今天，阿里云在2026云栖大会上首次展出GW级BYOP多能互融超级工程，该工程配套智算中心规模达到1GW，当前负载率达到59%。
而在本月初，字节跳动被曝计划在内蒙古乌兰察布建设5-6GW级AI数据中心园区，预计2028年初交付。这将成为其迄今最大规模的单一AI基础设施项目。
越来越多的头部科技企业正在建设超大规模算力基础设施，产业中释放出一个明确信号：AI基础设施正在从MW迈向GW时代。
今年3月，英伟达创始人兼首席执行官黄仁勋提出“Token工厂”概念，并判断AI产业的竞争正在从“大模型时代”转向“Token产能时代”。在这一趋势下，数据中心的角色也正在发生变化：它不再只是承载数据和算力的基础设施，而是将电力、数据和计算能力持续转化为Token的“生产工厂”。
如果说传统数据中心的核心指标是机柜、功率、PUE和上架率，那么Token工厂最关注的问题则更为直接：投入多少电力和算力，能够稳定生产多少Token，以及这些Token能否以足够低的成本持续创造价值。
也正因此，关于“GW级Token工厂”，很多人的第一反应可能是：把数据中心做得更大，多买一些GPU，多盖几栋机房，再把更多电力接进来。
但产业难题恰恰不在“做大”，而在“协同”。
GW级Token工厂需要把电力、算力、网络、散热、存储、软件调度和客户需求同时锁定，并让它们长期保持同频。更关键的是，这些环节的建设周期、技术迭代速度和商业回报周期并不一致。
因此，GW级Token工厂真正要解决的，并不是如何把1GW的电送进数据中心，而是如何把这1GW持续、高效地转化成可交付、可计价、可盈利的Token产能。而这条从“GW电力”到“GW产能”的路径，远比想象中复杂。
01
第一道难题
GW级的电，从哪里来？
先厘清一个概念：GW级Token工厂究竟是什么？
1GW规模的Token工厂是指总功率达到1000MW级别的大型人工智能计算设施，总投资约为2000亿至3500亿元（280亿至500亿美元），单园区1GW的Token工厂年用电量超过70亿度，最大负荷可达100万kW，其年用电量相当于一座中型城市的全社会用电量。
据悉，多家企业正在推进GW级Token工厂建设，其中包括AWS、SpaceX、OpenAI、Meta、字节跳动等。
因此，第一道门槛根本不在机房，而在电网。
Gartner预计，2026年全球数据中心电力消耗将达到565TWh，同比增长26%;国际能源署（IEA）则预计，全球数据中心用电量到2030年将接近950TWh,较2025年接近翻番。
与此同时，数据中心的建设周期可能只有两三年，但能源基础设施涉及规划、审批、设备供应和建设等，往往需要更长时间。因此，对GW级Token工厂而言，真正稀缺的未必是一块适合盖机房的土地，而是一个能够持续兑现大容量、稳定性和价格条件的电力资源。
过去，数据中心选址更多围绕网络、土地、气候和区域政策展开；GW级时代，电力正在从“数据中心配套条件”变成项目本身的核心资产。低电价固然重要，但它不等于低成本。电力接入、绿电消纳、峰谷价差和跨域调度能力，正成为算力资产的新变量。
这也是“算电协同”越来越受到重视的原因。
以庆阳为例，当地落地建设200万千瓦绿电聚合试点工程，是全国首个直供数据中心的风光储一体化聚合项目，并探索绿电直供与算力负荷匹配，本质上解决的并不是“哪里有绿电”这么简单，而是如何把“有电”进一步变成持续可用、成本可控、能够被算力稳定消纳的电力。
从这个角度看，GW级Token工厂首先是一项能源工程，其次才是一项数据中心工程。
02
第二道难题
有了电，机房扛得住吗？
电力只是入口，真正把GW规模落到机房里，还要面对供配电、散热和网络三道硬约束。
过去的数据中心可以通过复制标准机架、扩充服务器数量来实现规模扩张，但AI进入高密度阶段后，单纯“堆GPU”的逻辑正在失效。
当单机柜功率从传统的5-8kW跃升至数百kW，GPU功耗不断突破上限，供电链路的损耗、散热压力与空间占用，成为算力扩张路上绕不开的难题。AI机架功率持续上升，供配电体系首先要被重新设计。
