日本最大发电企业 JERA（捷热）与戴尔（Dell Technologies）、主权 AI 基础设施开发商 RHAELM 签署谅解备忘录（MoU），三方将共同建立一套可在日本全国范围内复制的 AI 基础设施标准化框架。首个落地项目位于东京东侧千叶县，依托 JERA 千叶火力发电站旁用地建设。

400MW、150 亿美元：日本最大单一 AI 站点

据备忘录披露，千叶项目设计供电容量高达 400MW，是日本最大的单一站点 AI 基础设施部署，也是当前亚洲规模最大的同类项目之一。项目总投资预计超过 150 亿美元（约 2.3 万亿日元，按现汇率约合 1007.53 亿元人民币），涵盖土地、电力基础设施、机房建设与 AI 算力多个阶段。

项目采用”表后供电”（behind-the-meter）模式，紧邻 JERA 在运发电资产，可绕开常规并网所需的漫长审批与电网建设周期，使算力容量提前数年上线。运营目标定于 2028 年前后启动。阿波罗全球管理（Apollo Global Management）将担任 RHAELM 的战略投资与融资伙伴。

三方分工

JERA 作为能源伙伴，提供 AI 基础设施所需的 7×24 小时大规模电力。JERA 目前发电量占日本全国三分之一，并供应东京都市圈几乎所有用电，具备从 LNG 采购、运输、再气化到发电的完整链条。将数据中心布局在电厂相邻地块，可显著缩短”接电路径”，让算力随需求快速扩展。

戴尔 通过”Dell AI Factory”以预集成、机架级（rack-scale）的标准化基础设施统一计算层，面向快速部署设计，并内置数据安全与数据主权能力。

RHAELM 负责项目交付，整合 JERA 的电力与场址能力同戴尔的计算标准，打造可在日本快速复制的规模化模型。

背景与长期目标

日本此前扩张 AI 基础设施的瓶颈，在于发电、电气、冷却与算力需逐项目独立设计集成，筹备周期长、复杂度高。三方希望从一开始就建立标准化、可复制、可扩展的模型，缩短每个项目的交付时间。

该合作与日本政府推动的”Watt-Bit Collaboration”（电·比特协同）战略以及鼓励数据中心集群的 GX Strategic Area 政策方向一致。JERA 与 RHAELM 还计划将模型推广至其他 JERA 场址，目标在 2030 年代于日本形成多吉瓦（multi-gigawatt）级的 AI 基础设施容量。

JERA 全球董事长兼 CEO Yukio Kani（加尼裕夫）表示，JERA 兼具日本三分之一发电量与完整 LNG 价值链，结合戴尔与 RHAELM 的能力，可让 AI 基础设施更快上线。戴尔基础设施解决方案集团总裁 Arthur Lewis 称，国家级 AI 基础设施需要”从第一天起就为可控、灵活与增长而建”的基础；RHAELM 首席执行官 Bradd Lewis 则强调，通过将闲置电力容量转化为主权 AI 基础设施，可在常规并网时间表的数年前交付 400MW 设施。

一块偏振玻璃的生意

9 月 24 日，康宁公司宣布将扩大 Polarcor 玻璃偏振片的制造产能，以应对人工智能数据中心和计算应用持续增长的需求。此次扩建将提升康宁工程化玻璃偏振片的生产能力。

这类产品广泛应用于光隔离器及其他激光光学器件，是先进光学和光子系统的重要组成部分。与此同时，康宁还与一家领先的有源光子技术企业达成了一项新的多年期供货协议，据称将为关键客户提供长期稳定的供应保障。

光互连为何离不开它

随着 AI 工作负载规模不断扩大，数据中心对光学与光子技术的依赖持续加深，海量数据需要以高速、高效的方式传输。光互连在系统性能中扮演的角色日益关键，对光信号进行精准、可靠的控制也变得更为重要。

Polarcor 工程化玻璃偏振片正是面向这一需求设计：它能够控制偏振光，并在光隔离器中防止反向反射光对激光器件造成干扰。所谓光隔离器，是一种只允许光单向通过的光学器件，其核心功能是阻止反射光返回激光光源，避免激光器因反向光干扰而出现输出不稳定甚至损坏。

四年翻倍的增长目标

在 AI 需求的拉动下，康宁给出了清晰的财务路线图。公司在 2026 年 5 月的投资者活动上宣布，预计到 2026 年底实现 200 亿美元（按当前汇率约合 1343.45 亿元人民币）的年化销售额，到 2028 年底达到 300 亿美元（约合 2015.18 亿元人民币），到 2030 年底达到 400 亿美元（约合 2686.9 亿元人民币）。

