**摘要：** 9月20日，上海静安市北国际科创区华为昇腾超节点项目正式点亮。项目由数据港、华为、清昴智能等合作建设，形成千卡级AI算力集群，并被赋予模型优化、场景适配和算力调度等任务。几乎同一时间，欧盟委员会提出面向额定IT功率500kW及以上数据中心的能源效率、用水和余热利用披露规则及标签体系。前者强调算力如何形成产业能力，后者追问算力消耗了多少资源。两者共同说明，AI数据中心的评价逻辑正从装机规模转向“有效产出/资源投入”：卡数、峰值性能和PUE仍重要，但模型迁移效率、集群利用率、单位任务能耗、WUE及区域资源适配将进入建设、运营、融资和客户采购的共同决策框架。
两条新闻，实际上是同一个产业命题
上海项目代表供给侧升级。过去地方智算中心常以设备规模和理论峰值描述能力，而昇腾超节点项目的公开定位已延伸到模型优化、场景适配和算力调度。上海还在推进“量超智融合算力平台”，尝试连接超级计算、智能计算、量子计算和光计算等能力。这说明城市算力不再只是单一机房中的硬件集合，而是在向多架构服务系统演进。
欧盟方案代表约束侧升级。公开信息显示，拟议规则面向额定IT功率达到500kW及以上的数据中心，要求披露能源效率、用水和余热利用等指标，并建立标签体系。当前重点是披露而非直接限制用能，且仍需成员国和欧洲议会审议，最终文本可能变化。但监管方向已经清晰：数据中心需要用可比较数据说明资源表现，而不能只用“支持数字化转型”概括其公共价值。
两条新闻看似一条谈国产算力、一条谈欧洲监管，实则回答同一个问题：当AI基础设施大规模扩张后，如何证明每一单位电力、水和资本真正转化为可用的智能计算服务？上海项目要解决“算力可用、好用、能适配”的问题，欧盟规则要解决“资源代价可见、可比、可治理”的问题。未来成熟的智算项目必须同时通过这两类考核。
从“建集群”到“交付任务”
千卡级集群并不天然等于千卡级生产力。硬件到位后，还要面对节点互连、软件栈、模型适配、任务切分、存储和调度等问题。某个模型能否稳定运行、迁移需要多长时间、训练和推理能达到怎样的有效吞吐，决定客户实际获得的价值。峰值性能是设备属性，有效算力则是系统工程结果。
昇腾超节点项目把模型优化和场景适配写入定位，说明运营方已意识到，公共智算平台不能只出售抽象卡时。企业客户特别是中小企业通常缺少完整迁移团队，如果平台只提供裸算力，客户还要自行解决框架、算子、精度、并行策略和运维问题，使用门槛依然很高。平台只有把适配经验产品化，才能缩短客户从申请资源到业务上线的周期。
算力调度同样关键。不同任务对时延、显存、互连和稳定性的要求不同，训练、微调、批量推理和实时推理也不应使用相同资源策略。如果调度体系只追求设备表面占用率，可能让低价值任务长期占据稀缺资源；如果为了峰值体验大量预留，资产又会闲置。运营方需要从“分配设备”升级到“编排任务”，按照服务等级、任务特征和能源条件进行匹配。
多算力协同不能停在概念连接
上海推进超级计算、智能计算、量子计算和光计算等多种能力协同，体现了面向长期技术演进的基础设施视角。但“连接起来”不等于用户可以无感使用。不同架构有不同编程模型、数据格式、任务优势和运维体系，真正的协同需要统一入口、身份权限、任务描述、数据流转和计费规则。
对产业用户而言，多算力平台的价值不在于技术名词齐全，而在于能否把复杂选择封装成明确服务。例如，平台能否根据任务类型推荐资源，能否在迁移前估算性能与成本，能否保存可复现的软件环境，能否让同一数据在合规边界内被不同计算模块使用。没有这些中间层，多种算力只是在同一区域并列存在，尚未形成协同生产力。
因此，城市算力平台应建立以工作负载为中心的目录，而不是以设备型号为中心的目录。客户提交的是模型训练、工业仿真、检索增强或批量推理需求，平台返回可选择的性能、价格、能耗和交付周期。通过持续积累任务画像，平台才能知道哪些架构适合哪些场景，并把经验转化为可复用的迁移工具。
