中国智能算力规模（基于FP16计算）及预测（单位：EFLOPS）

大模型规模扩张拉动算力需求，直接推高服务器功率。DeepSeek等大模型算法效率提升，通过开源进行科技平权，致使AI向各行各业加速渗透，用户和场景扩容推动算力消耗增长；多用户场景需要多模态模型（文本、图像、视频融合），需集成CPU、GPU、ASIC、FPGA等不同类型的处理器处理海量异构数据，直接拉高服务器功率。

芯片性能高速迭代叠加机架多芯片集成，单服务器机柜功率猛增。算力需求推动芯片功率不断攀升，英伟达GPU芯片TDP从Tesla P100的300W飙升至B300的1100W，英特尔的CPU芯片TDP已经突破350W；机架功率密度实现数量级跃迁，从传统20-30kW向100kW以上迈进，英伟达GB300 NVL72通过集成72个B300 GPU和36个GraceCPU使单机架功率最高可达140kW。随着英伟达的GPU架构从Blackwell逐步进化为Rubin Ultra，服务器机架的峰值功率有望于2029年突破1MW。