AI “相位滞后” 与热力学墙
作者：微信文章01
—
相位滞后
2026年初，AI产业面临的核心矛盾已不再是缺芯片，取而代之的是更为刚性的物理限制。这让我想起了以前学看电路波形信号的时候，有个概念叫“相位滞后”。
现在的AI产业也有一种的这样的滞后现象：AI 在软件层（基座模型架构、Agent工作流）的进化速度已脱离摩尔定律，呈现超指数级爆发；而物理基础设施层（电力传输、热管理、数据中心建设）仍受限于物理化学规律和行政审批周期，仅能维持线性增长。
而之前提出的 Scaling law 已经被业界认为“从简单线性有效“， 演化为”有条件、分阶段、受约束地有效”。
AI从“响应式工具”演变为“自驱式系统”，2025下半年是分水岭。粗暴堆模型的时代已经差不多过去了，给同一个模型更多“思考时间”，比单纯加参数更有收益。
02
—
基础设施挤兑
随着模型对算力密度的压榨，全球的AIDC一定会撞上热力学墙。
首先是热密度突破风冷极限，液冷成为必须。
英伟达Blackwell 及后续 Rubin 架构的部署，芯片的热设计TDP已经超越了空气散热的能力带宽。2024年，基准还是风冷。主流服务器厂商（如 Dell、HPE）的标准机柜功率密度通常在 10-30 kW之间。在此区间内，传统的精密空调（CRAC）配合风冷散热器足以维持芯片温度。2025~2026年，高性能 AI 集群（如 NVL72 ）的单机柜功率轻松突破 100 kW。空气的比热容已不足以在物理上带走如此巨大的能量。液冷是维持系统运行的必须选项。
其次是热管理/冷却供应链开始出现订单挤兑。
以英伟达的液冷合作伙伴为例，Vertiv（维谛，前艾默生），2025年Q4的积压订单已经到了150亿美元，并且后续订单增长率高达 252%。这数据表明，云厂商正在不计成本地锁单，试图包圆未来 18-24 个月的散热产能。
当然还有更激进的海底和太空路线。
除非有新的基础技术革新，或者太空和深海AIDC突破现有的局限，否则未来很长一段时间，“碳”制约“硅”的在长期上看都是主轴；换个视角的话，“硅”拉动“碳”也必然是长期趋势。
03
—
尝试理解“终局”
那么在这可以总结一条正推逻辑：
·AI 从“训练期堆参数”演化为“推理期Agent化”↓
·算力从离散“峰值”调用变为“常态负载”
↓
·算力必须云化（弹性、调度、规模化）
↓
·云算力意味着超大规模数据中心
↓
·需求导致数据中心的功率密度极速上升
↓
·能源和电力成为扩张算力的约束
↓
·热管理能力成为有效算力的约束
↓
·能源&热管理 从AI的“成本” 变量，变成AI的“上限”
发现了吗，AI已经在不知不觉间，从软件和算法问题变成了系统工程的问题：
AI能力≈云效率 x AIDC功率密度 x 可供给能源量 x 热管理效率
公式左边指数/阶跃式的智能需求，撞上了右边线性增长的物理限制墙。
历史上几乎没有例外，所有“技术革命“竞赛最后都会走向能源组织与实体工程：
蒸汽机与电力时代：瓦特和爱迪生确实是早期的明星，但最后真正重塑世界的，是让蒸汽机跑起来的铁路网（工程体系），和让灯泡亮起来的国家电网（能源体系）。
互联网时代：早期的Netscape和Yahoo是赢家，但笑到最后的巨头国内外巨头，本质上都是数字地产商——不仅掌握软件，更掌控了海底光缆、数据中心和云计算架构（系统工程）。AI的早年时代，至少到2024年还是参数和模型为王，而在当前的转折点，算法的护城河在变浅，相反，电力和机柜成了最稀缺的资源。Meta 买核能、Oracle 造反应堆，都是在抢占“能源”这个终局筹码。
当技术从“能不能做到”，变成“能不能规模化、持续、便宜地做到”，决胜点一定落在物理世界。
写到这里，没有结论。
参考资料
Vertiv Holdings Co. (VRT) Q4 2025 Results Presentation & Transcript.
nVent Electric plc (NVT) 2026 Outlook & Guidance.
JetCool Technologies Industry Report: "Thermodynamics in 100kW+ Racks".
页:
[1]