百万卡时代来了！全球最大AI「超级单体」在中国点亮

编辑｜冷猫、泽南 英伟达首席执行官黄仁勋在去年在接受金融时报采访时表示：「中国将赢得 AI 竞赛。」 他认为，未来算力爆发的门槛不在芯片，在于网络、电力、储能、散热等基础设施。 现在看，的确如此。今年 4 月，OpenAI 星际之门一口气按下三个暂停键：Stargate UK 项目停摆，因为「能源成本过高、监管环境不确定」；挪威纳尔维克的数据中心搁置；得州阿比林旗舰站点的扩建计划，同样被放弃。 计划 2027 年竣工的美国数据中心产能，超过 60% 至今尚未动工，另有 7% 明确延期，在基础设施问题上被卡了脖子。 这并不是美国独有的问题。当算力从万卡迈向十万卡、百万卡的规模后，竞争就不再只在于芯片了。网络、电力、散热等等因素，共同决定一座算力集群究竟能释放多少真实算力。 这正是 AI 进入超大规模集群之后共同面对的物理约束。 过去处于后台的基础设施，正在走到 AI 竞争的前台。 在内蒙古乌兰察布，地质稳定、气候凉爽、电力充沛。这里是国家「东数西算」八大枢纽节点之一，网络时延位居全国第一梯队，全域绿电占比达 67%。 最近远景科技集团在这里正式投产 「远景 乌兰察布星河基地」， 园区内全球最大的 AI 算力超级单体同步亮相。 它解答了困扰行业很久的问题：当 AI 进入百万卡时代，数据中心到底应该长什么样？ 百万卡时代，为什么必须要有「超级单体」？ 远景宣布投产的全球最大的 AI 算力超级单体： 建筑面积超 12 万平方米，相当于 20 个标准足球场， 刷新了 AI 数据中心的算力密度 ， 是全球 Token 产出能力最强的单体 AI 数据中心。 这标志着 「远景乌兰察布星河基地」正式投产 。 从空间层级看，AI 算力超级单体，是园区内承载高密度算力的一座单体数据中心，实现超高的算力密度和输出。 远景星河基地，则是一套包含算力设施与能源、网络及运维系统等配套全部基础设施的超级算力枢纽，是远景戈壁使命（ Mission Gobi ）计划落地的首个旗舰项目。 整个园区总规划容量达 2GW，将可支持百万卡同时运行，拥有百万 P 级的算力规模，是全国最大的 AI 算力园区。 作为对照，OpenAI 在得州阿比林的首个星际之门站点，据知情人士透露规划容纳约 40 万张卡。 「远景乌兰察布星河基地」正式点亮投产 数据中心集群规模一旦推到百万卡量级，物理约束立刻从芯片转移到别处。电力要持续稳定地送到每一排机柜，海量热量要被高效带走，数十万乃至百万张卡之间还要保持高速互联。任何一环跟不上，都会造成算力闲置和集群效率骤降。 这意味着，AI 基础设施正在发生一次结构性变化： 数据中心不再只是容纳服务器的建筑，而要成为为 AI 算力专门设计的复杂系统。 因此， 「AI 算力超级单体」 应运而生。 它不是传统数据中心的简单放大版，而是一种为超大规模芯片集群重新设计的基础设施形态，也是 AI 开始反向定义数据中心 的结果。 它将算力部署、网络互联、电力供应、储能、散热和智能调度集中在同一个高度集成的建筑与系统中。只有当这些基础设施能够协同工作，芯片数量才会真正转化为可调用、可持续、可扩展的算力。 远景 AIDC 总经理郑子浩把这套逻辑概括成一支集团军的后勤问题：「中国芯片走的是集群化突围的路，超级单体要提供的是足够大的部署基地、足够充足的电力粮草和一条畅通的补给线。」 超级单体的核心，是全新的 AI 电力系统 规模是结果，能力才是前提。 十万卡、百万卡要汇聚成一个整体，互联效率、电力供应、散热缺一不可。 GW 级用电负荷接近一座中等城市。