英特尔高通施耐德进博会同台：AI算力战烧到供电端

图片由AI生成

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办。

本届进博会共有来自148个国家和地区的4142家企业参展，企业展面积首次突破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产品与方案占据显眼位置。高通带来的智能终端生态覆盖AI手机、PC及机器人；西门子把工业AI和人形机器人放进柔性生产场景；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、医疗等领域的融合也在加深，企业开始更看重AI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吸引了不少目光。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，探索从绿色电力到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。

大型科技公司持续投入GPU、建设数据中心，以支持规模越来越大的模型训练和推理任务。

不过，随着AI加快进入实际应用阶段，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年更新的预测中给出了这样一组数字：2025年全球数据中心用电量约为485太瓦时，2030年可能升至950太瓦时，差不多是现在的两倍。AI数据中心在这一增长中跑得更快，用电需求涨势更猛。

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更加多样。

对企业来说，使用AI的成本不只是购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同样要算进去。

算力成本因此成了一个更复杂的问题。

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也得一并考虑。

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

所以，AI产业面临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

围绕这些问题，全球芯片企业、云服务商和数据中心运营商正在探索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。

在2026年，800V高压直流供电架构，并通过开放计算项目（OCP）与产业伙伴共同制定相关技术规范。

英特尔在进博会上还带来了绿电储能算力一体化解决方案，用的正是这套供电架构。公司与合作伙伴一道，把固态变压器（SST）等技术引了进来，用来摸索高密度AI计算设施该怎么供电。

与传统低压配电相比，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，并在适当的系统设计下减少电力转换环节。

这意味着，AI芯片厂商不再只需要考虑处理器的计算能力，还要考虑从数据中心供电系统到计算机架之间的整体效率。

另外，AI算力正在走出大型数据中心，向企业设备和个人设备延伸。

高强度模型训练、复杂推理和大规模并发任务，眼下仍由大型云数据中心承担。不过开源模型的能力在往上走，一部分计算任务已经可以在企业本地和终端设备上跑起来。

拿企业内部文档处理、代码辅助、语音识别这类工作负载来说，未必都要去调用远程的大模型。

当然，部署方式之间没有绝对的好坏之分。

规模大、波动明显，或者需要持续跟进前沿模型的任务，适合放在云端；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基础设施或许会呈现大型云端、区域边缘节点、企业本地和个人终端并存的局面。

再一点，芯片之间的较量不只看性能，软件和应用体验同样要拼。

AI智能体正从聊天工具转向任务执行系统，处理器要应付的工作负载也随之变得更复杂。

比如一个智能体可能同时要完成语音识别、文件检索、模型推理和跨应用操作，这几类任务对计算性能、内存带宽、功耗和系统稳定性的要求各不相同。

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

这也解释了为什么英特尔、

下一阶段的竞争，既看谁的芯片AI算力指标更高，也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排兵布阵，从算力中心、企业本地部署到个人终端，逐层寻找新机会。

英特尔就是其中之一。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的是绿电储能算力一体化解决方案。

王稚聪表示：“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。”他说，英特尔想把模块化算力设施部署到新能源发电地区，就地用绿色电力做AI计算，再通过网络向外部提供Token服务。

他把这个思路概括成“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，该方案借助长短时储能、800V高压直流供电及模块化算力舱设计，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。

这步布局说明，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。

在企业市场，英特尔想推动一部分AI推理任务从云端落到本地。这次展示的词元一体机，能在普通办公室运行开源大模型，支持AI编程、文档处理和视频生成等工作负载。

王稚聪以短剧制作公司为例，认为一些中小型企业也能靠本地设备满足日常的AI计算需求。

背后是企业对AI使用成本和数据安全的重新权衡。使用频率高、任务相对固定的场景，本地部署可能有一定优势，但硬件折旧、模型维护和更新这些成本，企业还是得自己扛。

个人终端市场上，英特尔则选择与中国互联网企业合作，推进智能体PC生态。

王稚聪在现场划出了两个重点方向：一是端云协同部署，二是把多智能体和专长模型做深度整合。

围绕这套思路，英特尔称已与腾讯、字节跳动、阿里巴巴、百度等企业联手，把本地模型运行同CPU、GPU、NPU的异构计算能力，接入现有的智能体应用当中。

这种做法并不单纯盯着AI算力指标，更在意芯片能力怎么落到实际工作流程里。问题是，智能体能不能带动一波新的PC换机需求，还是要看真实的应用体验，而不是看集成了多少AI功能。

支撑上述布局的底层硬件，英特尔也一并做了展示：基于Intel 18A先进制程的PC和服务器处理器，涵盖Panther Lake、Wildcat Lake和Clearwater Forest。

这其实也照出了英特尔当下的两条业务路径：一头继续推先进制程和芯片架构，另一头借能源、电力、服务器及互联网企业的生态合作，切入更广阔的AI计算市场。

对芯片厂商来说，AI计算需求向各类场景蔓延，既是新的市场机会，也让竞争变得更复杂。下一阶段比拼的关键，在于谁能拿出更高效、更经济的计算方案，并且推动它在实际场景中真正落地。