过去一年，全球AI竞赛的底层约束正在发生一次清晰而深刻的转向。决定算力扩张节奏的关键变量，正在从芯片供给端，逐步转向能源获取能力、供电效率与基础设施承载力。

AI竞争的尽头，是电力

    2026年1月，OpenAI推出星际之门计划，目标已经不再只是建设更多数据中心，而是明确提出要让每个站点为自己的能源埋单。仅仅几个月后，OpenAI又因高能源成本与监管不确定性，暂停了其英国主要数据中心项目。
    如今，AI竞争已经不只是模型和芯片的竞争，而越来越成为能源与基础设施的竞争。英伟达CEO黄仁勋的“五层蛋糕”理论，正好点出了这一变化的底层逻辑。
    他将AI概括为一块“五层蛋糕”：最底层是能源，其上才是芯片、基础设施、模型和应用。这个判断之所以重要，并不在于修辞本身，而在于它把AI从“软件革命”重新定义为“基础设施革命”。
    国际能源署的测算进一步强化了这一判断：2024年全球数据中心用电约415TWh（太瓦时），占全球电力消费约1.5%；到2030年，这一数字预计将升至约945TWh，较2024年增长一倍以上。当需求以这样的速度上升，能源供给能力就不再是配套设施，而会直接影响AI发展的节奏与上限。换句话说，未来AI的扩张速度，越来越取决于电力系统能否同步扩容、提效并保持成本可控。
    这一趋势也已经进入中国的政策语言。2026年《政府工作报告》明确提出“实施超大规模智算集群、算电协同等新基建工程，加强全国一体化算力监测调度”；“十五五”规划纲要则进一步提出，要“深入推进东数西算工程，构建多层次算力设施体系和全国一体化算力网”。算力已不再被简单视为信息基础设施，而被纳入能源、网络、区域布局和产业升级共同作用的系统工程之中。

谁在重写AI的供电底盘

    当然，解决电力瓶颈并不只有投入基础设施建设这一条路。芯片架构优化、模型效率提升、液冷普及、运维调度改进，都在发挥作用。
    谷歌多年前就曾借助DeepMind将数据中心冷却能耗最高降低40%。到2024年，其全球数据中心平均电能利用效率已做到1.09，而业界平均水平约1.56。可这些努力，本质上仍是在现有框架内持续压缩损耗。随着单柜功率从十几千瓦、几十千瓦，走向数百千瓦乃至兆瓦级，真正决定边界的，开始变成供电架构本身。
    如果把传统数据中心供电比作一套层层转运的物流系统，那么过去的做法更像是让电在不同电压、不同模块之间多次中转，每中转一次，就会增加损耗、发热和复杂度。现在行业想做的事情，则是尽量减少这些中转环节：用更高电压把电更高效地送到机柜附近，再在离芯片最近的地方完成最后几步精细降压。这样做的意义，不只是省一点电，而是为了支撑单个机柜持续上升的用电需求。说得更直白一点，就是让同样大小的机柜，能够稳定承载更多更耗电的计算设备。
    这一变化已经成为产业共识，只是实现路径并不完全相同。谷歌曾公开提出，数据中心供电正从48伏直流电（VDC）向新的±400伏直流电演进，通过抬高电压来降低电流，从而减少传输损耗、铜材消耗和散热负担，以支撑IT机柜从约100千瓦扩展到1兆瓦。
    几乎同一时期，英伟达在2025年正式提出800伏直流电架构，意图减少数据中心内部反复的交流、直流转换环节，从而减少转换过程中的额外损耗。更值得注意的是，英伟达在这一路线中列出的生态合作方，既包括TI、ST、Infineon、Rohm这样的传统功率半导体与电源公司，也包括Navitas和英诺赛科等采用氮化镓（GaN）这类新型高效供电技术的公司。这一名单本身就足以说明800伏直流电已经不只是概念展示，而是在牵动整个第三代半导体生态的重新站位。随后，TI又在2025年5月宣布与英伟达合作开发800V高压直流配电所需的功率管理与传感技术，进一步坐实了这一方向的工程化推进。
    如今，第三代半导体的意义，已经不只是把某个器件做得更好，而是开始影响整套供电系统怎么重构。
    简单说，碳化硅（SiC）更适合承担前端的大功率、高电压环节，氮化镓（GaN）则更适合靠近芯片、完成最后几步更高效、更精细的供电。两者不是谁取代谁，而是在未来AI供电链条中各自分工。
    过去，人们提到氮化镓，更多想到的是手机快充。而在AI时代，它更将肩负着在数据中心里给高性能芯片做“最后一公里”供电的重要作用。前面的系统已经把电送到机柜和电路板附近，但真正到了CPU、GPU和AI芯片这里，还要再经过最后一次处理，才能安全、稳定地送进去。也正因为这一段离芯片最近、要求最高，它正变得越来越关键：AI芯片越强，对这最后一段供电的要求就越高。
    谁能把前端高压变换、中间的电力分配、靠近芯片的最后一级供电，以及电源控制、散热和设计工具这些环节打通，形成一套完整、可复制的体系，谁就更有可能获得下一代算力基础设施的定义权。换句话说，竞争不再只是比某个器件性能更强，而是看谁能把从器件到系统的一整套能力组织起来，并稳定规模化落地。
    这种变化已经在前沿研究中显现出来。比如比利时微电子研究中心IMEC，近几年在讨论新一代供电技术时，往往直接把它们和CPU、GPU这样的高算力芯片放在一起研究。这说明，供电系统已经不再只是后台的配套工程，而是开始直接影响芯片性能，甚至成为核心技术的一部分。
    香港InnoHK框架下筹建的香港功率半导体芯片及应用研发中心（Power Semiconductors and Applications Center, PowerSAC），是中国在这一方向上的前沿呼应。其愿景并不是停留于单点器件突破，而是围绕宽禁带半导体，推动器件与集成电路制造、设计自动化和系统应用协同发展，面向真实场景交付更高能效、更高功率密度的电力系统。相应地，其研究布局也并非孤立推进某一种器件，而是同时覆盖器件技术、面向智能电力系统的电源管理集成电路（PMIC）、加速功率电子设计的方法学，以及面向数据中心等场景的系统应用。这种组织方式本身，就对应了AI时代电力基础设施演进的真实方向：从单点突破变成系统联动，不只是器件升级，而是从电网侧到芯片侧逐渐更新整条价值链。

