美国：云巨头主导的超级 AI 工厂

这轮 AI 基建，核心玩家集中在美国几大云巨头。过去两三年，它们不断上调数据中心与 AI 相关资本开支，用“百亿美元”为单位砸钱。

• 多家研究机构预计，到 2026 年，全球与 AI 相关的资本开支将达到数千亿美元量级，其中美国云厂商贡献最高。
• 微软、亚马逊、谷歌、Meta、Oracle 等围绕 AI 数据中心、电力与网络基础设施形成一轮“超级 Capex 周期”，年度投入持续抬升。

美国的典型特点是：钱高度集中在少数几家公司手里，集中建设极少数超大体量的算力工厂。

中国：国家工程 + 多主体共建算力底座

中国走的是另一条路。

• 在“东数西算”等国家工程带动下，多个国家级算力枢纽相继落地，形成覆盖全国的算力基础设施布局。
• 三大运营商、阿里、腾讯、百度、字节等互联网企业，每年持续在智算中心上投入巨额资金，各地纷纷上马“万卡级”“十万卡级”项目。

整体来看，中国更像是在全国铺一张“算力高速网”：单个园区规模不一定最大，但项目数量多、分布广，适配的是“千行百业用 AI”的应用逻辑。

二、园区规模与功率密度：1GW 工厂 vs 100MW 枢纽

美国：接近电厂级别的 AI 园区

美国新一代 AI 数据中心的容量，已经接近传统大型电厂。

• 新建园区常见规划在数百兆瓦，有的目标指向 500MW–1GW，预留未来进一步扩容空间。
• 为满足用电需求，不少项目同时规划可再生能源电站和储能设施，构建“算力+绿电”的一体化园区。
• 单机柜功率密度不断提升：面向 AI 训练的机柜，主流已经进入 120–150kW 档位，搭配新一代 GPU 整柜，很容易继续往上推。

在这种规模下，数据中心更像一座“AI 发电厂”，只是输出的是算力而不是电力。

中国：50–150MW 级区域智算中心

中国的做法以“区域智算中心”为主：

• 公开信息显示，很多新建智算中心的设计容量集中在 50–150MW 区间，个别重点项目略高于此，但整体仍明显低于美国超大园区。
• 在西部算力枢纽，通常是多个 50–100MW 级园区叠加，再通过高速骨干网络为东部城市提供算力服务。
• 机柜功率主流在 60–120kW，高端训练集群已经开始推向更高功率密度，只是当前在整体存量中的比例仍在快速上升阶段。

可以简化理解为：

• 美国：少数 500MW–1GW 级超级园区；
• 中国：许多 50–150MW 级区域中心，通过网络编织成全国算力网。

三、芯片与整柜方案：NVIDIA 标配 vs 国产多路线

算力中心的核心仍是芯片和整柜平台。

美国：围绕 NVIDIA 的统一生态

在美国，大多数高端训练集群仍围绕 NVIDIA 平台构建：

• H100/H200 之后，GB200、B200 等新一代 GPU 加上 NVL72 等整柜方案，成为构建旗舰训练集群的“标配组合”。

• 谷歌 TPU、亚马逊 Trainium 等自研芯片主要承担部分云服务和推理场景，训练侧的顶级集群依然高度依赖 NVIDIA。

这意味着，上游在散热、供电、互联等配套方案上，会以 NVIDIA 的整机柜平台为中心推进标准化。液冷自然也紧跟其后。

中国：国产 GPU 快速爬坡 + 合规使用国际方案

中国则更强调芯片路线的多元化：

• 华为昇腾、以及海光、壁仞、昆仑芯、天数智芯等国产 GPU/加速芯片快速迭代，逐步以整机柜、整中心方案形态进入运营商和行业客户项目。
• 在合规框架下，国际主流芯片仍在部分场景中使用，但整体方向是提升国产比例，形成更自主的算力基础设施。

