汉腾联合全球电源管理巨头台达，研发了SST技术（800V直流直供）。传统机房里，电从市电进来到最终供给芯片，要经历多次交流-直流转换，每一次转换都会产生热损耗——这些热量不产生任何算力，却实实在在地消耗了电费和冷却资源。800V直流直供的逻辑很简单：尽可能减少转换环节，让电更"直"地到达芯片。

在太初元碁的方案中，这项供电技术与自研AI芯片、高效液冷被整合为一套“三位一体”系统：互联、供电、冷却的高密度集成。结果是，设备空间利用率较传统方案提升一倍，单机架可容纳128颗芯片，系统PUE可降至1.15。

相比传统数据中心1.3到1.5的PUE，每降低0.1，对于一个万卡级别的智算中心来说，一年省下的电费可达数百万元——更重要的是，省下来的每一度电、减少的每一分热损耗，都能转化为实打实的芯片开机时间。

在走访现场，王皓霆用一句极其朴素的话，扒开了这些参数背后的真实逻辑：“你在使劲算的时候，这电没增加，那你算力肯定增加。”

在总电量锁死的前提下，省出来的每一瓦，就是多赚到的每一分算力。当所有人都在讨论芯片的晶体管数量和制程工艺时，一场藏在变压器和冷却液管路里的较量，正在悄然重塑算力竞赛的底层规则。

“中国AI的优势在数据”

谈及中国算力产业如何走出自己的路径时，王皓霆给出了一个他自己的判断框架。

“美国的发展是先有的算力，再有的大模型。我们拿到了大模型，适配的是英伟达的算力，现在要倒过来——用自己的算力去适配自己的模型。”

这是一个重要的认知差异。美国的路径是“算力先行”：先有英伟达的GPU集群，再有OpenAI的GPT系列。中国的路径恰恰相反：先是在英伟达算力上训练出了一批有竞争力的大模型，现在需要把底座换成国产算力——这相当于在飞机飞行的过程中更换引擎，难度可想而知。

但王皓霆认为，中国有一个美国不具备的结构性优势。

“中国和美国这个产业有一个明显的差异——美国的优势在技术，我们的优势在数据。12亿人每天产生的数据量，这是美国人眼红的东西。”

数据是AI大模型的“燃料”。中国拥有全球最大规模的互联网用户群体，在电商、社交、出行、支付等场景中每天产生海量数据，这为大模型的训练和优化提供了天然的素材优势。而OpenRouter上中国模型Token调用量超过六成的数据，从另一个维度印证了这一点：庞大的用户基数和丰富的应用场景，不仅为模型训练提供了素材，更在推理侧形成了持续的“飞轮效应”——用的人越多，模型迭代越快，调用量就越大，对底层算力的需求也就越旺盛。

中国可能暂时造不出最好的“发动机”（芯片），但拥有最丰富的“燃料”（数据）和最密集的“公路网”（应用场景）——而这条路上已经跑满了“拖拉机”。

太初元碁首席产品官洪源也持类似观点。他对观察者网表示，目前初代AI加速卡内，单颗芯片的算力可支持AI大模型同时处理100至500个并发问答任务。面对AI大模型爆发式增长带来的算力需求，实验室近期的研发重点聚焦在算力性能突破、系统架构升级、实际场景深度融合三个方向。

“有需求、有数据、有场景，缺的就是时间，”王皓霆说，“给我们两到三年的发展窗口期，中国的算力市场不会比美国差。”

“决定未来的，除了算力，还有定力”

在全球数字经济时代发展的大潮下，算力是核心生产力，也是驱动千行百业智能化升级的关键支撑。

而除了算力，兴化当地一位官员对观察者网说出了自己的判断：“决定AI发展未来的，一个是算力，一个是定力。”

他口中的定力，不只是像兴化这样的地方政府，愿意在一片产业空白上，用180天建起一条算力服务器产线的决心。也不局限于像汉腾这样的民营企业，在华为、浪潮、中科曙光等巨头林立的市场中，选择从算法起家、一步步向算力上游延伸的耐心。而是整个国产算力产业链，在芯片被"卡脖子"的压力下，没有急于求成追最高制程，而是选择了先把路跑通的务实路径。

王皓霆对未来的信心建立在一个简单的逻辑上：“钱进来了，技术就会进来。技术进来了，所有的问题就都能解决。”他认为，算力产业的核心驱动力终究是市场需求，而中国的需求端正在爆发。

产业端的数据佐证了这一判断。当前算力租赁市场基本处于供不应求状态，服务器价格较上一年上涨约30%。行业预测国产算力服务器将迎来井喷式增长，国产AI芯片正从推理侧的"单点突破"迈向训练侧的“体系化崛起”。

下午四点，兴化的冬日天色渐暗。148米的产线已经完成了当天最后一轮试产调试，车间灯光次第熄灭。春节之后，这条线将正式切换到量产模式，每一台下线的服务器经老化测试后随即装车，沿着高速公路驶向承德、石家庄——在那里，它们将与数千台同伴一起，组成万卡级别的国产算力集群。

没有人会记住一台台拖拉机的名字，但是所有人都会记住它压出的路，兴化的这条148米的算力产线，只是国产算力突围的起点。