传统数据中心依赖公共电网被动供电的模式，在这样的规模下会面临并网容量、建设周期、能源成本和可靠性等多重约束。 百万卡集群需要的，不只是更多电，而是一整套重新为 AI 设计的能源与热管理系统。 远景选择把发电、电网、储能、算力负荷和 AI 调度放进同一套系统协同运行。 「远景星河基 地」A I 算力超级单 体外观 远景科技集团董事长兼创始人张雷在国家能源局的全国「人工智能 + 」能源现场推进会上诠释了远景的 AI 电力系统。 他的判断是，大模型约每 6 个月一次重大迭代、芯片约 12 个月一个版本，而承担能量转换的电力系统过去一百年几乎没有结构性变化。当指数级发展的芯片和模型撞上线性演进的电力系统，矛盾必然在后者身上产生。 远景要解决的，其实是三个问题：如何让波动的绿电变成稳定的算力能源，如何让更多电高效送到芯片，以及如何把高密度算力产生的热持续带走。 把波动的绿电，变成稳定的算力能源 远景乌兰察布星河基地的电来自自建风场，通过专线直供，全年 80% 以上电量直接从风机发出送进机房。这带来一个绕不开的矛盾：风电天然高波动，但 AI 训练要的是工业级的稳定电力。 第一步是预测。 「远景天机气象大模型」 融合卫星、雷达、地面气象站和设备运行数据，并引入大气动力学、地形等物理约束，将天气变化转化为不同时间尺度的风光功率预测。长期预测用于安排发电和储能计划，短期预测则提前识别功率骤升、骤降和极端天气风险。 在高比例可再生能源直供条件下， 气候系统本身就是能源系统的一部分 ，对天气的预测能力直接决定调度精度的上限。 第二步是优化， 「远景天枢能源大模型」 结合预测结果与实时设备状态，在发电、储能、负荷和算力需求之间持续寻优：风力增强时提前为储能腾出容量，风力减弱前预留电量和备用功率。 统一调度的前提，是让不同设备进入同一个控制系统。 远景 EnOS 智能物联操作系统 将风机、储能、电力设备和算力设施接入同一套系统，上层模型负责预测与优化，场站控制器滚动调整策略，底层设备快速执行，形成从感知、决策到控制的闭环。 「远景星河基地」储能箱 与此同时，小时级储能负责平滑风光出力和调度偏差，秒级储能结合 SST 和 800V 直流架构响应算力负荷变化，更快速的功率补偿则用于处理 AI 训练和推理带来的瞬时电能质量问题。 这套多时间尺度储能体系，使高比例绿电能够真正转化为稳定、可调度的算力能源。 数据中心供电链路长期存在一笔隐性成本：从中压交流到芯片端的低压直流，中间要经过多次变换，每次都吃掉一部分效率。也就是说，供电架构本身也决定着最终有多少电真正到达芯片。 远景在乌兰察布项目采用的是 SST 加 BESS 的 800V 直流架构 ，固态变压器负责中压到直流的直接变换以减少中间环节，电池储能内嵌在供电链路里承担瞬时功率支撑。 其核心是能够缩短从中压电网到芯片的整个供电链路，让更多电真正进入 GPU，而不是损耗在中间转换环节。 热管理必须与供电一起设计 超节点带来的另一个极限，是热。 数十万乃至百万张芯片集中部署后，供电密度和热流密度会同时放大。输入服务器的电能最终大部分都会转化为热量，任何散热瓶颈都会直接影响芯片持续满载运行。 乌兰察布低温气候为自然冷却创造了条件， 超级单体同时结合风冷、液冷等高密度散热方案 ，降低用于制冷的非算力能耗。 「远景星河基地」风 冷机房 因此，AI 电力系统并不只是 “供电系统”。它把能源管理、芯片供电和热管理放在同一个架构中协同设计：电要稳定地进来、高效地到达芯片，热还要持续地出去。 超节点解决芯片如何协同计算，AI 电力系统解决的是这些芯片如何持续、高效、低成本地运行。