概述

在10月12日至15日于圣何塞举行的2026年开放计算项目（OCP）全球峰会上，超大规模云服务商展示了一系列新一代基础设施，旨在满足AI数据中心在物理和经济层面面临的极端限制。随着机架功率密度突破100kW大关，且主要市场的电网互联排队时间已延长至五到七年，该行业正迅速摆脱传统的低压风冷架构。本次峰会凸显了高压直流（800V DC）配电、主流液冷技术以及专用推理芯片的融合，标志着AI工厂正在经历一场根本性的架构重构。

技术细节：800V直流与液冷技术

AI工作负载已经突破了传统配电系统的物理极限。为此，Visionbay推出了其K-1 AI工厂平台，该平台围绕800V直流架构构建，专为未来的NVIDIA Vera Rubin部署量身定制。通过采用更高的电压，K-1平台在给定功率水平下显著降低了电流，从而最大限度地减少了电缆、母线和连接器上的电阻损耗。这种效率优势在设施规模上会产生复合效应，这在当前至关重要，因为2020年至2025年间，美国数据中心附近的批发电力成本飙升了高达267%。

与此同时，液冷技术已从GPU集群扩展至网络层。Meta首次推出了其首款液冷网络机架IcePack以及IceCube 102.4T交换机平台。这标志着行业正告别传统的风冷网络环境。微软进一步验证了液冷在散热和经济效益方面的优势，报告称，与同等风冷方案相比，其Azure数据中心采用两相浸没式冷却技术使能效提升了高达15%。随着机架密度经常超过50至60千瓦这一风冷在经济上不再可行的阈值，直接芯片级冷却和浸没式冷却正成为强制性的基础设施标准。

市场背景：向推理计算的转变

AI算力的经济重心正大幅向推理计算转移，目前推理已占AI算力总支出的约三分之二。这种集中化证明了向定制芯片转型的合理性，因为通用GPU包含了推理计算从未使用过的工作负载电路。谷歌于2026年4月发布的第八代TPU 8i正是针对这一转变，声称其推理的每美元性能比前代提升了80%。微软基于台积电3纳米工艺打造的Maia 200于2026年初投入量产，配备了专为推理经济性设计的张量核心。其继任者Maia 300计划于2027年推出，微软表示内部测试显示其效率将进一步提升。

行业影响：网络与互连技术

100千瓦以上的计算密度带来了与散热同样复杂的网络挑战。为防止互连成为瓶颈，行业正聚焦于“跨规模扩展（scale-across）”连接技术。思科推出了Silicon One G302 1.6T芯片，并与NVIDIA联合开发超密集小型可插拔（USFP）标准，提供每通道400G的可插拔光模块。博通展示了其Tomahawk 6交换机及第三代TH6-Davisson光电共封装（CPO）技术，该技术将光接口直接集成到交换机封装中，以降低延迟和功耗。这些进步对于在机架和区域之间连接AI算力而不导致性能下降至关重要。

对AI数据中心的影响

向800V直流和液冷技术的过渡不仅限于超大规模云服务商；主机托管行业也在采用这些规范以保持竞争力。然而，首要制约因素依然是电力可用性。由于电网接入排队时间长达七年，超大规模云服务商正日益将现场发电和直接整合可再生能源置于传统电网连接之上。因此，现在的选址主要由可用的电力容量驱动，而非传统的地理位置或基于延迟的因素。吉瓦级AI设施所需的基础设施涉及众多供应商，专有接口若要在不造成集成瓶颈的情况下运作已不切实际，这使得开放标准成为缩短部署周期的关键。

未来展望：标准化与规模化

行业正迈向统一的蓝图设计，以管理下一代AI工厂的复杂性。NVIDIA通过其开放的MGX架构，向OCP贡献了Vera Rubin机架和计算托盘设计，提供了通用的机械和电气基准。此外，Meta、微软和阿里巴巴正共同主导开放交换机平台架构（OSPA），以实现交换机层电源管理和传感器控制的标准化。NVIDIA、AMD、谷歌和Meta联合发布的《开放数据中心规范v0.7》，定义了机架级盲插液冷和可互操作互连的统一蓝图。预计到2035年，定制AI ASIC市场规模将达到1373.8亿美元，这些开放标准将成为超大规模云服务商保持AI基础设施扩张步伐的主要机制。