欧盟披露规则为何会改变全球项目逻辑
欧盟数据中心当前约占其电力消费2.5%，公开报道预计总容量将从2025年的约12GW增长到2030年的28GW。AI训练和推理需求增长，使数据中心与电网、水资源和社区之间的关系更加紧密。在这种背景下，500kW门槛把相当一部分专业数据中心纳入统一披露，目标首先是形成可见性：监管者和市场需要知道资源消耗发生在哪里、效率如何、余热是否利用。
信息披露看似比能耗上限温和，却可能通过融资、选址、客户采购和社会监督产生更广泛影响。一旦指标可比较，表现较差的项目可能面临更高的解释成本；客户也可能把资源效率纳入供应商评估；金融机构可据此识别运营风险。标签体系还会把原本隐藏在技术报告中的指标转化为市场信号。
需要保持严谨：方案当前重点是披露，并非直接限制数据中心用能，审议过程也可能调整具体门槛和方法。但企业若等规则完全定稿才开始收集数据，往往会发现历史基线缺失、计量边界不一致、不同机房无法比较。对在欧洲经营或服务欧洲客户的企业而言，现在就按“可审计、可追溯、可解释”建设数据体系，是成本更低的准备方式。
PUE不够：资源效率需要多维账本
数据中心过去常用PUE衡量总设施能耗与IT设备能耗之间的关系。它仍然重要，却无法单独回答AI基础设施是否高效。一个PUE表现优良但服务器长期低利用的机房，可能消耗大量电力却交付很少任务；一个高利用集群如果位于水资源压力较大的地区，也可能产生新的外部成本。
欧盟方案将用水和余热利用纳入披露，推动运营者建立更完整的资源账本。WUE能够帮助观察用水效率，但同样需要结合水源类型、当地条件和季节变化解释。余热利用也不能只统计技术上可回收的热量，还要区分实际利用量及其稳定需求。指标的目的不是制造一个万能排名，而是让不同资源约束被看见。
对于AI工作负载，还应增加面向产出的内部指标，例如每次训练任务的电耗、每百万次有效推理的资源消耗、集群有效利用率、作业失败和重跑造成的浪费。不同模型和业务不可简单横向比较，但同一服务在版本迭代中的变化可以被持续追踪。只有把设施指标与任务指标连接，企业才能判断效率改善来自制冷优化、调度优化，还是模型和软件优化。
企业行动一：建立“资源—算力—业务”三级指标
运营方应把计量体系分成三级。资源层记录电力、用水、制冷及余热利用；算力层记录设备利用、作业排队、失败重跑、互连和存储瓶颈；业务层记录完成的训练、微调或推理服务及其服务等级。三级数据需要统一时间粒度和资产边界，才能识别一度电最终支持了什么任务。
第一步不是追求复杂平台，而是做计量缺口盘点：哪些机房只能看到总表，哪些设备有细分数据，水耗是否能按设施边界归集，客户任务能否与资源时段对应。企业应先形成稳定基线，再逐步提高精度。若基础数据不连续，任何对外效率承诺都可能失去可信度。
同时必须明确指标责任人。设施团队负责能水数据，平台团队负责作业与利用率，业务团队负责服务产出，如果三方各自报表、没有共同口径，最终只能得到互相无法验证的数字。建议由跨部门治理小组维护指标字典、计量边界和异常修正规则，并保留版本记录，为未来披露或审计做准备。
企业行动二：把模型适配做成标准产品
上海项目承担模型优化和场景适配，这应被转化为可采购的服务包。平台可以按“环境评估—兼容性测试—性能优化—精度验证—上线运维”形成标准流程，并明确每一步输入、输出和验收指标。客户购买的不再只是设备时长，而是一条可预期的迁移路径。
对使用昇腾等非单一架构的企业，模型和应用团队应维护硬件抽象边界，避免业务逻辑与某一设备环境过度耦合。关键模型需要建立基准测试集，在迁移后同时检查精度、吞吐、时延、稳定性和成本，不能只看“成功运行”。适配过程中形成的算子、配置和故障经验应沉淀为内部资产，减少下一次迁移重复劳动。
