AI算力被一根铜线卡住了脖子,微软用超导电缆破局
一个百兆瓦级的AI数据中心,最头疼的问题可能不是芯片不够快,而是电送不进来。
2026年2月,微软发布了一篇引起行业震动的博客。微软全球基础设施营销总经理Alistair Speirs透露,公司正在探索使用高温超导(HTS)电缆,为数据中心和电网进行一次深层“改线”。原因很简单:生成式AI带来的用电量已经让传统铜缆配电方案逼近物理极限。
这不是一个“换根线”的工程优化。这是一个关于AI算力的物理约束正在被谁解开的信号。
先理解一个物理事实:为什么铜缆成了AI的瓶颈。
数据中心内部的电力分配一直依赖铜线。铜的导电性在金属里算优秀的,但它有电阻——电流通过时会产生热量。数据中心的功率密度越高,铜缆的电阻损耗就越大。
这个问题在AI时代被放大了一个量级。传统数据中心单机架功率在5到10千瓦,而AI训练机架已经突破100千瓦。同等功率下,铜缆的截面积必须成倍增大,线缆排布越来越密集,占地越来越大。
微软在博客中明确指出,传统架空输电线路需要占用约70米宽的区域。而高温超导电缆在特定低温条件下电阻归零,载流能力可达铜材的数十倍,同等功率下尺寸和重量缩小约10倍。
这意味着一座智算中心的供电架构可以从“粗壮的铜柱森林”变成“纤细的超导管路”。
但物理优势只是一半。真正的转折在于,中国已经跑通了工程验证。
2026年9月,永鼎旗下子公司东部超导的“高温超导直流电缆配电网应用场景”入选江苏省前沿技术应用场景建设示范名单,是全省超导材料领域唯一示范项目。
这条电缆是国内首条高温超导直流电缆,也是国内首个面向中低压配电网络的超导电缆示范工程,已经在苏州示范运行。按照满载计算,年节省电费可达300万元以上。
注意这个数字的含金量。 这不是实验室里的理论测算,是真实配电网络上的运行数据。一条超导电缆一年省下300万电费,而一个百兆瓦级智算中心每年电费支出在数亿元量级。如果超导电缆在智算中心配电侧大规模替代铜缆,节省的将是一个十亿级甚至百亿级的电力成本池。
钱在往这个方向加速涌,因为经济账算得过来了。
根据市场研究报告,全球高温超导电缆收入规模2025年约9.67亿元,到2032年将接近49.11亿元,复合年增长率达26.3%。全球HTS电缆市场2025年估值12.4亿美元,预计2033年达到31.9亿美元,CAGR为12.56%。
更值得关注的是需求端的判断。中邮证券的研报显示,2024至2025年国内超导带材销量将由千公里级跃升至万公里级,2026至2030年有望再增十倍,进入紧平衡甚至供给缺口阶段。
换句话说,超导带材正在从“实验室耗材”变成“工业原材料”。 当一个材料的需求量在五年内增长十倍,它的成本曲线和供应链格局都会被重写。
把物理和经济两条线串起来,微软的战略意图才看得清。
微软系统技术总监Husam Alissa透露,微软看重HTS的两大应用场景:一是在数据中心内部,通过更细、更轻的电缆重新布局电力房和机架,提高空间利用率;二是通过合作推动在长距离输电线路中采用超导电缆,从源头改善大型数据中心接入电网的能力。
第二条场景尤其值得拆解。美国数据中心面临的最大瓶颈之一不是算力,而是电网接入延迟。建设一条新的输电线路往往需要数年审批和施工,而超导电缆可以在现有走廊内输送更大功率,绕过“新建线路”的漫长周期。
这是一个典型的物理突破重构经济模型的案例: 传统方案下,数据中心选址受限于电网容量和输电走廊;超导方案下,选址逻辑从“离电网近”变成“离用户近”,电网从“约束条件”变成“可优化变量”。
还有一个容易被忽略的信号:聚变产业正在反哺超导供应链。
微软在博客中特别指出,核聚变装置大量采用HTS材料,这反过来扩展了HTS供应链、拉低了成本。微软系统技术总监Husam Alissa的原话是,随着聚变研究推动供应与制造多元化,“游戏规则有所改变”。
兰卡斯特大学物理系实践教授、超导全球联盟编委Ziad Melhem的判断更直接:“未来的数据中心将是超导的:功率更高、更高效、更紧凑。 ”
回到最现实的问题:这和我们普通人有什么关系?
短期看,超导电缆最先影响的是AI算力的部署速度和选址自由度。当供电不再是瓶颈,数据中心可以建在离用户更近的地方,而不是被迫建在偏远的大型发电站旁边。
中期看,城市配电网的改造是溢出方向。巴黎和芝加哥已经在试点小段超导电力线路。如果苏州的示范工程被证明可规模化复制,中国城市老旧电网的增容改造将多一个不需要挖开路面重新铺线的选项。
长期看,这件事的意义超越了电缆本身。当“零电阻输电”从实验室走进配电网络,整个电力系统的成本结构假设都需要被重新审视。 发电厂到用户的距离约束、数据中心的地理布局、城市电网的增容路径——这些看似独立的规划变量,正在被同一根电缆串起来重新计算。
评论区聊聊:你觉得超导电缆最先改变的是AI数据中心选址,还是城市配电网改造?
#高温超导# #超导电缆# #AI数据中心# #算力瓶颈# #新质生产力#