从 200 亿到 400 亿美元，翻倍的窗口期约为四年。AI 数据中心的竞争表面看是算力，底层拼的却是数据如何高速、高效地传输出去。偏振片这类看似不起眼的元件，恰好卡在光信号的入口处。康宁选择在这个节点扩产，逻辑并不复杂。

自然冷源预冷：冬季停用压缩机

在制冷原理上，新机型引入了自然冷媒预冷技术。当室外环境温度较低时，系统可不再依赖压缩机，而是利用室内低温冷凝后的制冷剂自行循环带走热量。LG 方面表示，冷水机运行中占比超过 80% 的电力消耗来自压缩机，而在冬季工况下这类压缩机可停止运转，直接降低整体能耗。

全年省电 30%，改善电能使用率

LG 称，相较于传统预冷方案，该设备可将数据中心全年电力消耗降低 30%，并改善电能使用率（PUE）。在环保指标上，设备采用 R-513A 制冷剂，相较上一代常用的 R-134a，其全球变暖潜能值（GWP）降低 50% 以上，能够满足企业客户在环境保护、社会责任与公司治理（ESG）方面的要求。

智能化运维与快速恢复

除了能效，新冷水机还集成了机器学习能力，可提前识别设备异常征兆、防范突发停机。在市电恢复后，借助超高速重启技术，设备能在 180 秒内恢复 100% 额定制冷能力，为人工智能服务器持续提供散热保障。

为什么需要灵活性

电力供应已成为制约美国 AI 基础设施扩张的核心瓶颈。传统电网接入审批面向用电平稳、固定的设施设计，并不适配算力设施在电网承压时智能响应的运行模式。具备灵活调节能力的数据中心可通过迁移计算负载、释放储能、启用配套发电或响应突发状况来调整取电；大型用电主体由此从刚性负荷变为可调度的电网资源。

AEMA 援引数据指出，美国电网全年平均利用率仅约 50%（为最热午后预留容量）；若 AI 数据中心在高峰时段主动削峰，可在不新建输电线路的情况下释放约 100GW 现有容量。Brattle Group 估算，电网利用率每提升 10%，居民电价可下降约 3.4%。

技术中立、以绩效为先

AEMA 关注算力设施可量化的服务指标——响应速度、持续时长、可预测性与紧急工况表现，而非限定具体软硬件。其原则包括：并网前明确故障穿越、用电削减与应急义务；统一技术要求、性能指标与数据共享机制；为可信、可核验的柔性用电承诺开辟快速审批通道；按实际影响与收益分摊并网成本。

联盟成员涵盖 AI 平台、基础设施供应商、数据中心运营商、科技企业、发电企业、公用事业与区域电网调度机构。据外媒披露，创始与发起方还包括 Anthropic、国家电网（National Grid）、AES、NRG 等约 18 至 20 家机构，由能源行业高管 Frank Lacey 出任执行董事。

落地与意义

英伟达与 Emerald AI 已在弗吉尼亚推进一座近 100MW、号称全球首个「电力柔性 AI 工厂」的落地；谷歌在美国机队已运营约 1GW 需求响应组合。监管侧也在松动：美国联邦能源监管委员会（FERC）6 月已要求所辖六大区域电网运营商接纳「限电换快接」的大型用户。

AEMA 把数据中心灵活性定义为一种可度量的电网服务。若监管采纳绩效制并网规则，能够交付可验证柔性能力的运营商将占据主动——这也契合英伟达借 Vera Rubin 参考设计与 DSX Flex 软件库把 AI 工厂接入电网服务的路线。

当英伟达、谷歌、亚马逊纷纷自研 AI 芯片时，一家老牌芯片公司正在赌一个更底层的方向——如何让这些芯片之间的数据跑得更快。这家公司是 Marvell。2025 年底，它宣布收购 Celestial AI；2026 年 2 月 2 日交易正式完成。根据 Marvell 提交给美国证券交易委员会的 10-Q 文件，这笔收购的基础对价为 35 亿美元，算上业绩对赌，总交易价值最高可达约 55 亿美元。Celestial AI 的核心资产是一项名为 Photonic Fabric 的光子互联技术，专门用于下一代 AI 数据中心的 scale-up（机架内/芯片间）互联。

为什么光互联突然成了 AI 基建的必争之地

AI 集群越做越大，瓶颈也在转移。过去行业关心的是单颗 GPU 有多少算力，接着开始追问 HBM 内存带宽够不够，现在越来越多工程师意识到：真正卡脖子的，可能是芯片之间的数据搬运。

