随着生成式人工智能、大模型和智能代理（Agentic AI）的快速发展，数据中心正在从传统意义上的计算基础设施，转变为支撑人工智能应用的“AI工厂”（AI Factory）。在这一趋势下，数据中心行业对于能源利用效率的评价标准也正在发生变化。
　　
　　过去，PUE（Power Usage Effectiveness，电能使用效率）长期作为衡量数据中心节能水平的核心指标，而进入AI时代后，如何衡量单位能源能够产生多少AI计算价值，正在成为行业关注的新方向。
　　
　　2026年，英伟达CEO黄仁勋在GTC大会上多次强调“每瓦Token吞吐量”（Tokensper Watt）是决定AI数据中心生产成本和收入能力的核心指标。该指标通过衡量单位功率下AI模型能够产生的Token数量，评估AI数据中心能源转化为计算产出的能力。
　　
　　对于建筑智能化和数据中心基础设施行业而言，这一趋势释放出一个重要信号：未来数据中心竞争将不再只是围绕PUE优化展开，而将进一步延伸到“单位能源产生多少智能价值”的综合能力竞争。
　　
　　从PUE到每瓦Token：AI时代数据中心评价体系升级
　　
　　自2007年提出以来，PUE一直是全球数据中心衡量能源效率的重要标准。其计算方式是数据中心总能源消耗与IT设备能源消耗之间的比值，主要反映供配电、制冷、照明等基础设施环节的能源损耗情况。PUE越接近1，说明数据中心用于非计算设备的能源比例越低，整体能源效率越高。
　　
　　在过去十多年中，PUE指标推动了数据中心节能技术的发展，包括高效制冷、模块化供配电、自然冷却、智能能源管理等技术的大规模应用。
　　
　　然而，人工智能的发展正在改变数据中心的运行逻辑。传统数据中心更关注“消耗多少能源支撑多少IT设备运行”，而AI数据中心则更加关注“消耗同样的能源能够产生多少AI计算输出”。
　　
　　随着大规模AI模型训练和推理需求不断增长，越来越多的数据中心正在向“AI工厂”演变。这类设施通常拥有更高密度的GPU或AI加速芯片，其建设规模甚至达到百兆瓦、千兆瓦级别。同时，区域电网容量、能源供应限制以及基础设施建设周期，正在成为制约AI算力扩张的重要因素。
　　
　　在能源成为稀缺资源的背景下，仅关注能源消耗效率已经不足以全面评价AI基础设施价值。因此，“每瓦Token”开始成为衡量AI计算能源生产力的重要指标。
　　
　　每瓦Token衡量单位能源产生的AI价值
　　
　　Token是人工智能模型处理信息和生成内容的基本计算单位。无论是大语言模型生成文本、AI创建图片，还是智能代理完成复杂任务，本质上都对应一定数量的Token处理过程。
　　
　　简单理解，每瓦Token量表示：数据中心每消耗1瓦电力，可以产生多少AI输出Token。与PUE关注“基础设施能源效率”不同，每瓦Token关注的是“计算资源利用效率”，即能源投入最终转化为多少有效AI输出。
　　
　　近年来，随着AI芯片能效竞争不断加剧，每瓦Token也逐渐成为评价AI芯片和AI推理系统性能的重要指标。特别是在AI推理场景中，由于模型运行成本与长期能源消耗高度相关，提高单位功耗下的Token吞吐能力，已经成为降低AI服务成本的重要方向。
　　
　　不同硬件架构在这一指标上的表现存在明显差异。例如，专用NPU等AI加速架构相比传统GPU方案，可以通过针对性优化提高单位能源计算能力。在AI数据中心层面，通过芯片架构、软件优化、任务调度以及基础设施协同设计，也能够进一步提升整体每瓦Token产出。
　　
　　因此，在“Token工厂经济学”理念下，固定电力条件下，每瓦Token能力更高的数据中心，将拥有更低的AI计算成本和更高的运营效率。
　　
　　制冷与热管理成为提升每瓦Token的重要环节
　　
　　在AI数据中心中，高性能GPU和AI加速芯片带来的高计算密度，使热管理成为影响算力释放的重要因素。
　　
　　过去，数据中心制冷系统主要承担保障设备安全运行的作用；而在AI工厂时代，制冷系统正在直接影响计算效率。芯片温度、冷却方式以及能源调度策略，都可能影响AI计算性能和单位能源产出。
　　
　　江森自控近期在分分享这一话题时认为，提高每瓦Token，需要从整个基础设施链路进行优化，包括：
　　
　　·根据环境温度变化优化制冷策略；
　　
　　·利用热管理能力提升芯片运行效率；
　　
　　·通过空气冷却、液冷等技术组合提高能源利用率；
　　
　　·根据AI负载变化动态调整基础设施运行状态。
　　
　　这意味着，数据中心暖通系统已经不再只是传统意义上的辅助设施，而正在成为提升AI计算价值的重要组成部分。
　　
　　建筑智能化将在AI工厂建设中发挥更大作用
　　
　　从建筑智能化行业视角来看，AI数据中心的发展正在推动建筑科技与IT基础设施进一步融合。未来的数据中心建设，需要综合考虑智能暖通控制系统、能源管理平台、数字孪生技术、AI运维系统、液冷与气冷协同管理、动态能源优化等等。
　　
　　近年来越来越多的建筑智能化企业相继推出的一系列AI数据中心参考设计，也体现出这一趋势。其方案强调通过优化冷却架构、提高能源利用效率、降低水资源消耗，实现更高水平的数据中心可持续运营。
　　
　　例如，通过空气冷却与液冷系统协同设计，可以释放更多电力资源用于AI计算；通过优化冷冻水温度和冷机配置，可以提升制冷系统COP（性能系数），减少设备数量和能源消耗。这些技术方向表明，未来AI数据中心的竞争不仅是芯片和服务器的竞争，也是建筑能源系统、热管理技术和智能控制能力的竞争。
　　
　　AI工厂时代，数据中心进入“能源生产力”竞争阶段
　　
　　从行业发展趋势来看，PUE时代解决的是“如何减少数据中心能源浪费”，而每瓦Token关注的是“如何让每一度电产生更多智能计算价值”。
　　
　　随着AI模型规模持续增长，能源将成为人工智能发展的核心资源之一。未来数据中心运营商需要同时优化：
　　
　　·电力供应能力；
　　
　　·制冷效率；
　　
　　·算力利用率；
　　
　　·AI任务调度；
　　
　　·基础设施智能化水平。
　　
　　对于建筑智能化企业而言，AI数据中心正在成为一个新的高价值市场。其建设需求已经从单纯的数据机房环境，扩展为融合建筑环境控制、能源管理、算力基础设施和人工智能运维的新型智能建筑系统。Tokensper Watt理念，反映了AI时代数据中心评价体系的重要变化：行业正在从关注“消耗多少能源”，转向关注“能源创造多少智能价值”。
　　
　　未来，随着AI基础设施规模持续扩大，每瓦Token有望与PUE、WUE（水资源使用效率）等指标共同构成评价下一代数据中心综合竞争力的重要体系，也将进一步推动建筑智能化、暖通节能和人工智能技术的深度融合。
　　
　　编辑：Harris