OpenAI已经敲定总量约30GW的算力建设规划，Meta在美国路易斯安那州的Hyperion园区远期目标为5GW，阿里云在2026云栖大会公布计划，到2032年其全球数据中心规模突破20GW。

　　在更早的行业交流里，描述一座数据中心的体量，大家习惯说占地面积、机柜数量、服务器台数。但随着大模型算力需求爆发，整个AI赛道已经转向以功率单位GW作为核心衡量指标。

　　1GW等于10亿瓦，也就是100万千瓦。这个单位到底代表多大规模，电力又为什么会成为衡量AI算力的通用标准，是理解当下AI基建扩张的关键。

　　电力，已经成为AI发展最核心的瓶颈

　　几年前，行业最紧张的资源是高端GPU，芯片供货长期处于紧缺状态。而现在，电力供给、配套电网基础设施才是制约算力落地的硬门槛。

　　微软CEO纳德拉曾在访谈中提到，当下的核心难题并不是芯片供应不足，而是缺少已经完成通电调试、可以直接上架设备的机房。企业就算仓库储备大量GPU，没有配套供电条件，硬件也无法投入使用。

　　芯片产品迭代周期通常只有一年左右，但变电站、高压输电线路、配套发电机组的规划、审批与投运，往往要耗费数年时间。谁能够优先稳定拿到电力接入额度，才能把硬件资源转化为可对外提供的算力。电力容量，由此成为评估AI企业基础设施实力的第一指标。

　　功率是跨芯片代际稳定可比的统一标尺

　　很多人会疑惑，既然衡量的是计算能力，为什么不直接采用FLOPS，也就是每秒浮点运算次数。这一指标的缺陷在于统计口径弹性极大，相同一块英伟达H100芯片，在不同计算精度、稀疏开关条件下，标称算力最高可以相差上百倍。

　　芯片本身也在快速更新换代，从A100、H100到B200、GB300，每一代产品单卡算力、功耗参数都会发生明显变化。今年一万张卡和明年一万张卡，实际能够释放的算力并不对等，单纯统计卡数很容易造成对比失真。

　　功率单位不存在这类问题，1MW的物理定义恒定不变。电网接入方案、建筑荷载设计、制冷系统选型、项目投资测算，全部以功率参数作为基础。它不受芯片迭代、算力统计口径干扰，是一套稳定、统一的评价标准。

　　产业交易与收益测算，全部锚定功率指标

　　AI数据中心的商业环节，几乎都围绕功率来定价核算。项目建设成本，行业会按照每MW的投入来估算；机房资源对外租赁，报价单位普遍是每kW每月。算力业务的收入模型，也逐步和电力消耗绑定。

　　黄仁勋多次提出，在电力资源受限的环境中，每瓦电力能够产出的token数量，直接决定AI算力项目的盈利水平。OpenAI披露的经营数据也印证了这个逻辑，2023年0.2GW算力规模对应20亿美元年收入，2024年0.6GW算力带来60亿美元收入，2025年接近1.9GW算力支撑两百多亿美元营收，粗略估算每1GW算力大约对应100亿美元年收入，电力、算力、营收形成清晰的对应关系。

　　看清GW背后的三种统计口径，避免误读

　　行业新闻里的GW数字，存在三种不同统计维度，数值差异明显。第一种是并网容量，也就是企业向电网申请的最大接入额度，通常数值最高。第二种是园区设施总功率，覆盖制冷、配电损耗、照明、办公等全部用电负荷。第三种是IT功率，仅包含服务器、GPU、网络、存储这些核心计算设备消耗的电力。

　　PUE，也就是电能利用效率，用来换算设施总功率和IT功率之间的差值，计算公式为设施总功率除以IT功率。新一代液冷AI数据中心PUE普遍落在1.1至1.3区间，取1.2作为参考值，总功率1GW的园区里，实际供给IT设备的电力大约833MW，剩下167MW消耗在散热和电力传输环节。

　　同时，公开报道中的GW目标大多是远期规划，一般会分多期、跨多年建设，不等于当下已经投产运行的算力规模。MetaHyperion公布的5GW，就是面向2030年之后的长期规划。

　　算力规模的多种度量方式，各自有适用边界

　　除GW之外，行业还有多套描述算力规模的指标，不同指标有对应的适用场景，也存在各自局限。

　　GW属于功率指标，对应的是瞬时用电负荷；TWh也就是太瓦时，代表一段时间内消耗的总电量，二者不能混淆。1GW满负荷连续运行一年，消耗电量等于8.76TWh。IEA统计数据显示，2024年全球所有数据中心总用电量约415TWh，占全球总用电量比重约1.5%。

