合作详情

此次合作将鸿海在先进计算平台、AI机架集成和全球制造方面的能力，与施耐德电气在电力系统、冷却技术和能源管理领域的专业经验相结合，双方将共同推出集成式、可即时部署的AI数据中心解决方案。

根据合作框架，双方将重点探索三个方向：闭环式能源优化、模块化电力与冷却系统，以及标准化设计框架。

这种合作思路，意味着双方定义未来的AI数据中心，将不再是一个个“定制手工作坊”，而是有望形成可复用的标准化交付方案。

施耐德电气CEO Olivier Blum表示，AI需求持续加速，随着计算规模同步扩张，背后的能源系统正成为算力发展的关键驱动因素，能源智能在此过程中不可或缺。

鸿海董事长刘扬伟则认为，AI演进的速度正在倒逼行业重新思考基础设施的设计、建造和交付模式。

这代表双方认为算力增长太快了，传统的“先想好再慢慢建”已经跟不上节奏，必须找到一种能够快速复制、高效运转的新路径。

双方在AI数据中心“暗暗”加码

施耐德电气近期在AI数据中心领域动作频频。

6月初，其关键电源中国中心热管理解决方案创新实验室在上海揭牌，聚焦智算时代高密度算力带来的散热与能效挑战，完成了风冷、液冷及风液兼容的全栈测试平台和验证体系。

从2023年兆瓦级UPS实验室到此次热管理实验室，施耐德电气用三年时间在浦东构建起覆盖数据中心“供配电”与“温控”两大核心系统的完整研发体系。

此前，施耐德电气还与英伟达深化合作，联合推出了Vera Rubin参考设计，覆盖供配电和冷却全链路。

鸿海同样布局颇密。

2025年11月，鸿海宣布斥资14亿美元建设先进超级运算中心，采用约10000颗Blackwell Ultra GPU加速运算，预计在2026年上半年部署下一代NVIDIA GB300 NVL72 AI基础设施。

此外，鸿海还与英伟达推进800伏直流电源架构在AI数据中心的应用，并与OpenAI合作设计多代数据中心硬件、在美国本土制造关键组件，计划到2026年每周组装达2000个服务器机架。

结语

AI基础设施，如今正成为各大工业制造上下游营收猛增的新宠。

据Gartner发布的最新预测，2026年全球IT支出预计将达到6.31万亿美元，同比增长13.5%，其中数据中心系统支出增幅最为显著，预计增长55.8%、超过7880亿美元。

Gartner杰出副总裁分析师John-David Lovelock指出，AI基础设施和高性能内存领域正呈现加速发展势头，随着AI工作负载规模扩大，数据中心投资正在迅速提速。

但有一个更为现实的问题——这些投资投下去之后，AI数据中心能不能真正跑起来、跑得稳？

从行业视角来看，AI数据中心本质上是“能源转化装置”——将电力转化为算力。转化效率如何，取决于两件事：一是硬件堆叠的密度和规模，二是背后电力和散热系统能否支撑住这种密度。

传统上，供电和散热被视为数据中心机电配套，与芯片路线图之间的联动并不紧密。但AI芯片的单机柜功率密度已从过去二十年的5-20千瓦区间，跃升至百千瓦甚至兆瓦级别——液冷不再是锦上添花的能效选项，而正在变成物理层面的刚需。

不上液冷，百千瓦级的算力集群甚至难以稳定点亮。

此次施耐德电气与鸿海的合作，将通过用“制造+能源”的耦合来打通从芯片到电源、从机柜到散热的全链路。

鸿海负责以规模化和标准化方式把硬件造出来，施耐德电气解决把算力“点亮并维持住”的关键能源问题。

这套模式跑通以后，AI数据中心的建设模式或许将从“定制化”走向“模块化”，交付周期从传统数据中心12-24个月大幅压缩，进而影响整个AI基础设施供应链的效率格局。

