全球进入人工智能竞速赛，大模型背后的算力竞赛愈演愈烈。算力，作为数据处理能力的核心，其背后是庞大的算力基础设施——成千上万台服务器在数据中心昼夜不停地运转。然而，算力每提升一步，伴随而来的是惊人的能源消耗，其中散热已成为制约发展的关键瓶颈之一。

　　那么，为什么算力时代的热耗问题如此突出？

　　首先，人工智能模型的训练过程是典型的“电老虎”。以拥有1750亿参数的GPT-3为例，其单次训练耗电量高达约128.7万度，相当于美国121户家庭一年的用电总量。而随着模型参数规模不断攀升，训练所需电力更是呈几何级增长。

　　但这仅仅是开始。训练完成后的“推理阶段”——即用户日常使用AI的过程，耗电量同样惊人。据国际能源署2024年数据，ChatGPT每响应一次请求，平均耗电2.9瓦时，相当于点亮一个60瓦灯泡近三分钟。随着AI应用普及，海量用户持续调用模型，累积耗电量将不断攀升。

　　有数据显示，在AI数据中心内部，电力消耗主要来自两部分：约40%用于计算本身，另外40%则用于设备冷却，其余为其他信息技术设备用电。芯片在工作时热流密度极高，局部热点可达150W/cm，这样的热流密度意味着在指甲盖大小的面积上，每秒产生的热量足以在几分钟内烧开一杯水。如果不能及时散热，芯片性能会急剧下降，甚至引发故障，严重影响AI服务的稳定性与效率。

　　由此可见，算力的每一次飞跃，都伴随着散热技术的严峻考验。在算力竞赛的背后，实则也是一场“散热攻坚战”。唯有突破散热瓶颈，才能为AI的持续奔跑提供坚实保障。

　　本报记者 朱平 整理