行业分析确定AI基础设施进入电力约束时代,需要新的电网规划范式。

关于亚太地区人工智能的新闻标题往往聚焦于最大的数字：更大的数据中心、更大的投资承诺，以及对地区人工智能支出的越来越高的预测。然而在这些数字背后隐藏着一个更根本的问题：该地区能否产生并提供足够的电力来支持这些雄心壮志？

随着人工智能的扩展，电力——比资本或芯片更重要——正在迅速成为关键制约因素，重新定义了基础设施领导力的含义。

需求本身不成问题。国际数据公司(IDC)预测亚太地区（日本除外）数据中心电力容量到2029年将达到约142,600兆瓦，而高德纳公司(Gartner)预计全球数据中心电力需求到2030年将翻倍。真正的瓶颈是供应。由于主要市场的电网接入等待时间超过四年，获得可靠电力已成为一个战略差异化因素。对于企业领导者来说，这将曾经的设施问题转变为企业战略问题。

在过去十年中，对人工智能扩展需求的应对很直接：增加更多加速器、更多机架、更多容量。但当电力成为制约因素时，这种方法就会适得其反。关键问题转变为：每单位电力能产生多少价值，而不是能部署多少计算容量？

每瓦性能正在成为人工智能基础设施最重要的指标之一。效率不再是可持续发展的附注，而是成为一个实际因素，决定了组织可以用可用资源扩展多远。这需要思维方式的实质性转变，具有真实的商业含义。对许多数据中心来说，电力已经是最大的运营成本，因此每台服务器、每个机架和每个冷却选择的效率问题应该在董事会上讨论，而不仅仅在服务器机房。从每一瓦电力中获取更多有用工作的组织将有更大的增长空间。将效率视为事后考虑的组织可能会发现其选择范围比预期更早缩小。

政策制定者已经在执行这一优先事项。2025年底，新加坡经济发展委员会和资讯通信媒体发展局开放了第二次数据中心应用征询(DC-CFA2)，指导至少200兆瓦的新容量分配给满足能源开销、设备效率和绿色电力严格标准的运营商。马来西亚已将数据中心税收激励与能源效率和排放目标挂钩，作为其推动2050年前实现70%可再生能源和净零排放的一部分。联想也为2050年设定了净零温室气体排放目标，由基于科学的目标倡议(Science Based Targets initiative)验证——这是一项可测量的承诺，而不是笼统的目标。

最大的设计错误之一是仅针对即时工作负载进行优化。关于人工智能的公众讨论主要集中在训练大型模型上，这种模型计算密集但呈脉冲式发生。随着组织从实验转向部署，推理成为持续工作负载：一个模型回答客户问题、检查支付或指导工厂生产线流程。每项任务的功耗可能较小，但它是恒定的且日积月累。按假设每个提示成本一美分计算，一个拥有1000万用户、每天发出10次请求的服务每天将在电力和计算上花费约100万美元。

仲量联行(JLL)预计，推理将在2027年前后超过训练成为主导数据中心人工智能工作负载，这意味着随着人工智能部署的成熟，这一运营成本将继续上升。解决方案是将架构视为战略决策，并为工作负载的整个生命周期进行设计——根据每瓦性能而非标题速度选择基础设施，根据持续的实际需求而非峰值日来调整系统规模，并将每个工作负载与其表现最佳的环境相匹配。

工作负载运行的位置是领导者对成本、性能和能源使用最直接的杠杆之一，指向混合方法。大规模训练运行应位于密集计算能力和所需冷却可用的地方。相比之下，推理通常位于更接近数据源和决策制定地点的地方，包括边缘。这降低了延迟、带宽使用和功耗，同时帮助组织解决数据主权和在整个地区日趋严格的合规要求。没有单一正确的环境——只有每个工作负载的正确环境。

跨越本地系统、边缘和公有云的混合人工智能正在成为默认的企业架构。将工作负载放置视为刻意的设计选择而非默认设置，可以在人工智能扩展时控制能源成本和响应时间。

没有单一组件能够独自实现这种效率。当硅、系统设计、软件和冷却系统被设计成协同工作，每个元素都能缓解其他元素的局限性时，收益就会出现。进展取决于芯片制造商、基础设施供应商和部署组织在技术堆栈中的协作。

冷却已从数据中心的后部移至基础设施战略的中心。企业希望更多可用电力和预算支持人工智能增长，而不是简单地散热。随着人工智能机架运行温度升高，空气冷却达到其极限。密集空气冷却需要更多风扇和对冷却机的更大依赖，增加了计算设备本身之外的能源成本。降低冷却开销是改进数据中心效率最快的方法之一。

海王星温水冷却技术说明了这可能是什么样子。通过将温水直接循环到最热的组件，它减少了对能耗密集的风扇和冷却机的依赖。联想报告称，与类似空冷系统相比，该技术可将数据中心功耗降低高达40%，能源使用效率低至1.1——低于典型常规水平。这样的系统已在亚太地区的气象机构、大学和研究机构中使用。

当整个技术堆栈为效率而设计时，节省累积起来。低能源使用和低排放带来环保效益，帮助组织应对在整个地区日趋严格的披露期望。但效率上升在企业议程中的更直接原因更简单：在电力受限的地方，效率是使增长保持可达范围内的因素，无论能源组合如何。商业和环保案例指向同一个方向。

亚太地区有一个关键优势：其大部分支持人工智能的容量正在现在构建，允许从一开始就将效率设计到基础设施中。领先的领导者将花钱明智，而不仅仅是花费更多。他们将基础设施视为一系列效率和工作负载放置决策，而不是增加容量的竞赛。在人工智能采用的下一阶段，竞争优势不会来自于部署最多的基础设施，而是来自于从每瓦中提取最大价值。在电力而非雄心是稀缺投入的地方，充分利用每一瓦的组织将处于最佳规模扩展位置。