最近，相信不少关注科技新闻特别是AI新闻的朋友经常碰到一个术语：某某大厂和某某大厂合作要建设1GW或者几GW的算力中心，投资数百亿甚至数千亿美元。那么，1GW的算力究竟是指什么呢？本文试图用通俗的语言来为大家讲解下什么是1GW的算力？
在人工智能（AI）和数据中心领域，“1GW的算力”并非直接指计算性能（如FLOPS，浮点运算每秒），而是电力容量单位——吉瓦（Gigawatt，简称GW），用于衡量数据中心所需的电力供应规模。这是一种“间接算力”指标，因为现代AI训练和推理高度依赖高性能计算硬件（如GPU或TPU），而这些硬件的能耗巨大，直接决定了数据中心的电力需求。
具体来说：
- 1GW = 1,000MW（兆瓦） = 1,000,000kW（千瓦），相当于一个中等规模城市的总电力负荷，能为约75万至100万户美国家庭供电。
- 在AI上下文中，1GW电力能支持运行数万张NVIDIA H100等高端GPU集群。例如，训练一个像GPT‑5这样的大型语言模型，可能需要数千兆瓦时的累计电力，而持续运行则要求GW级持续供电。
- 这不是“纯计算”指标，而是基础设施瓶颈的体现：AI“算力”已被电力和冷却系统限制，数据中心如“AI工厂”，GW级电力是其“燃料”。全球数据中心电力容量从2015年的26GW增长到2024年的81GW，AI是主要驱动力。
简单比喻：如果CPU/GPU是“发动机”，GW就是“油箱大小”——没有足够电力，算力再强也无法满负荷运转。
为什么现在大厂合作动不动就是几GW算力？
AI产业的爆炸式增长导致计算需求从“TB级”（10的12次方）跃升到“EB级”（艾字节）18次方），训练一个前沿模型可能需数百万GPU小时，这直接转化为GW级电力饥渴。科技巨头（如Meta、OpenAI、Google、Microsoft）难以单打独斗，于是频繁与能源公司、芯片厂商和基础设施提供商合作，目标直指几GW甚至10GW规模的项目。
主要原因：
- 需求规模化：AI模型参数从亿级到万亿级，能耗呈指数增长。Deloitte预测，到2035年美国AI数据中心电力需求将达123GW（增长30倍以上），全球中位情景下年增长33%。 单家公司建1GW数据中心已属极限，几GW需跨界合作。
- 成本与资源分担：建GW级数据中心需数百亿美元投资（如土地、电网升级、冷却系统）。合作可共享风险，例如OpenAI的“Stargate”项目与Oracle和SoftBank联手，投资3000亿美元扩容4.5GW，创造2.5万个就业。 NVIDIA与ABB合作开发800VDC电源，优化GW级AI工厂效率。
- 基础设施瓶颈：电网老化、电力短缺是痛点。美国电力公司需与科技巨头协作升级变电站和输电线，否则AI项目延误。 例如，亚马逊与Dominion能源合作建1GW数据中心，缓解弗吉尼亚州的电力压力。
- 经济规模效应：GW级集群降低单位算力成本，推动AI民主化。McKinsey估算，到2030年需新增数百GW AI容量，价值7万亿美元。
下表简要比较近期大厂GW级合作项目：
这些合作“动不动几GW”，本质是AI“军备竞赛”的基础设施赛道——谁先抢到电力，谁就领先。
它合理吗？
短期合理，但长期需可持续转型。GW级AI数据中心是AI经济不可或缺的“引擎”，但其能耗和环境影响引发争议。NPR报道称，美国AI产业面临“巨大能源和环境风险”，数据中心到2030年可能占全国电力8%（从2022年的3%飙升）。
合理的一面：
- 经济必要性：AI驱动GDP增长，Deloitte调研显示，基础设施投资可填补电网缺口，支持就业和创新。到2030年，领先AI实验室需“城市级”电力，否则落后。
- 效率进步：如Google的Gemini模型，每查询能耗已优化，碳足迹降低。 McKinsey建议“智能设计”可加速项目、降低成本。
- 可持续潜力：转向可再生能源（如太阳能+储能），Generation Investment估算，训练和推理碳排放可通过绿色电力中和。
不合理的一面：
- 环境压力：高水耗（冷却需亿加仑水）和碳排放，Reddit工程师称“疯狂且不可持续”。 CNET警告，AI数据中心正“抢夺土地、水和电力”，加剧气候变化。
- 电网风险：美国基础设施跟不上，Yahoo Finance指出，消费者电价上涨，天然气依赖加剧。
- 伦理考量：AI益处（如医疗、金融）需平衡成本，HiveMQ强调数据中心须“AI原生+可持续”。
总体而言，GW级合作在2025年是“不得不为”的现实选择，但若无监管和绿色投资（如McKinsey的“能源‑AI协同”），将不可持续。未来，核能和小模块反应堆（SMR）或成解药。
相关文章：