　　EFLOPS是国内算力统计常用口径，1EFLOPS代表每秒100亿亿次运算。工信部在2026年1月披露，国内智能算力总规模已经超过1590EFLOPS。但这类算力数值依托特定精度标准折算，跨机构、跨时间对比时，必须先确认统计口径。

　　卡数或者H100等效算力，理解门槛低，适合快速感知集群体量，国内已经建成42个万卡级别智算集群。但不同架构芯片算力不能直接相加，研究机构EpochAI会把各类硬件统一折算为H100等效算力，方便横向对比。

　　标准机架是国内传统IDC统计习惯，行业常以2.5kW作为一个标准机架的额定功率。截至2025年6月，国内在用算力中心标准机架总量达到1085万架。而一台英伟达GB300NVL72整机柜功耗达到135kW，相当于54个传统标准机架。在高密度AI集群场景下，单纯统计机架数量，参考价值持续下降。

　　简单来说，FLOPS和GPU卡数用来衡量计算潜力，GW用来评估项目建设规模、电力资源约束。前者会随着技术迭代持续变化，后者是物理世界无法绕开的硬性约束。

　　从多个维度，直观理解1GW的体量

　　全球AI算力集群的功率门槛提升速度很快。2019年当时全球顶尖超算Summit功率大约13MW；2024年xAI的Colossus集群起步规模达到280MW；到2026年9月，Colossus2的IT功率接近946MW。EpochAI测算，顶级AI超算的功率需求大约每13个月翻一倍。常规企业机房功率大多只有1MW，1GW相当于一千座这类传统机房。

　　以发电侧对比，1GW等同于100万千瓦。华龙一号单机容量约120.8万千瓦，一座1GW的AI数据中心，需要占用一台华龙一号机组八成以上的发电出力。三峡电站总装机2250万千瓦，1GW大约是其总出力的1/22。这也是头部企业持续和发电主体签订长期购电协议的原因，Meta单独锁定的核电容量就达到6.6GW。

　　如果采用其他电源匹配同等用电量，按照国内电源2024年平均利用小时测算，煤电需要约1.9GW装机，风电约4.1GW，对应接近700台6MW风机，光伏则需要7.2GW，大约1200万块光伏板。风电光伏具备间歇性特征，想要保障数据中心不间断稳定供电，还需要配套储能或者稳定基荷电源。

　　从居民用电视角看，1GW持续满负荷运行，一年耗电量为87.6亿kWh。参考2025年国内居民用电数据，国内家庭年均用电约3200度，87.6亿kWh足够270万户家庭使用一整年，覆盖人口规模接近710万人，等同于一座大型城市全部居民的生活用电。美国家庭用电水平更高，户均年用电量约10791度，同等电量可以供给约81万户美国家庭。

　　日常家电也可以作为参照，单台微波炉、电饭煲的功率大约1kW，1GW等同于100万台设备同时满载运转，并且全年不间断。居民用电存在明显峰谷差异，AI训练、推理集群几乎全年持续高负荷运行，属于电网负荷里稳定且体量巨大的刚性负荷。

　　对照GPU硬件规模，黄仁勋在介绍10GW算力合作时给出估算，10GW大约可以承载400万至500万颗GPU，换算后1GW对应40万至50万颗新一代英伟达GPU。GB300NVL72机柜内置72颗GPU，整机功耗135kW，扣除制冷配电损耗后，1GWIT功率可以布置五千多个这类机柜，承载近40万颗GPU，机柜总重量接近7000吨，和埃菲尔铁塔钢结构重量接近。

　　电费和项目造价的对比，更能看清AI基建的投入结构。按照0.5元每kWh估算，1GW算力一年电费约44亿元；按美国工业电价0.08美元每kWh计算，年度电费约7亿美元。但电费在总投入中占比很低，多家机构测算，一座1GWAI工厂整体建设投入区间在350亿美元至600亿美元，折合人民币2500亿元到4300亿元。

　　黄仁勋在面向G20的演讲中给出的区间是500亿至600亿美元，奥特曼也曾提到OpenAI每GW资本开支超过400亿美元，伯恩斯坦的拆分测算值约350亿美元，其中GPU硬件投入占比接近39%。一年电费仅相当于项目总造价的1%至2%，AI算力真正稀缺的不是电费成本，而是稳定、就近的电力供给。

　　如果全部依靠煤电供给，按照每度电消耗300g标准煤计算，1GW算力一年会消耗260万吨标准煤，这也是各大AI企业积极采购风光核等零碳电力、签订长期绿电采购协议的重要动因。

