中国海底数据中心模式深度研究报告
2026-05-23 10:36:12
浏览次数：
次
返回列表
随着人工智能（AI）革命的深入，全球算力需求正以指数级速度增长，其背后是同样急剧膨胀的能源消耗。电力、散热、水资源与土地已成为制约AI发展的关键瓶颈。在此背景下，中国开创性地将数据中心与海洋环境相结合，探索出一种极具前瞻性的新型基础设施形态——海底数据中心。我们以2026年5月于上海临港东海海域正式投入商业运营的全球首个“海风直连海底数据中心”为核心案例，深度剖析其技术创新、战略价值、全生命周期成本与潜在风险。行业认为海底数据中心通过“海水自然冷却+海上绿电直供”的“算电协同”模式，在能效、资源节约方面展现出巨大优势，但其高昂的初期投资、复杂且昂贵的运维、技术迭代与资产锁定的矛盾以及长期生态环境影响的不确定性，决定了其在当前阶段更适合作为特定场景下的“特效药”，而非普适性的“万能药”。与此相比陆上浸没式液冷技术在成本效益和灵活性上展现出更强的普适性。未来中国乃至全球的AI基础设施建设应采取因地制宜、多元发展的策略，理性布局海底算力，以应对AI时代的能源大考。
人工智能正以前所未有的深度和广度重塑全球经济与社会结构。从大模型训练、AI视频生成到自动驾驶和世界模型，算力已成为新的核心生产力。然而在这场算力狂飙的背后，一个日益严峻的物理约束正浮出水面——能源。国际能源署（IEA）的预测指出，到2030年全球数据中心的电力需求预计将增长一倍以上，而AI将是驱动这一增长的最主要动力。传统的AI基础设施发展模式正面临四大“天花板”：
在此严峻背景下，AI产业的发展逻辑必须从单纯追求算力规模，转向构建一个能源供给更稳定、成本更低、碳排更少的新型基础设施体系。中国的“算力入海”战略，正是对这一时代命题的开创性回应。
2026年5月15日，全球首个正式投入商业化运营的“海上风电+海底算力”一体化项目在上海临港东海海域成功落地，为AI基础设施的未来演进方向提供了具体样本。
该项目总投资约16亿元，整体规划24MW，一期示范规模为2.3MW。一个重达1950吨、相当于1300辆家用轿车重量的密封舱体被部署在海平面以下约10米深处，内部署了192个服务器机柜及数千台高性能服务器，为AI应用、云计算与跨境数据处理提供支持。其核心创新体现在以下几个方面：
：上海临港海域海水年均温度约15℃，为服务器提供了稳定、免费的冷却环境。项目采用了“无动力冷媒循环技术”，通过海水与舱体内的热交换系统持续带走服务器产生的热量，根据对被动冷却系统原理的分析，该技术类似于利用重力和温差驱动冷媒在封闭环路中循环，将舱内热量导出至与海水接触的冷凝器进行散热。这一模式彻底颠覆了传统数据中心依赖大型空调和冷却塔的散热方式，带来了多重收益：
：项目PUE值降至1.15以下，意味着每消耗100度电，有超过87度被用于有效计算，而传统陆地数据中心PUE通常在1.4至1.6之间，能源利用效率提升超过30%。
：相较于传统陆地模式下每年需消耗约4万吨淡水进行冷却，海底方案实现了淡水资源的“零消耗”，在水资源日益紧张的背景下，其战略价值被严重低估。
：该项目的本质并非简单地将数据中心“沉入”海底，其更深远的意义在于构建了一个新能源与AI算力深度耦合的新型基础设施系统。距离数据中心不远处，是一座200MW的海上风电场，其产生的绿电通过光电复合海缆直接输送至海底数据中心，绿电直供比例超过95%。这种“海上风电+海底算力”的模式，实现了几个关键转变：
：AI算力的增长不再必然与化石能源消耗同步增长，而是直接嫁接在可再生能源之上，从源头上解决了碳排放问题。
：传统的“能源跟着城市走”的模式，开始向“算力跟着能源走”演变。未来拥有丰富风、光、水等可再生能源和天然冷源的地区，将成为下一代AI基础设施的中心。
：2.3MW规模的海底数据中心在陆地上仅需占用约200平方米的配套设施土地，而同等规模的传统数据中心则需要约2000平方米，节约了超过90%的宝贵陆地资源。这对于土地资源紧张的沿海核心城市尤为重要。
这一系列创新，使得上海临港项目不仅是一个技术示范，更预示了中国可能正在提前进入下一代AI基础设施时代。项目团队已计划推动单舱5-7MW的规模化部署，并在长三角、珠三角、环渤海等区域推进多舱并联建设。
尽管海底数据中心描绘了一幅激动人心的未来图景，但在一片叫好声中，其背后的商业逻辑、技术风险与环境挑战也必须得到客观审视。中国（深圳）综合开发研究院的胡振宇博士在其研究中提出了深刻的批判性见解。