公共平台则应公布真实服务能力，而不是只公布理论峰值。建议披露典型工作负载的可用配置、排队时间、交付周期和性能区间，并为不同规模客户提供试运行额度。透明的试用和验收机制，能让客户在大规模迁移前识别风险，也能帮助平台筛选真正适配的任务。
企业行动三：把能源和用水约束纳入选址与调度
数据中心选址不能只比较电价、土地和网络。未来需要同时考察电力供应稳定性、能源结构、当地水资源压力、可采用的制冷方式，以及余热是否存在持续接收方。欧盟披露方向表明，这些因素会从后台工程问题转为外部可见的经营变量。
已有机房也可以通过调度降低资源压力。对时延不敏感的训练和批处理任务，可在服务合同允许的范围内安排到资源条件更合适的时段或区域；实时业务则优先保障稳定性。实施前必须考虑数据合规、网络成本和任务中断风险，不能为了单一能耗指标牺牲业务可靠性。
企业还应在采购合同中加入数据条款。托管或云算力供应商应提供明确的能耗、用水和计量边界说明，使客户能够完成自身供应链评价。若供应商只能给出年度平均PUE，无法解释具体区域和服务对应的资源表现，企业未来可能面临披露缺口。
企业行动四：用效率治理反推软件优化
资源效率并不只是设施部门的责任。模型压缩、批处理、缓存、量化、并行策略和作业编排，都可能减少相同业务量所需的计算。企业应建立“先优化任务，再扩容硬件”的决策顺序：当需求上升时，先检查低利用、重复计算和失败重跑，再判断是否必须新增设备。
项目投资评审也应改变。新增集群的商业论证除了装机规模和收入预测，还应包含目标利用率、典型任务成本、能水基线和敏感性分析。投产后定期对照，如果业务需求不足，应通过共享调度或产品调整提高利用，而不是继续用理论能力包装闲置资产。
对于AI应用企业，采购评价可以从每卡时价格转向每项有效任务成本。价格较低但迁移困难、失败率高的资源，最终未必便宜；单价较高但软件成熟、调度稳定的服务，可能拥有更好的总体经济性。把精度、时延、成功率和资源消耗放入同一验收表，才是真正面向生产的算力采购。
政策与园区：从补贴装机转向奖励有效产出
地方建设智算中心时，应减少以峰值算力和设备数量作为唯一成绩，增加有效利用、服务企业数量、模型迁移周期、单位任务资源消耗等指标。政策补贴可以与真实服务里程碑挂钩，而不是设备到货即完成目标。这样能抑制重复建设，也能激励运营方持续投入软件和服务团队。
同时应建立区域资源承载评估。能源、水和网络条件不同，数据中心布局不能简单复制。公开透明的计量口径既有利于监管，也能帮助优质项目证明自身效率。对于多算力协同平台，政府更适合推动接口、计量和服务标准，避免各系统形成封闭孤岛。
结论：下一轮竞争是“每单位资源交付多少智能”
昇腾超节点点亮意味着国产智算基础设施继续向规模化和系统化迈进，但项目价值最终取决于模型是否顺利迁移、任务是否高效调度、算力是否进入真实产业场景。欧盟拟议披露规则则提醒市场，数据中心不再拥有不受约束的资源叙事，电力、用水和余热都将成为可见的治理对象。
企业现在应做的不是在“扩算力”与“控资源”之间二选一，而是用统一指标把两者连接起来：建立三级数据账本，把适配服务标准化，将能水条件纳入选址和调度，并用单位有效任务成本指导采购和扩容。未来最有竞争力的数据中心，不一定拥有最多设备，而是能用更少资源、更稳定地交付更多有效智能。
参考资料
- 上海市人民政府｜静安区华为昇腾超节点项目点亮相关信息，2026-09-21。用于核验数据港、华为、清昴智能、千卡级集群及项目定位。
- Reuters｜EU proposes data-centre energy and water disclosure rules，2026-09-21。用于核验500kW门槛、能源与用水披露、标签体系及容量预测。
- 《新质生产力每日动态：中试、算力与先进制造进入系统化组织阶段》｜2026-09-22。本文事实信息的直接汇总来源。
本文基于截至2026年9月22日公开资料进行政策与产业分析；欧盟方案仍处于审议过程，不构成法律或投资建议。