远景“乌兰察布星河基地”建成，全球最大AI算力超级单体同步落地

全球AI“算力军备竞赛”，芯片制程的突破是焦点，但真正卡住算力脖子的，可能是电。

一座十万卡规模的AI数据中心，瞬时功耗就相当于一座小型城市的用电负荷。算力集群越做越大，电力系统的压力也随之水涨船高。

当前，国产AI芯片的单卡性能与国际领先水平尚存在差距。芯片性能的提升需要时间，但AI算力需求的爆发不等人。在此情形下，通过超节点的系统架构，将成千上万张AI加速卡高速互联、协同调度，提升大规模国产算力集群的系统效率和部署能力，成为一条优选路径。全球头部科技公司同样在布局这条路，而中国对这套打法的依赖更深、需求也更迫切。

当然，超节点架构的代价是更庞大的电力需求、更严苛的供电稳定性和更精细的能源调度能力。换句话说，谁能在算力密度最高的地方，解决好“电从哪来、怎么稳、怎么省”的问题，谁就拿到了下一轮AI竞赛的主动权。

8月6日，远景科技集团(以下简称“远景”) 宣布“远景乌兰察布星河基地”正式投产;与此同时，目前设计全球最大的AI算力超级单体也在该园区同步落地。远景表示，这是其“戈壁使命”全球计划落地的首个旗舰项目，也是对这一命题的工程化回答。

与传统数据中心不同，这座超级单体从一开始就将算力与能源深度绑定。据远景介绍，该超级单体拥有高比例的绿电直连(即通过自建或专线接入的风光储电站，将绿色电力直接输送至数据中心，不经过公共电网，以降低用电成本与碳足迹?)，总建筑面积超12万平方米(相当于20个标准足球场)，建成后或将成为彼时全球Token(词元，即AI大模型处理文本的最小语义单元)产出能力最强的单体AI数据中心。

在能源架构上，该超级单体依托高比例的绿电直连及AI电力系统，园区总规划容量达2GW。根据行业公开数据测算，一座1GW的数据中心满负荷运行时，年耗电量接近一座百万人口城市的全年用电规模。

在算力规模上，该单体支持百万张GPU卡同时运行，拥有百万P算力规模。这里的“P”是算力单位，1P代表每秒进行一千万亿次浮点运算，约相当于50万台主流笔记本电脑同时工作的算力水平。

据介绍“远景乌兰察布星河基地”实现了全球算力密度最高的超级单体布局，精准契合国内百万卡互联需求，将为国产算力集群打造可复制的中国方案。

01

“超级单体”刷新全球AI数据中心纪录

当前，国内AI算力正加速迈向十万卡乃至百万卡互联，以此与全球算力巨头同台竞技。在此趋势下，将百万张AI加速卡汇聚于同一物理空间、协同调度，即所谓“超级单体”，成为提升集群总算力效率的关键路径之一。

“远景乌兰察布星河基地”正是这一路径的率先落地者。该基地规划承载百万P算力规模，以超级单体形态将百万卡集成于一体，凭借集群总算力提升中国芯片的全球竞争力。

不过，超级单体并非“房子够大”就行。要支撑百万卡运行，对电力系统的挑战是空前的：百万卡集群的瞬时功耗可达数百MW级别，对供电稳定性、配电密度和储能调峰能力提出了前所未有的严苛要求。正所谓“粮草未到，车马先行”，远景AI电力系统的核心价值正在于此——其为超级单体打造专属“能源高速路”和“电力粮仓”，将绿电直连、智能配电与规模化储能深度耦合，使“远景乌兰察布星河基地”的算力输出规模，达到同等面积下传统数据中心的10倍，未来有望以超强算力密度刷新全球纪录。

算力集群的“弹药”不止于电力。十万卡乃至百万卡集群对网络延迟极度敏感，任何微小迟滞都会被系统指数级放大。

乌兰察布是国家“东数西算”八大节点之一，网络时延优势得天独厚，能够高效承载实时在线算力需求。对这一区位的选择并非偶然——作为国家算力网络的西部枢纽，乌兰察布承担着承接东部算力需求、拉动西部绿电消纳的双重使命。“远景星河基地”的投运，正是这一国家战略在AI算力爆发背景下的首次规模化验证。

更关键的是，这里拥有全国领先的风光资源，全域绿电占比高达67%。“远景乌兰察布星河基地”可充分利用当地风能优势，通过自建风场及专线实现绿电直供，为当前设计全球最大、绿电占比最高的AI超级单体构筑起坚实的绿色能源底座。

远景科技集团AIDC(人工智能算力中心)总经理郑子浩表示：“中国芯片正在走一条集群化突围的道路。远景超级单体可为这支‘集团军’提供最强保障：够大的部署基地、充足的电力‘粮草’和畅通的能源补给线。‘远景星河基地’正以超级单体承载国产算力集群的规模化部署，为中国算力的大爆发提供最强助攻。”

02

从墙外能源到墙内算力

远景交付的不只是一套Solution

基于国产芯片对更大部署空间、更高互联效率和稳定绿色电力的多重需求，“远景乌兰察布星河基地”以“超级单体+AI电力系统”的组合方案，为国产算力集群提供了一套专属适配的土壤。

这套方案的价值，不止于解决眼下的算力瓶颈，更在于跳出了行业普遍的单点技术升级思路，定义了一种中国式的解题路径——以算电深度协同为核心，用全链路能源体系优势撬动算力竞争力。

