随着AI算力需求持续攀升，算力基础设施正经历快速重构，这一趋势正在向上游制造产业链传导。在日前由钛媒体主办的ITValue Summit数字价值年会期间，钛媒体联合工创联、ITES深圳工业展围绕“整机柜”展开讨论，聚焦精密制造在AI算力供应链中正在发生的工艺重构与协同挑战。
超聚变算力领域副总裁王梁栋用一组数据说明了AI产业的变化速度：过去15年，用于训练AI的算力增长了12个数量级，顶级数据中心的算力规模大约每7个月翻一倍。算力基础设施面对的已不是一次性扩容，而是持续迭代压力。王梁栋判断，超节点、整机柜等新算力形态正从传统的“服务器产品”演变为更复杂的Token生产模块。以超节点方案为例，相同资源与硬件条件下，其连接方式可突破传统单卡带宽限制，带宽提升约9倍，吞吐能力也有数倍提升。
整机柜性能增强的背后，制造端面临的挑战远不止增加设备数量。过去算力竞争集中在芯片、服务器和单台设备之间，如今竞争颗粒度正在变大——一套复杂算力系统能否被制造、测试并最终稳定交付，取决于芯片、网络、供电、散热、结构件等组件能否组合为稳定运行的整体。
散热环节的变化尤为突出。四季度开始量产的英伟达Rubin单芯片功耗达到2300W，冷泉能控科技（深圳）有限公司市场总监黄卫指出，随着芯片功率不断提高，散热成本并非按功耗线性增加，而可能出现数倍增长。当传统风冷越来越难以应对高功率芯片，液冷正从相对独立的配套产业被推到AI基础设施成本与性能的核心位置。冷泉能控目前主要推动两相液冷技术，并支持NVIDIA H100/A100集群连续满载运行，成为目前中国大陆唯一明确支持这一应用场景的两相冷板供应商。
液冷技术路线的变化也在倒逼制造能力升级。黄卫提到，目前液冷产业链中大量企业本质上仍是传统五金加工厂，能够按图纸完成冷板尺寸、平整度等加工要求，却未必具备独立设计能力。真正能够改变产业链利润分配的，不只是加工能力，而是设计、方案和系统能力。材料端同样面临更高要求，太钢不锈钢研究所所长白晋钢表示，AI液冷时代材料的一致性、加工成型、CNC、焊接等环节都可能影响最终交付，太钢已在专用材料、组织调整及精细化管控方面投入大量资源，以降低下游加工和焊接难度。
在设备与材料升级之外，稳定交付是产业链各端厂商共同关注的现实问题。AI硬件迭代速度加快，但制造业的设备、工艺和订单周期无法同步重启。企业既要升级又不能停产，既要提高自动化程度又要应对越来越多非标、小批量、快速变化的需求。与会人士指出，相比单纯追求“无人化”，当前制造企业更需要解决的是柔性能力——柔性制造应从客户选择和订单管理开始，实现接单、计划、采购到生产的全链路联动。
制造企业内部的变化同样在发生。湖南星邦智能装备股份有限公司首席信息官、集团智慧研究院院长谢鹏提到，借助AI Agent，过去需要一两天完成的BOM变更可压缩至几十秒。他强调，企业拥抱AI和数字化的目的不应停留在营销、OA等外围场景，真正重要的是让AI进入工艺、质量、产品研发、供应链等核心业务流程。太钢在材料交付过程中也已将AI引入检测和排产环节。白晋钢表示，人在体系中是最不确定的因素，制造企业需要通过AI检测、智能排程等方式，将原来依赖经验判断的环节逐步数字化。
从芯片功耗攀升到液冷方案迭代，从材料工艺升级到柔性交付体系建设，AI算力整机柜产业正在经历一场覆盖多环节的制造体系重构。对于产业链参与者而言，能否在不停产的前提下完成能力升级，并在设计、材料、制造与交付之间建立协同，将决定其在下一阶段算力供应链中的位置。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
