进博会聚焦AI算力新战场：电力成本成芯片巨头竞争核心

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。

本届进博会迎来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、成品等产业链环节均在技术装备展区亮相，人工智能、绿色智算、智能终端等成为重点展示方向。

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

AI技术加速进入产业应用，与工业制造、能源、医疗等领域的融合进一步深入，企业对AI实际应用与商业价值的关注也随之升温。

英特尔展区的绿色算力舱、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，希望通过算力与新能源的结合，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向腾讯科技透露：“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。

AI要真正落地，技术之外还有供电、算力成本和实际效益几道坎。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，以支撑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。

按国际能源署2026年更新的预测，全球数据中心2025年用电量在485太瓦时上下，2030年或将升至950太瓦时，差不多是翻一倍；AI数据中心的用电需求则涨得更快。

训练大模型需要集中投入大量计算资源，推理服务则要根据用户请求持续运行。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变得更加多样。

对企业来说，使用AI的成本不再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也得算进去。

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设数据中心，可能获得一定电价优势，但网络时延、储能成本和算力利用率同样需要考虑。

反过来，把推理设备部署在企业内部，虽然可能减少部分云端调用费用，企业却要承担硬件折旧、运维和模型升级成本。

于是，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加经济、稳定地运行。

02 竞争逻辑正在改变

围绕上述问题，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。

到2026年，英伟达、谷歌、微软等厂商会继续推进800V高压直流供电架构，同时借开放计算项目（OCP）联手产业伙伴一起敲定相关技术规范。

英特尔在进博会上也拿出了基于这种供电架构的绿电储能算力一体化方案，还与合作伙伴一道引入固态变压器（SST）等技术，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，在适当的系统设计下还可减少电力转换环节。

换句话说，做AI芯片的厂商如今不能光盯着处理器算力，数据中心供电系统到机架之间的整体效率也得算进账里。

AI算力还在往另一头走——不再只是大型数据中心的专属，企业和个人设备上也多了起来。大云数据中心照样扛着高强度模型训练、复杂推理和大规模并发这些活儿，可开源模型能力一上来，有些计算任务已经够格放到企业本地和终端设备上跑了。

比如企业内部文档处理、代码辅助、语音识别这类工作负载，未必都得去调远程大模型。不过几种部署方式之间，并没有谁绝对好、谁绝对差。

规模大、波动明显或者要持续跟进前沿模型的任务，云端更合适；需求稳定、数据敏感、要求离线运行的场景，本地计算可能更对路。往后AI基础设施大概会是大型云端、区域边缘节点、企业本地和个人终端几层并存的局面。

第三层比拼落在软件和应用体验上，不再只是性能数字。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越来越复杂。

一个智能体可能同时要干语音识别、文件检索、模型推理和跨应用操作，这几样对计算性能、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，底层软件怎么适配模型和应用，成了影响用户体验的关键。

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。下一阶段竞争，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落到实际应用体验上。

03 “新算力生意”

AI计算需求往不同场景铺开，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，一层层找新机会。

英特尔这次进博会上就摆出了三种层级的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，英特尔想把模块化算力设施放到新能源发电地区，就地用绿色电力做AI计算，再通过网络向外提供Token服务。

他把这套思路概括成“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，该方案靠长短时储能、800V高压直流供电和模块化算力舱设计，试着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往能源效率和系统部署能力上延伸。不过绿电资源丰富，不代表推理成本就一定低，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推理任务从云端拉到本地，此次展示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，认为部分中小企业靠本地设备也能满足日常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，本地部署可能占优，但硬件折旧、模型维护和更新这些成本还得企业自己扛。

个人终端这边，英特尔选择拉上中国互联网公司一起做智能体PC生态。

王稚聪在现场划出了两个重点方向。

一个是端云协同部署，另一个是把多智能体和专长模型做深度整合。沿着这个思路，英特尔称已与腾讯、字节跳动、阿里巴巴、百度等企业联手，把本地模型运行与CPU、GPU、NPU的异构计算能力塞进现有的智能体应用里。

这种做法不太一样：它不盯着AI算力指标本身，更在意芯片能力怎么落进实际工作流程。问题是，智能体能不能带出新一轮PC换机需求，看的还是真实使用体验，而不是堆了多少AI功能。

支撑上述布局的底层，是英特尔展出的Intel 18A先进制程PC和服务器处理器，具体包括Panther Lake、Wildcat Lake和Clearwater Forest。

这也勾勒出英特尔眼下的两条业务路径：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计算需求向不同场景铺开，既是新机会，也让竞争更复杂。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，并把它真正落到实际场景中。