换句话说，GW级Token工厂不是简单复制几千个标准机架，而是整个供电体系从顶层规划、变电接入、配电、电源转换、运维管理到能源调度，全链路都需要被颠覆。
而比供电更棘手的，是散热。
英伟达新一代AI计算平台Vera Rubin，单颗GPU热设计功耗2300W，整机柜功耗上限突破200kW。字节跳动的AI Rack 3.0单柜额定功率500kW，双柜集群总功率超1MW。当单机柜功率突破风冷散热极限，液冷成为未来的产业方向。
高密度AI集群正在推动液冷从“可选项”走向“必选项”。但液冷绝不是给服务器装上冷板这么简单，而是一套由冷板、冷却液、管路、接头、CDU（冷却液分配单元）、换热系统以及监控系统共同构成的完整基础设施体系。
问题也随之出现：当一个GW级Token工厂里部署了数千个高密度机架，谁来维护这套越来越复杂的算力基础设施？
这其实是产业面临的另一种新矛盾。
传统数据中心运维重点集中在服务器、存储设备、网络交换设备、电力设备等IT基础设施，水更多作为空调系统的介质存在；而高密度AI智算中心，正将“水”升级为独立的关键基础设施。液冷规模化落地后，冷却系统不再是配套辅助设施，而是保障算力持续稳定运行的核心支撑系统。
但就算供电和散热都解决，Token工厂依然可能卡在第三个地方：网络。
在传统数据中心里，网络更多承担的是“连接设备”的角色，但在GW级Token工厂里，网络本身已经成为决定算力利用率的重要基础设施。
尤其是在大模型训练场景下，数千甚至数万颗GPU并不是彼此独立工作的。模型参数、梯度和中间数据需要在不同计算节点之间高速交换，任何通信瓶颈都可能导致部分GPU等待数据。
推理阶段同样如此，随着模型规模扩大以及多用户并发请求增加，网络延迟、带宽和通信调度也会直接影响Token生成效率。这也是为什么InfiniBand、RoCEv2等技术逐渐成为数据中心行业关注的热点。
更大的挑战在于，算力规模越大，网络故障带来的损失也越大。
一台服务器出现故障，影响可能只是一个节点；但当数千个GPU组成高度耦合的集群后，一个交换机、一个链路甚至一个异常节点，都可能造成局部乃至大范围的算力闲置。于是，GW级Token工厂对网络提出的要求已经从“大带宽”进一步走向“低时延、大带宽、高可靠、强智能”。
这意味着，未来评价一座AI数据中心，不能只看“部署了多少GPU”，还要看这些GPU之间能否真正形成一个高效的计算整体。
03
第三道难题
硬件就位，就能稳定生产Token？
如果说电力、供配电、制冷和网络等基础设施解决的是“算力能不能建起来”，那么接下来的问题则是：这些算力能不能真正转化为Token？
同样是1000张GPU，不同模型、不同并行策略、不同数据规模以及不同推理负载下，最终能够产生的Token数量可能完全不同。即便硬件配置相同，如果GPU利用率不足、通信效率低、任务调度不合理，实际产能仍然可能大打折扣。
因此，GW级Token工厂真正需要优化的，是一条从“电力-算力-Token”的完整转化链路。这里面最容易被忽视的变量就是GPU利用率。
在AI集群规模不断扩大的情况下，任何一部分算力闲置，都会变成巨大的沉没成本。假设一个GW级Token工厂部署了数十万颗GPU，那么哪怕只有几个百分点的算力没有被有效利用，对应的也是大规模的资本和能源浪费。
于是，GW级Token工厂需要解决的问题就不再只是“有没有GPU”，而是如何让GPU尽可能少地等待。这背后依赖的是另一套过去并不属于数据中心核心能力的软件基础设施，包括集群调度、资源编排、任务管理、模型并行、推理引擎、存储调度以及网络协同。
尤其进入推理时代以后，AI负载正在呈现出与传统训练完全不同的特征。训练任务通常规模大、周期长、资源相对稳定，而推理请求则更加碎片化、实时化和动态化。用户可能在几秒钟内发起大量请求，随后又迅速下降；不同模型、不同上下文长度和不同服务等级，对GPU资源的需求也存在巨大差异。
