进博会芯片巨头转向电力端：AI算力竞赛盯上800V供电

11月5日至10日，第九届中国国际进口博览会在上海国家会展中心举行。

本届进博会迎来148个国家和地区的4142家企业参展，企业展面积第一次突破37万平方米。半导体材料、设备、设计、成品等产业链环节都在技术装备展区亮相，人工智能、绿色智算、智能终端成了重点展示方向。

展台上，AI PC、智能机器人、数据中心基础设施等AI产品与解决方案占据显眼位置。高通带来的是覆盖AI手机、PC及机器人的智能终端生态；西门子把工业AI与人形机器人搬进柔性生产场景；施耐德电气则展出面向万卡集群的AI数据中心方案，涉及模块化部署、高密度供电和液冷技术。

AI技术加快进入产业应用，与工业制造、能源、医疗等领域的融合越发深入，企业关注的重点也随之转向AI技术的实际应用与商业价值。

英特尔展区里，绿色算力舱、企业级词元一体机和智能体PC成为焦点。英特尔中国区董事长王稚聪表示，希望把算力与新能源结合起来，摸索一条从绿色电力到AI Token的转化路径。

一位科技企业参展人士对腾讯科技说：“过去客户可能更关心AI能做到什么，现在越来越多客户开始问，部署一套AI系统需要多少成本、能否稳定运行，以及多久能够收回投入。”在他看来，AI进入更多实际业务场景后，企业对技术的关注正从能力展示逐步转向应用效果和投入产出。

要让AI真正落地，技术之外还得解决供电、算力成本和实际效益问题。从终端设备到工业生产，再到算力基础设施，全球科技企业正围绕AI的规模化应用展开新一轮布局。

01 当电力和成本成为核心

过去几年，AI行业的竞争主要围绕模型性能和算力规模展开。

大型科技公司不断投入GPU、建设数据中心，以支撑规模越来越大的模型训练和推理任务。

不过，AI加快进入实际应用阶段后，算力需求的增长也开始暴露出新的基础设施问题。

国际能源署在2026年更新的预测里给出了两组数字：2025年全球数据中心用电量约485太瓦时，2030年可能升到950太瓦时，差不多是翻一番。AI数据中心这块的用电需求，涨得还要更快。

训练大模型需要集中投入大量计算资源，推理服务则要跟着用户请求持续运行。AI编程、内容生成、企业智能体等应用发展起来后，推理负载的规模、使用频率和部署位置都变得更加多样。

对企业来说，用AI的成本不只是买算力或调用模型的费用，响应速度、数据安全、系统维护和资源利用率也要算进去。

算力成本因此变成一个更复杂的问题。

比如在新能源资源丰富的地区建数据中心，电价上可能有一定优势，但网络时延、储能成本和算力利用率同样得考虑。

反过来，把推理设备放在企业内部，云端调用费用或许能省下一部分，硬件折旧、运维和模型升级的成本却要由企业自己承担。

所以，AI产业的核心问题正从如何获得更多算力，扩展到如何让算力更经济、更稳定地运行。

02 竞争逻辑正在改变

针对这些问题，全球芯片企业、云服务商和数据中心运营商正在尝试不同的技术路线与商业模式。

第一，算力越来越强，供电配置也得跟上。

到2026年，英伟达、谷歌、微软等厂商把800V高压直流供电架构又往前推了一步，同时借助开放计算项目（OCP）跟产业伙伴一起敲定相关技术规范。

英特尔在进博会上也亮出了基于这种供电架构的绿电储能算力一体化方案，还拉上合作伙伴把固态变压器（SST）等技术引进来，试着给高密度AI计算设施找供电路子。

和传统低压配电相比，800V直流架构在相同功率下能减少传输电流，降低对铜缆和配电空间的需求，在适当的系统设计下还能减少电力转换环节。

AI芯片厂商要操心的，已经不只是处理器算得够不够快，从数据中心供电到机架之间的整体效率也得一并算进去。

另一个变化是，AI算力正从大型数据中心往外走，企业和个人设备也开始承接。大型云数据中心依旧扛着高强度模型训练、复杂推理和大规模并发这些活，可开源模型能力上来之后，有一部分计算任务已经能放到企业本地甚至终端设备上跑。

