- Nvidia 指出，在人工智能数据中心消耗的每千兆瓦电力中，仅有约 70% 实际用于 AI 计算任务
- 剩余 30% 的损耗主要源于冷却系统、电力分配低效以及机架故障与重启
- 尽管芯片供应常被视为瓶颈，但 Nvidia 认为电力获取才是当前 AI 数据中心扩容的主要限制因素
Nvidia 披露了人工智能数据中心的能效现状。据其合作伙伴、基础设施供应商 Vertiv 在近期 EMEA 年度活动上透露的信息显示，由于物理和系统层面的多重问题，大量电力并未直接转化为有效的 AI 算力。
自 2026 年初以来，Vertiv 与 Nvidia 已展开合作，共同设计下一代数据中心架构，由 Vertiv 负责为 Nvidia GPU 提供动力支持及基础设施管理方案。
数据显示，从电网接入到最终用于 AI 处理的电力转化率最高仅为 70%，剩余的 30% 构成了未来优化数据中心设计时需要重点削减的低效环节。
效率流失的具体构成
虽然数据中心存在效率损耗并非新鲜事，但其具体规模仍值得关注。Nvidia 超级计算、AI 云基础设施及 EMEA AI/HPC 副总裁 Rod Evans 指出，这 30% 的损耗主要由基础设施和系统问题导致。
在一座容量为一兆瓦的数据中心中，约有 20% 的电力损失于冷却、发电及转换过程；另有 10% 的损失则归因于机架配置错误、硬件故障以及系统重启。
Evans 举例说明：“当你签署一份 100 兆瓦的合同时，你实际上从未完全获得这一功率。运气好的情况下，你能得到 93 兆瓦，而在一天中的某些时段，可用功率甚至更低。”
Nvidia 认为，这部分高达 30%（极端情况下可达 40%）的损耗具备回收潜力。Evans 分析称，现有数据中心往往按照峰值负载和停电风险进行冗余设计，而非基于日常平均使用率。这意味着存在未被利用的容量空间，通过调整电源管理和冷却策略，可以找到更优的配置以恢复部分效能。
电力取代芯片成为核心瓶颈
Rod Evans 表示，Nvidia 与 Vertiv 正致力于规划更高效且可持续的数据中心。“我们的目标不是尽可能多地消耗电力，而是最大化每一瓦特的利用率，共同建设可持续的人工智能基础设施。”
目前，制约 AI 数据中心发展的关键挑战已从芯片短缺转向电力短缺。部分数据中心项目需等待数年才能获批与其设计容量相匹配的电力供应。
选址策略受到电力可得性的显著影响。在某些地区，电力资源充足但缺乏建设许可；而在另一些地区，许可证易于获取却面临电力供应不足的问题。此外，即便两者皆备，若选址过于偏远，设备运输也将成为难以克服的实际障碍。