更前沿的方向，正在浮出水面

    在这些正在成形的路线之外，还有一条更前沿也更具想象力的方向值得关注，那就是HyFET（混合场效应晶体管）这类把不同材料的长处结合在一起的融合器件。其基本思路并不复杂：把氮化镓的高速优势与碳化硅的高压阻断能力结合起来，尽量绕开两种材料各自最顽固的短板。
    氮化镓的强项是快，碳化硅的强项是稳、能承受更高电压。混合场效应晶体管的吸引力，正来自这种把两边长处往一起放的思路。香港科技大学2024年公布这一路线时，表述为：混合场效应晶体管试图同时利用氮化镓与碳化硅的互补优势，并规避两者各自的典型缺陷。
    对产业界而言，混合场效应晶体管的意义不在于某一个单点参数，而在于它提示了一件事：未来高压AI供电器件的竞争，未必只是既有氮化镓或碳化硅路线的线性延伸，也可能走向异质集成的新范式。当AI基础设施对功率器件提出越来越极端的要求时，传统的成熟材料和器件终将达到极限，材料和器件创新本身会被重新推到舞台中央。
    从更大的图景看，这场变化对中国并不只是一个器件产业机会，而是一次重写基础设施逻辑的窗口期。今天的AI竞赛，看似仍在拼模型、拼芯片、拼资本，真正决定下一阶段胜负的，却越来越可能是另一件更笨重也更难被替代的事情：谁能更高效、更稳定、更低损耗地把电送到芯片门口。
    而一旦这一点成立，算力竞争的内涵就会被重新定义：它不再只是计算资源的堆叠能力，更是一个国家在能源组织、工业制造、系统工程和关键技术协同上的综合能力。
    这也意味着，下一代智能基础设施的竞争，表面上看是在争夺更强的训练集群、更快的推理速度和更大的资本开支，实质上争夺的却是另一种更深层的能力——谁能够以更低的边际损耗，把更多电力稳定、精准、经济地转化为可持续的计算能力。谁能率先完成这一转化，谁就不仅是在建设更高效的数据中心，更是在定义未来数字经济的底层运行方式。
    电力即算力，并不是一句修辞性的判断，而是AI时代基础设施逻辑的一次重排。它提醒人们，真正支撑下一轮智能革命的，不止是更先进的模型和芯片，也包括那些一度被视为后台配角、如今却重新回到舞台中央的系统：供电、散热、控制、材料与工程。谁能把这些重而慢的能力率先做成体系，谁就更有机会掌握下一代智能基础设施的主动权。