像企业内部的文档处理、代码辅助、语音识别，未必都得调用远程大模型。不过部署方式没有绝对的好坏之分。

云端拿手的是规模大、波动明显、需要持续跟进前沿模型的任务；需求稳定、数据敏感、要求离线运行的场景，本地计算可能更合适。

往后看，AI基础设施或许会是大模型云端、区域边缘节点、企业本地和个人终端几层并存的状态。

还有一点，芯片之间的较量不只看性能，软件和应用体验同样在比。

AI智能体正从聊天工具变成任务执行系统，处理器要扛的工作负载也更复杂。比如一个智能体可能同时要做语音识别、文件检索、模型推理和跨应用操作，这些任务对计算性能、内存带宽、功耗和系统稳定性的要求各不相同。

于是CPU、GPU、NPU之间怎么分工，底层软件怎么适配模型和应用，正成为左右用户体验的关键。

英特尔、高通、AMD和苹果这些芯片企业围着终端AI计算和开发者生态持续投入，原因也在这里。

下一阶段的比拼，除了看谁的芯片AI算力指标更高，还要看谁能把算力更有效地变成实际应用体验。

03 “新算力生意”

AI计算需求向不同场景铺开，各大芯片厂商也开始重新落子，在算力中心、企业本地部署、个人终端这些层级上分别找机会。

英特尔就是例子。此次进博会上，它摆出了三种层级的AI计算方案：面向大型数据中心和企业园区的绿色算力舱、面向中小企业的词元一体机，以及面向个人用户的智能体PC。

展台上，英特尔中国区董事长王稚聪重点讲了绿电储能算力一体化解决方案。

“我们观察到中国西部富余大量的新能源，这些新能源的实际利用率有些并不高。”王稚聪表示，英特尔希望把模块化算力设施部署到新能源发电地区，就地用绿电做AI计算，再通过网络向外提供Token服务。

他把这套思路称为“From Green Power to Green Token”，也就是从绿色电力到绿色词元。

现场专家介绍，该方案靠长短时储能、800V高压直流供电和模块化算力舱设计，试图化解新能源发电波动与数据中心稳定供电之间的矛盾。

这一布局说明，AI基础设施的竞争正从芯片性能延伸到能源效率和系统部署能力。但绿电资源丰富，不代表推理成本一定更低，储能投资、网络时延和算力利用率仍是决定经济性的关键。

企业市场上，英特尔则想把一部分AI推理任务从云端拉回本地。这次展出的词元一体机能在普通办公室跑开源大模型，支持AI编程、文档处理和视频生成等工作负载。

王稚聪拿短剧制作公司举例，认为一些中小型企业也能靠本地设备满足日常AI计算需求。

说到底，这是企业在AI使用成本和数据安全之间重新算账。使用频率高、任务相对固定的场景，本地部署或许有些优势，但硬件折旧、模型维护和更新成本，企业还是得自己扛。

面向个人终端，英特尔选择牵手国内互联网公司，把智能体PC的生态做起来。

现场，王稚聪点出了两个方向：其一，端和云要配合部署；其二，多智能体同专长模型得往深里融合。

按这个思路，英特尔称已与腾讯、字节跳动、阿里巴巴、百度等合作，把本地模型跑起来，同时将CPU、GPU、NPU的异构算力接进已有的智能体应用。

跟一味比拼AI算力数字不同，这套打法更在意芯片本事怎么落进真实的工作流程。可智能体能不能拉动新一轮PC换机，看的还是实际用起来怎么样，不在于塞进了多少AI功能。

支撑这些布局的底座，是英特尔亮出的基于Intel 18A先进制程的PC和服务器处理器，包括Panther Lake、Wildcat Lake和Clearwater Forest。

英特尔眼下的两条业务线也由此显现：一头接着推先进制程和芯片架构，另一头借能源、电力、服务器以及互联网企业的生态合作，扎进更宽的AI计算市场。

对芯片厂商来说，AI计算需求铺到不同场景，既是新机会，也让竞争更绕。往后，谁能拿出更高效、更省钱的计算方案，并且让它真正在实际场景里跑起来，谁就能在下一阶段占住关键位置。