一句话答案：它不是某一样东西费电，而是"算得猛、散热狠、供电还有损耗"三件事叠在了一起。传统服务器大部分时间在摸鱼，AI 服务器是焊死了油门一路踩到底。
01芯片自己就越来越能吃
先看单卡。英伟达 A100 是 400W，到了 H100 跳到 700W，最新的 B200 直接 1000W——一代差不多翻倍。一台装 8 张 H100 的服务器满负荷就要 10kW 出头，而普通托管机房一个机柜才给 5–10kW。也就是说，一台 AI 服务器，就顶得上别人一整柜。
02它从不"休息"，利用率拉满
普通电脑大部分时间在待机、刷网页，CPU 闲着。AI 训练是海量矩阵乘法，GPU 天生就是要被"喂饱"的——一旦开训，利用率常年贴在 90% 以上，电费自然按满功率走。推理服务更狠，7×24 小时持续跑，根本不给电费喘口气的空隙。
03散热是隐形电老虎
GPU 跑起来结温能到 83°C，为保护芯片它会自动降频——有案例换了液冷后温度降到 44°C，同样负载性能直接高 30%。问题就在这：风冷把热带走的效率有天花板，PUE（总电÷IT 设备电）普遍在 1.5–1.8；换成液冷能压到 1.1 左右。等于你算 1 度，风冷时代有将近 0.6 度花在吹风和空调上。
液冷从"可选项"变成 AI 机房的必选项
04网络和供电也在悄悄吃电
还有两块容易被忽略。一是互联：大规模训练要靠几千台 InfiniBand 交换机组网，单台就 1.2–1.5kW，全集群加起来能烧掉几兆瓦。二是供电本身：为保证 7×24 不停机，电源普遍做 N+N 冗余，再加上 PDU、转换损耗，又是一层"电费税"。
把这些叠起来就有数了：英伟达 GB200 NVL72 整机柜塞 72 张 GPU，单柜 120kW，相当于 12–25 个普通机柜的用电量。所以 AI 服务器费电，不是设计偷懒，是算力、散热、供电三笔账一起爆了——而限电的，往往不是 GPU，是机柜后面那根电线。
