随着人工智能（AI）技术飞速发展，算力需求呈现爆发式增长。从GPT-1到GPT-5，模型参数量从1.17亿跃升至数万亿，模型结构也在不断演进，从稠密 LLM模型向MoE稀疏化模型以及多模态模型持续演进。 面对这一趋势，单纯依靠传统服务器的简单堆叠已无法满足需求，AI算力设施正加速向高密度、液冷化、集群化方向演进，这不仅带来了更高的功率负载 和更复杂的散热要求，也对传统数据中心的散热、供配电系统、网络设计等提出了新的挑战。 9月17日，在上海召开的首届AIDC产业发展大会上，中国电子工程设计院数据中心事业部副总经理王志强向包括《每日经济新闻》在内的媒体记者表 示："当前整个GPU芯片及AI集群的功率密度演进速度，已超过传统云数据中心的技术演进路径。超高密度、超大规模部署，使基础设施在动力适配、楼体 结构、空间规划等方面面临巨大挑战。" 在王志强看来，为匹配AI负载的快速演进对算力的需求，机房要具备足够的灵活性和弹性扩展能力，并且在机房的规划和建设模式上也需具有前瞻性。 算力设施将走向高密、液冷 事实上，随着AI训练与推理任务复杂度的不断提升，单机柜功率正从当前的50kW（千瓦，功率计量单位）向300kW甚至更高 ...