这就要求GW级Token工厂具备更强的动态调度能力：何时分配多少GPU给哪个模型，哪些GPU承载训练、哪些承载推理，何时扩容、何时释放闲置资源，如何实现多业务算力共享。这些能力，最终决定Token产能。
因此，GW级Token工厂真正的“操作系统”，很可能不在机房里，而是在软件层。
04
第四道难题
Token产出来了，谁来买单？
到了这里，GW级Token工厂真正棘手的问题开始从工程侧转向商业侧。因为一座GW级设施最昂贵的部分，并不只是建设成本，而是长期运行成本。
电力需要持续购买，GPU需要持续折旧，制冷系统需要持续运行，网络和存储需要持续投入，设备还会面临迭代和更新。更重要的是，AI芯片的生命周期正在缩短，今天最先进的GPU，几年后可能就面临性能和能效上的代际压力。
这意味着，建设一座GW级Token工厂，本质上是在进行一场巨额的长期资本下注。
问题是，谁来为这些Token买单？
如果Token需求能够持续增长，算力利用率不断提高，那么庞大的基础设施投资可以通过云服务、模型服务、API调用、Agent服务以及企业AI应用等方式逐步变现。
但如果算力建设速度超过Token需求增长速度，就可能出现另一种局面：电力已经锁定、数据中心已经建成、GPU已经采购，但客户并没有足够的计算需求来填满这些产能。
这也是当前AI基础设施投资中越来越值得关注的一个矛盾：算力供给正在以前所未有的速度扩张，而Token需求究竟能否同步增长，仍然需要真实的应用规模来验证。
从这个角度来看，GW级Token工厂与传统数据中心最大的区别，不是规模更大，而是它第一次把“产能”与“需求”紧密地绑定在了一起。
传统数据中心可以先建设基础设施，再通过客户逐步置放机柜；但Token工厂如果按照GW级规模建设，其前期资本投入和能源锁定规模都非常庞大，很难完全依靠“先建起来再找客户”的方式消化。
一座真正意义上的GW级Token工厂，背后往往需要同时具备三张订单表：电力订单、算力订单和Token订单。电力解决“能不能运行”，算力解决“能生产多少”，而Token订单则决定“生产出来有没有人买”。
结语
回到最初的问题：建一座GW级Token工厂，到底有多难？
最容易给出的答案是“贵”。但真正决定项目成败的，可能恰恰不是投入了多少钱，而是谁能够同时锁定十几个关键变量。
电力需要长期合同，芯片需要稳定供应，网络需要低时延扩展，散热需要持续运维，软件需要保持集群高利用率，客户则必须持续为Token买单。任何一个环节存在短板，1GW就可能只是一个漂亮的容量数字。
如果说传统数据中心的核心任务是把IT设备安全地放进机房，那么Token工厂的任务则是让电力、芯片、网络、散热和软件持续协同，把每一度电、每一颗GPU都最大程度转化成可交付的智能。
所以，建一座GW级Token工厂，难的从来不是“把它建出来”，而是“如何让它持续稳定地生产，让生产出来的Token有人使用，让每一个Token背后的电力、算力和资本投入最终形成可持续的商业回报。”
立即扫码，免费申领大会门票
2026年12月10-16日，第二十一届中国IDC产业年度大典（IDCC2026）系列活动将在北京重磅开启，以“智能生长 算电有度——重构IDC产业价值链”为主题，联动三大主论坛，20+主题论坛，超过30场创新应用与企业专场、产业资源对接、DITExpo同期展览、年度评选及全球AI基础设施考察行等活动，邀请产业各方共同探寻下一阶段的产业发展答案。
其中，IDCC2026主题论坛——“GW级智算集群建设与运营论坛”将聚焦“什么是GW级、怎么建设GW级、怎么运营GW级”三大核心话题，从超大规模算力的需求逻辑出发，深入探讨电、算、网、冷协同下的建设路径，以及GW级集群的运营体系，并进一步探讨：当GW不再只是算力规模的终点，AI基础设施下一轮规模革命在哪里？
从MW走向GW，变化的不只是数字，更是整个智算基础设施的建设逻辑与价值链。GW级Token工厂究竟该如何建、如何跑、如何实现从“规模”走向“产能”？12月北京，答案将在IDCC2026大会现场展开。
(商务赞助与演讲席位同步招募中，详情请联系大会组委会)
热门专题