这一差异会直接反映到液冷方案、接口标准与整机柜结构上：美国更统一，中国更百花齐放。

四、液冷：NVIDIA 把“底线”抬起来了

液冷是这次 GTC 的绝对主角之一。

1. GTC 2026：旗舰平台“只做液冷”

NVIDIA 在 GTC 2026 上对新一代平台的定位非常直接：

• 像 Vera Rubin、NVL72 这一代旗舰 AI 系统被明确标记为“全液冷”方案，不再提供等价的高功率风冷版本。
• 对数据中心而言，这几乎等于公告：未来想上最高端的 NVIDIA 平台，液冷必须是基础条件。
• 对应的单机柜功率指标，被业界普遍解读为将冲向 200kW 甚至更高，不再给风冷方案留出太多空间。

这一步，实际上把整个产业对散热方案的“底线”向前推进了一大截。

2. 模块拆分：Manifold、快拆接头、冷板

与以往只喊“支持液冷”不同，这次 NVIDIA 把液冷拆成几个关键模块：

• Manifold（歧管）：负责一柜之内冷却液的分配和回收，是整套系统的中枢。

• UQD/MQD（快拆连接器）：类似“液冷 USB 口”，影响安装维护效率、生态兼容性及漏液风险。

• Cold Plate（冷板）：直接贴合 GPU/CPU，决定着单芯片热阻和能效上限。

这套拆分方式本质上是在帮产业链“划重点”：

• 哪些部件是标准化的接口；
• 哪些位置可能沉淀最多的附加价值。

对于中国和美国的液冷供应链来说，这都是非常直接的机会指引。

3. 技术路线：冷板为主，两相/浸没为前沿试验场

从 GTC 相关解读和产业链反馈看：

• 冷板液冷在未来几年仍是主流路线，兼顾成熟度、成本和工程可实施性。
• 两相液冷、浸没式液冷更多用于少量极高热流密度或特殊场景，是“前沿试验场”。
• 微通道冷板、液态金属、金刚石散热等则作为在冷板框架内继续挖潜的进阶技术。

这套判断，对国内做液冷、材料、结构件的企业都有直接参照意义。

五、中美液冷落地节奏：谁更“激进”？

美国：新建高密度集群几乎天然液冷

在美国，高密度 AI 集群的新建项目基本默认以液冷起步：

• 设计阶段就将冷板液冷纳入整体方案，配合高功率整柜和高压供电系统。
• 部分项目针对极限功率密度尝试两相或浸没式液冷，探索下一代形态。
• 为降低 PUE 和用水量，不少园区还配套闭式循环系统、干冷器以及余热回收，形成更完整的绿色解决方案。

总体看，美国在新建高端项目上的液冷采用节奏，明显快于其他地区。

中国：存量风冷 + 新建液冷的加速切换

中国这边则是一个“切换期”：

• 存量数据中心以风冷为主，通过局部改造承载部分 AI 业务，但在极高功率密度场景会受到限制。
• 新建智算中心，高密度区域普遍选用冷板液冷，部分项目引入浸没式液冷以承载万卡级训练集群。
• 在 PUE、碳排放等政策约束下，液冷不仅提升能效，还是达标的关键手段，本土液冷厂商在整机柜、一体化模块等方面快速成熟。

随着 NVIDIA 等上游平台全面转向液冷，中国新一轮智算中心的默认形态，正在从“风冷为主”加速往“液冷优先”演进。

六、小结：AI 工厂时代，拼的不止是卡，更是“液冷”

站在 2026 年这个时间点回头看，中美 AI 算力中心与液冷路线的大致图景已经比较清晰：

• 美国：少数云巨头集中砸钱，建设 500MW–1GW 级的超级算力工厂，以 NVIDIA 整柜生态为核心，率先把液冷做成旗舰平台“标配”。
• 中国：在国家工程引导下构建全国智算网络，依托多家国产 GPU 与液冷厂商，走一条多点布局、生态多元的路线。

未来几年，谁能在液冷、整机柜方案、算力网络调度和绿色能源上形成更强的综合能力，谁就更有资格在“AI 工厂时代”拿到更多筹码。