　　1GW对应的建筑规模，远超普通数据中心

　　OpenAI位于得州Abilene的Stargate园区，规划用电规模约1.2GW，是典型的吉瓦级算力园区。整个园区占地约4km²，包含8栋单层数据中心建筑，每栋建筑面积接近3.95万m²，差不多相当于5.5个标准足球场。单栋大楼用电负荷约150MW，可部署5.6万颗GPU，单栋楼的用电体量对应41万户国内家庭。项目施工高峰期现场工人接近5000人，前两栋建筑从开工到投产周期不到16个月。

　　折算到1GW的算力规模，机房建筑面积大约30万m²，体量相当于1.2座鸟巢，两个故宫的建筑面积总和，42个标准足球场，不到半个北京大兴机场航站楼的面积。

　　园区整体占地远大于机房建筑面积，Stargate园区内机房建筑只占总用地十分之一，其余空间用来布置变电站、冷却设施、道路以及预留扩建场地。同一比例尺下，整片园区占地接近5个故宫。

　　一座1GW算力园区，把数百万人口城市全部居民的生活用电，集中收纳在一个多鸟巢大小的建筑内，单位面积用电强度是普通住宅的近千倍。机柜功耗突破百kW之后，传统风冷方案散热能力不足，新一代AI数据中心普遍转向液冷散热架构。

　　全球算力园区格局：1GW已是当下头部门槛

　　根据EpochAI在2026年9月底的统计，全球已经投产的AI数据中心里，IT功率最高的是xAI的Colossus2，约946MW，其次是Anthropic联合亚马逊打造的New Carlisle园区，约910MW，微软Fairwater亚特兰大园区636MW，Meta Prometheus 496MW，OpenAI Stargate Abilene421MW。

　　采用1.2的PUE折算，前两座园区的设施总功率已经达到1.1GW上下，2026年，第一批真正意义上的吉瓦级单体AI算力园区陆续落地。

　　远期规划项目的规模更加惊人，微软威斯康星州Fairwater园区规划IT功率2.26GW，Anthropic和亚马逊合作的New Carlisle远期1.93GW，OpenAI新墨西哥州Stargate规划1.75GW，Meta HyperionIT功率远期目标1.63GW，整体园区远期5GW。

　　也就是说，1GW是当前全球单体算力园区的顶尖水平，到2028年，它只会变成头部厂商建设新园区的起步标准。EpochAI追踪的全球93个重点AI数据中心，合计IT功率13.6GW，折算后大约等效1420万颗H100。

　　把视角从单个园区拓展到企业整体算力布局，差距会更加直观。OpenAI在2025年底总算力约1.9GW，同时承诺推进合计约30GW的算力项目，长期目标是每周新增1GW算力。亚马逊AWS在2025年一年新增3.9GW电力容量，总容量相比2022年翻倍，计划2027年底再度翻番，2026年资本开支指引约2200亿美元。

　　微软现有数据中心容量约12GW，目标2032年提升至38GW。Meta成立独立算力部门，扎克伯格提出本十年建设数十GW算力，长期目标向数百GW迈进，2026年资本开支区间1250亿至1450亿美元。谷歌2026年资本开支指引在1950亿至2050亿美元。阿里云定下2032年全球数据中心规模超20GW的目标，相比2022年提升十倍。

　　从国内整体算力基础设施来看，1085万个标准机架按照2.5kW折算，总额定功率约27GW。IEA预测，2024年全球数据中心用电量415TWh，等效平均功率47GW；2030年总用电量预计增长至945TWh，等效平均功率108GW。

　　2026年海外头部科技企业资本开支总和突破7000亿美元，按每GW投入500至600亿美元粗略估算，市场每年新增算力规模十多个GW，几乎每个月都有一座1GW级别的AI算力工厂启动建设。

　　结语：虚拟AI产业，扎根在实体电力基建之上

　　GPU硬件保持快速迭代，FLOPS算力口径不断复杂化，GW这套以电力为核心的度量方式，成为AI行业最客观稳定的标尺。它串联起芯片硬件、电网工程、大额资本投入与商业化收益，把抽象的AI大模型产业，回归到电力、变压器、输电线路、冷却水这些实体基建的约束之中。

　　今后再看到各类GW级算力规划新闻，可以用这套标准快速估算体量：1GW大致等效一座大型核电机组，满足270万户国内家庭全年用电，承载40万至50万颗新一代GPU，一年消耗87.6亿kWh电量，机房建筑面积约30万m²，项目整体投入在350亿至600亿美元区间。

本文由智算芯能前沿网编辑整理，转载请注明出处。