算中心不足30%，行业不应只追求算力数量，还应关注有效算力与可用算力。

“新一代芯片出来之后，机房配套还没有跟上，等机房建好，芯片已经迭代，建好即落后，对产业打击很大。”9月15日，华为公司董事、华为云CEO周跃峰在会后的采访中对包括第一财经在内的媒体表示，AI基础设施建设大幕才刚刚拉开，推动整体产业成本下降非常关键。

数据中心建设跟不上芯片迭代

15日，华为发布全球首个3D数据中心架构。华为称，该架构可作为建设10万卡以上超级算力集群的参考架构。

华为认为，AI时代，高密度算力让传统数据中心在空间、供电、散热等方面面临新的挑战。机柜功率已经从风冷时代的几千瓦、十几千瓦提升至100千瓦、200千瓦，未来仍可能继续提高，数据中心原有的建设方式也面临调整压力。

周跃峰认为，过去算力基础设施的部署已经暴露出不少困难。随着芯片几乎一年迭代一代，每一代芯片的能力和能耗不断增长，AI进入智能体时代后，算力需求进一步增加。

“模型参数从几百B增长到几个T，未来还会到十个T、几十个T。”周跃峰对记者表示，未来5至10年，AI基础设施将进入高速发展时期。

但需求增长的另一面，是基础设施建设速度能否跟上算力迭代。

传统数据中心从规划、设计到建设交付，通常需要1~2年甚至更长时间，而AI芯片和服务器的更新周期已经明显缩短。芯片可以较快完成一代升级，但数据中心一旦建成，供电、制冷等基础设施并不能同步快速调整。如果建设周期与算力迭代周期出现错配，就可能出现新芯片等待机房，甚至机房建成后又需要重新适配的情况。

与此同时，数据中心“建出来”并不等于“用起来”。

对于AI数据中心而言，这一问题更加突出。传统数据中心更多按照相对均匀的负载进行设计，但AI训练和推理的算力负载可能出现较大波动。当部分机柜进入高负载状态时，如果整个机房采用相对统一的供电和制冷方案，就可能出现局部供电、散热能力不足，而其他区域资源又没有得到充分利用的情况。

郭楠表示，目前新建大型数据中心的PUE要求为不大于1.3，国家枢纽节点要求为不大于1.25。随着政策和产业发展，数据中心建设正在从单纯追求规模，转向更加关注能效和运营质量。

倒逼AI基建提速

从建设方式看，华为提出的3D数据中心，是将传统数据中心水平展开的不同功能空间进行垂直叠加，形成从下往上的供冷层、IT设备层、供电层和备电层。

过去，传统数据中心基本采用平面化布局，服务器机柜、供电系统以及制冷系统按照机房区域进行配置，3D数据中心则尝试将不同功能模块进行立体化、分层化部署。

全球计算联盟秘书长彭鹏在采访中对记者表示，AI算力爆发之后，数据中心的耗电问题越来越受到关注，算力、电力、制冷三者之间的协同，成为数据中心内部需要解决的问题。

他认为，传统平面机房存在供电距离较长、能源传输损耗，以及统一温控与实际算力负载不匹配等问题。随着AI机柜功率从过去的20至30千瓦逐步提升至80至200千瓦，这种矛盾会更加明显。

华为芜湖3D数据中心的技术人员对记者表示，3D数据中心借鉴了半导体工厂的工程化建设经验。其中，变压器、低压柜、UPS等电力设备在工厂完成集成，柜体采用全封闭设计，可以减少现场作业和调试时间。“芜湖项目总工期为9个月，主体楼宇采用钢结构预制，钢结构进场后5至6个月完成基建，各楼层可以同步施工。”

对于快速迭代的AI算力而言，将建设周期从18至24个月压缩至9个月，意味着基础设施交付节奏开始追上芯片和服务器的迭代速度，大幅缩短了算力设备等待机房的时间。

但工期提速只是AIDC需要破解的难题之一。随着模型参数从数百B迈向数T乃至数十T，算力中心的瓶颈正从单纯的计算能力，向存储、高速互联以及整体算力效率延伸。建得快只是第一步，建出来的机房能否真正跑满、用好，考验着后续的运营与适配能力。

郭楠表示，目前正在修订数据中心设计相关国家标准，增加超算、高密智算数据中心的技术指标，同时在建筑结构、电气、空调等环节增加降碳节能要求。这意味着，AIDC的升级不仅是建设方式的变革，也正在从标准层面建立新的行业规范。

在AI芯片一年一代迭代、大模型算力需求持续攀升的背景下，数据中心这个过去节奏稳健的基础设施门类，正被迫从建设方式到技术标准进行系统性重构。

（转载自第一财经）