换言之，全球AI算力竞赛的竞争维度正在发生根本性转变：不再仅仅是芯片制程的比拼，更是能源体系、电力系统与算力调度综合能力的较量。这场较量的胜负，早已不取决于单一设备的参数优劣，而在于能否打通能源生产到算力输出的全链条。

过去，AIDC主要由电信运营商、专业数据中心开发商和互联网巨头建设，能源企业更多扮演电力或设备供应商角色。

但当单体IT负荷进入百兆瓦、园区迈向GW级，能源获取、并网容量、储能、供配电和热管理，开始决定项目能否按期建成及高效运行。AIDC的技术重心因此从传统机房工程，向能源基础设施明显迁移。

当AIDC的能源升级已成为行业共识，市场上从不缺单点解决方案：从SST固态变压器、800V HVDC高压直流架构，到液冷散热系统、UPS设备迭代、配套储能，几乎每个细分环节都挤满了玩家。

但与行业多数玩家聚焦单一设备迭代、单个环节优化不同，远景的核心差异化，在于打通了数据中心“墙外”的能源生产系统与“墙内”的供配电系统，形成了覆盖发电、电网、储能、负荷全环节的端到端AI电力系统能力。

远景并不是在传统AIDC供电链路上增加几项新能源设备，而是从墙外能源生产开始，重新设计一座GW级AIDC的完整能源与热管理系统。

在数据中心“墙外”，远景基于“天机”气象大模型和“天枢”能源大模型，将发电预测、储能充放与算力负荷进行毫秒级协同优化。简言之，就是把过去依靠人工经验的电力调度，变成由物理AI驱动的精准调控，让不稳定的绿电变得可规划、可调度。

在数据中心“墙内”，传统数据中心采用的是“多级变压+交流供电”方案，即电网交流电经过多次交直流转换后才供给服务器，每转换一次就损耗一次，且用铜量巨大。远景引入SST(固态变压器)技术，将10kV/13.8kV交流电直接转换为800V直流电供给算力设备，省去中间的多级变压(AC→DC→AC→DC)环节，转换效率达98.5%，铜用量最高可减少80%。这意味着更少的电能损耗、更低的设备成本和更紧凑的配电空间。这对于一座规划容量达GW级的数据中心而言，这三项指标的优化直接关系到项目的经济可行性。

远景始终关注的，是AI基础设施的整体能源效率——即“每一度电能够产生多少有效Token”。在墙外，通过风光储一体化协同压低绿电获取成本、提升绿电利用效率;在墙内，通过供电架构重构减少电力转换损耗、增强供电稳定性，内外联动最终降低单位智能产出的综合能源成本。

这也正是远景与其它玩家的本质区别。其能力并非起步于单一的数据中心配电设备，而是建立在风电、光伏、储能、氢能、电力电子等领域近二十年技术积累之上，并向AIDC场景深度延伸，形成了覆盖发电侧、电网侧、储能侧与负荷侧的全链路闭环能力。

而远景的实践表明，在芯片单卡性能存在差距的现实约束下，依托中国领先的绿电基础设施和储能产业链，通过系统级创新实现算力集群效率的跃升，是一条被验证可行的道路。

这种“墙内+墙外”的一体化方案，在成本和经济性上具备了可复制的基础，并非停留在理论推演阶段。此前，远景与腾讯在赤峰合作了AIDC试点项目，已验证了这一模式在真实场景中的可行性。从赤峰到乌兰察布，远景逐步跑通了“源网荷储”协同的AI算力超级单体模型。加上其覆盖智能风机、光伏、储能、AI电力系统的全栈技术能力，以及从电力生产到调度的一体化交付能力，这套方案的可复制性，正从“理论可能”走向“工程现实”，这也恰恰是远景敢于将“戈壁使命”，从乌兰察布推向全球的底气所在。

而这，正是中国算力基础设施，从追赶到输出的一步跨越。

公开信息显示，今年6月，远景在法国VivaTech科技峰会上，正式发布“戈壁使命”，目标是到2030年在全球戈壁荒漠地区，建成5GW绿色AI算力中心。“远景乌兰察布星河基地”作为该使命落地的第一步，正成为中国AI算力中心走向世界的“样板间”。

郑子浩表示，“远景乌兰察布星河基地”主要面向头部科技与AI公司大规模使用国产算力的紧迫需求，致力于为中国算力量身打造“新能源+AI算力基础设施”的中国解决方案。“面向未来，我们将为全球面临算力需求迫切、能源基础设施薄弱、电力资源紧缺的区域，带去可复制的中国AI数据中心解决方案。

写在最后：从乌兰察布到全球>>>

一座星河基地的投产，表面上是一个数据中心项目的落成，但放在更大的坐标系里审视，它标志着中国算力基础设施正在探索一条不同于硅谷的路径。

硅谷的算力优势建立在领先的芯片制程和巨额的资本投入之上，而中国的算力突围，则建立在系统架构创新和一体化能源基础设施优势之上。“远景乌兰察布星河基地”证明了一件事：芯片的短板，可以通过系统来对冲;算力的成本，可以通过绿电来优化;数据中心的选址，可以从城市走向戈壁荒漠。

当算力成为基础资源，谁拥有更低成本、更可持续的能源供给，谁就拥有算力定价的主动权。从这个意义上讲，远景在乌兰察布种下的不只是一座数据中心，更是一套“新能源+算力”的中国范式。