（AI云资讯消息）过去几年，AI 硬件的迭代速度快得令人眼花缭乱，这也让 DRAM 短缺问题持续困扰下游客户。而眼下还有一个更为严峻的难题正在浮现：数据中心与配套电力基建，尚未做好承接准备。前沿 AI 模型训练需要规模更大的算力集群，功率密度正飙升至超乎想象的水平。最新可视化数据聚焦英伟达即将推出的 Kyber 机架系统，该机架基于 Rubin Ultra NVL576 平台打造，相关数据预示着企业服务器集群即将面临一场危机。有一组数据尤为惊人：单台 Kyber 机架持续功耗高达 600 千瓦，大约等同于 500 户普通家庭的用电量。
上图这张预估图表，直观呈现英伟达历代 GPU 架构功耗呈指数级攀升，为高性能计算的电力需求前景描绘出一幅严峻图景。回顾数据：2022 年，一套典型高密度英伟达 Hopper 机架功耗约 40 千瓦；到 2024 年，Blackwell NVL72 架构将这一数值推高至约 120 千瓦。
Kyber 机架计划于 2027 年下半年落地，单柜功耗将飙升至惊人的 600 千瓦，相较 Blackwell 架构提升 5 倍，更是普通 8 千瓦企业服务器机架功耗的 75 倍。面对显存短缺问题，头部厂商只需在数年间扩大产能，就能在一定程度上满足市场需求；但电力瓶颈，完全是另一个量级的难题。
要供给如此规模的电力，远不只是向当地电力公司争取电网容量那么简单。当下数据中心运营商正面临严峻的内部供电瓶颈：想要改造现有机房，为单个机架点位直接提供 600 千瓦电力，基本不具备可行性。据估算，亚马逊已经为 GB300 机架采购投入 50 亿美元，但受限于配套基建无法承载如此高的负载，这些 AI GPU 至今没有合适的供电方案。
这个问题并非只困扰亚马逊。头部 AI 实验室往往优先抢采最新一代算力架构，这意味着想要抓住前沿 AI 业务收益的数据中心运营商，必须从零开始建设专用机房。AI 数据中心的建设热潮规模空前，而电网早已进入瓶颈阶段，而 600 千瓦的单机架功耗，向各大云厂商敲响了重要警钟。
除非未来的数据中心从主供电干线到冷却管路都进行彻底重构，否则下一波生成式 AI 浪潮很可能陷入有电难供、无法开机的困境。