舆论普遍强调海底数据中心后期运营中节省的电费，却往往忽略了其高昂的全生命周期总拥有成本（TCO）。
：海底数据中心的初期海工投资是同规模陆地数据中心的1.5至2倍。以上海临港项目为例，单MW投资额高达6500万元，远高于陆上模式。这主要源于耐压密封舱体、海底光电复合缆以及满足抗台风、防腐蚀、防渗漏等海洋工程标准所需的高昂施工成本。
：海底设备的任何物理维修或模块更换，都需出动专业的工程船。这类船只的单日租金可高达50至100万元人民币。一次模块更换的总成本，包括人工、设备和船只费用，可能高达陆地操作的10倍以上。尽管有报道称海底数据中心故障率仅为陆地的1/8 (微软Project Natick项目结论)，但单次故障的修复成本和时间延迟是惊人的。
：由于面临台风、海啸、海洋生物附着、腐蚀等多种陆地数据中心不存在的风险，海底数据中心的财产保险费率是陆地的3至5倍。
：海底舱体的设计寿命长达25年，但内部的AI芯片、服务器等IT设备的迭代周期已缩短至2-3年。这意味着在舱体寿命期内，IT设备可能需要更换数次，导致资产折旧速度远快于预期。
这可能是海底数据中心商业化推广面临的最核心的痛点。AI时代的竞争本质是芯片迭代的竞争。英伟达H100、H200等高端GPU的更新周期不断缩短。然而海底数据中心一旦封舱部署，进行大规模硬件升级的成本极高。以海南陵水项目单个造价3300万元的数据舱为例，如果3年后需要更换GPU，仅吊装和水下施工费用就可能超过500万元。企业将陷入两难：要么承担巨额更换成本，要么被迫使用落后算力，最终在市场竞争中处于不利地位。微软早期的Project Natick项目在技术验证成功后最终未能商业化推广，核心原因之一正是无法解决“芯片迭代快于设备寿命”这一商业矛盾。
当前对海底数据中心的生态影响评估多集中在建设期，对长期运营和退役期的累积影响研究尚不充分。
：单个1MW数据舱每年向海水排放的热量巨大，可能导致周边小范围海域水温升高0.5℃至2℃不等。尽管有评估认为影响范围小，但大规模集群部署的累积热效应尚不明确，可能对珊瑚礁、鱼类产卵场等温度敏感型海洋生态系统构成潜在威胁 。
：藤壶、贝类等海洋生物会附着在数据舱表面，影响散热效率，需要定期清理。清理过程可能使用化学药剂或物理方式，对周边环境造成二次影响。
：25年设计寿命结束后，重达数千吨的舱体打捞、回收和处理，不仅成本高昂，还可能对海底生态造成严重扰动。
：目前全球范围内，尚缺乏针对海底数据中心集群的长期、量化的生态影响跟踪监测报告，无论是同行评审的科学研究还是政府发布的官方报告，都存在空白 。
在探讨AI算力散热解决方案时，不应将目光仅仅局限于海底数据中心。事实上从全生命周期成本和技术成熟度来看，陆上浸没式液冷技术是当前应对AI算力能耗危机的另一条关键路径，甚至在许多场景下是更优解。基于1MW装机容量的对比测算，四种主流算力模式的经济性差异显著：、
投资效益：陆上浸没式液冷的投资回收期最短，遥遥领先。其CAPEX虽高于传统风冷，但远低于海底模式，且通过显著降低电费，实现了最快的投资回报。
因此陆上液冷技术以其接近海底数据中心的能效水平、更低的投资门槛、更灵活的技术迭代能力和更简单的运维模式，构成了对海底数据中心方案的有力补充，甚至是更具普适性的替代方案。
。它并非旨在全面替代陆上数据中心，而是在特定场景下的最优解。其核心优势在于不占用陆地和淡水资源，并能与海上可再生能源高效协同。因此它最适用于：
。对于绝大多数内陆地区以及以AI训练等高频热计算为主的业务场景，陆上浸没式液冷技术是当前更具经济性、灵活性和可靠性的选择。国家层面应加大对陆上液冷技术的研发和推广力度，支持存量数据中心进行液冷改造，将“算力入海”作为战略性补充，而非首要路径，避免在缺乏充分论证的情况下出现“一哄而上”的投资热潮。
。建议国家发改委、工信部及海洋环境部门加强顶层设计，建立严格的项目审批机制，并尽快组织开展针对海底数据中心集群的长期、累积性生态环境影响科学研究与监测，制定从建设、运营到退役的全生命周期环境标准和规范。
展望未来，AI对能源系统的倒逼作用才刚刚开始。无论是潜入深海，还是在陆地之上，寻求更绿色、更高效、更经济的“算电协同”方案，将是贯穿整个AI时代的核心命题。中国的海底数据中心实践，以其大胆的想象力和工程魄力，为全球AI基础设施的演进推开了一扇新的大门。然而走向大规模商业应用的道路依然漫长，需要技术、经济和环境等多重维度的持续探索与审慎平衡。返回搜狐，查看更多