当然，这一设想的实现取决于双方及产业链上下游多方面的协同努力，结果如何还有待今年年底合作生产启动后的实际交付进一步检验。

合作详情

此次合作将鸿海在先进计算平台、AI机架集成和全球制造方面的能力，与施耐德电气在电力系统、冷却技术和能源管理领域的专业经验相结合，双方将共同推出集成式、可即时部署的AI数据中心解决方案。

根据合作框架，双方将重点探索三个方向：闭环式能源优化、模块化电力与冷却系统，以及标准化设计框架。

这种合作思路，意味着双方定义未来的AI数据中心，将不再是一个个“定制手工作坊”，而是有望形成可复用的标准化交付方案。

施耐德电气CEO Olivier Blum表示，AI需求持续加速，随着计算规模同步扩张，背后的能源系统正成为算力发展的关键驱动因素，能源智能在此过程中不可或缺。

鸿海董事长刘扬伟则认为，AI演进的速度正在倒逼行业重新思考基础设施的设计、建造和交付模式。

这代表双方认为算力增长太快了，传统的“先想好再慢慢建”已经跟不上节奏，必须找到一种能够快速复制、高效运转的新路径。

双方在AI数据中心“暗暗”加码

施耐德电气近期在AI数据中心领域动作频频。

6月初，其关键电源中国中心热管理解决方案创新实验室在上海揭牌，聚焦智算时代高密度算力带来的散热与能效挑战，完成了风冷、液冷及风液兼容的全栈测试平台和验证体系。

从2023年兆瓦级UPS实验室到此次热管理实验室，施耐德电气用三年时间在浦东构建起覆盖数据中心“供配电”与“温控”两大核心系统的完整研发体系。

此前，施耐德电气还与英伟达深化合作，联合推出了Vera Rubin参考设计，覆盖供配电和冷却全链路。

鸿海同样布局颇密。

2025年11月，鸿海宣布斥资14亿美元建设先进超级运算中心，采用约10000颗Blackwell Ultra GPU加速运算，预计在2026年上半年部署下一代NVIDIA GB300 NVL72 AI基础设施。

此外，鸿海还与英伟达推进800伏直流电源架构在AI数据中心的应用，并与OpenAI合作设计多代数据中心硬件、在美国本土制造关键组件，计划到2026年每周组装达2000个服务器机架。

结语

AI基础设施，如今正成为各大工业制造上下游营收猛增的新宠。

据Gartner发布的最新预测，2026年全球IT支出预计将达到6.31万亿美元，同比增长13.5%，其中数据中心系统支出增幅最为显著，预计增长55.8%、超过7880亿美元。

Gartner杰出副总裁分析师John-David Lovelock指出，AI基础设施和高性能内存领域正呈现加速发展势头，随着AI工作负载规模扩大，数据中心投资正在迅速提速。

但有一个更为现实的问题——这些投资投下去之后，AI数据中心能不能真正跑起来、跑得稳？

从行业视角来看，AI数据中心本质上是“能源转化装置”——将电力转化为算力。转化效率如何，取决于两件事：一是硬件堆叠的密度和规模，二是背后电力和散热系统能否支撑住这种密度。

传统上，供电和散热被视为数据中心机电配套，与芯片路线图之间的联动并不紧密。但AI芯片的单机柜功率密度已从过去二十年的5-20千瓦区间，跃升至百千瓦甚至兆瓦级别——液冷不再是锦上添花的能效选项，而正在变成物理层面的刚需。

不上液冷，百千瓦级的算力集群甚至难以稳定点亮。

此次施耐德电气与鸿海的合作，将通过用“制造+能源”的耦合来打通从芯片到电源、从机柜到散热的全链路。

鸿海负责以规模化和标准化方式把硬件造出来，施耐德电气解决把算力“点亮并维持住”的关键能源问题。

这套模式跑通以后，AI数据中心的建设模式或许将从“定制化”走向“模块化”，交付周期从传统数据中心12-24个月大幅压缩，进而影响整个AI基础设施供应链的效率格局。

当然，这一设想的实现取决于双方及产业链上下游多方面的协同努力，结果如何还有待今年年底合作生产启动后的实际交付进一步检验。