以当前的大型语言模型训练为例，成千上万个计算节点需要频繁交换梯度、激活值和模型参数。铜缆在短距离内依然便宜，但当集群规模扩展到整个机架、整座数据中心时，距离、带宽密度和功耗都会把铜缆逼到极限。光互联的优势正是在这里体现：光纤可以在更远的距离、以更高的带宽、更低的能耗传输数据。Celestial AI 的 Photonic Fabric 试图把光互联进一步推向芯片内部，让光子通道直接连接处理器、内存和加速器，而不是停留在板级或机架级。

Marvell 在 2026 财年第二季度（截至 8 月 1 日）的业绩说明中给出了一组数字：当季营收 27 亿美元，同比增长 37%；数据中心业务同比增长 46%，占公司总营收的 79%。公司还把 2027 财年和 2028 财年的收入指引分别上调至约 120 亿美元和 180 亿美元。CEO Matt Murphy 在新闻稿中表示，连接能力正成为 AI 和云数据中心架构中「最苛刻的需求」之一。

55 亿美元买了什么

Celestial AI 的技术路线可以概括为「把光带进芯片封装」。传统可插拔光模块主要负责机架之间或服务器之间的连接，而 Photonic Fabric 想做的是芯片与芯片之间、甚至芯片内部的高速光通道。这意味着未来一块 AI 加速器板卡上，GPU/ASIC、HBM 内存、网络接口和存储控制器可以通过光链路直接通信，绕开部分电互连的带宽和功耗瓶颈。

Marvell 在这笔收购之外，近一年还连续出手补齐互联版图：收购 XConn Technologies 强化 PCIe/CXL 交换能力，收购 Polariton 增强光电调制器技术。加上自有的高速 SerDes、数据中心网络芯片、存储控制器和内存接口产品线，Marvell 试图覆盖从 scale-out（跨机架网络）到 scale-up（机架内互联）再到芯片级光互连的完整链条。

更值得关注的是客户绑定。2026 年 8 月，Marvell 与谷歌达成了一份规模更大的合作协议：Marvell 将向谷歌授予最高约 5897 万股普通股的认股权证，行权价 206.58 美元，其中业绩解锁部分与谷歌定制 ASIC 订单收入挂钩。根据 OFweek 等国内科技媒体援引的协议细节，这批订单涵盖 AI 推理加速器、存储控制器、网络接口控制器、内存接口控制器和近存计算芯片。这笔交易让 Marvell 深度绑定了谷歌的 AI 基础设施供应链。

不是替代 GPU，而是让算力连得更顺

Marvell 的策略并不是去和英伟达正面竞争 GPU。它的逻辑是：无论云端使用 GPU 还是自研 ASIC，数据搬运、光连接、存储访问都是绕不开的工程问题。当 AI 集群的规模继续膨胀，连接芯片在整机成本中的占比会越来越高。

目前数据中心光互联市场正处于 800G 放量、1.6T 快速导入的过渡期；再往远看，scale-up 光学互连、CPO（共封装光学）和芯片级光 I/O 是下一轮技术竞争的焦点。Marvell 预计 Celestial AI 最早在 2028 财年下半年开始贡献收入，到 2029 财年第四季度年化收入有望达到 10 亿美元。

风险与挑战

这笔豪赌并非没有风险。CPO 和芯片级光互联仍处在早期工程验证阶段，良率、封装成本、热管理和标准化都是尚未完全解决的问题。Marvell 的 2028 财年指引中已经计入了部分谷歌合作收入，但更大幅度的增量可能要等到 2029 财年以后。Celestial AI 带来的非 GAAP 年度运营支出增加约 5000 万美元，也要求后续收入快速爬坡才能摊薄。

此外，英伟达也在光互联领域积极布局。2025 年 6 月前后，英伟达先后向 Lumentum、Coherent 和 Marvell 各投资约 20 亿美元，三家合计约 60 亿美元，意在锁定 AI 数据中心的光供应链。博通、联发科、Astera Labs 等公司同样在争夺这块市场。

结论

Marvell 用 55 亿美元买下 Celestial AI，不是为了赌某一款明星芯片，而是在赌一个产业判断：AI 数据中心的瓶颈，正从「算得更快」转向「搬得更顺」。光互联、CPO 和芯片级光子通道，可能会成为下一阶段 AI 基础设施中价值量最大的环节之一。如果 Photonic Fabric 能在未来几年实现规模化商用，这笔收购将为 Marvell 打开一个比传统网络芯片大得多的新市场。