文 | 万联万象

当我们谈论人工智能时，脑海中浮现的往往是ChatGPT、Deepseek流畅的对话，Nano-Banana绚丽的画作，或是自动驾驶汽车精准的判断。然而，这些智能表象之下，隐藏着一个庞大而坚实的物理世界——数百万台昼夜运转的服务器、如迷宫般错综复杂的电路、如森林般密集的散热装置。

这个世界，是由金属构成的。

AI革命不仅是算法与代码的革命，更是一场实实在在的材料革命。每一次神经网络参数的更新，每一轮大模型的训练，都在物理世界转化为对特定金属材料的需求。

在这场算力军备竞赛中，铜、银以及众多稀有金属，正被赋予全新的使命与价值。

如果说算法是AI的灵魂，算力是AI的肌肉，那么这些金属材料就是支撑肌肉的骨骼与血管系统。它们的特性决定了算力能否高效传输、热量能否及时消散、信号能否精准传递。没有这些金属的支撑，再精妙的算法也只能是空中楼阁。

随着全球科技巨头竞相投入数千亿美元建设AI基础设施，一个问题日益凸显：在AI时代的金属版图中，谁将成为真正的“王者”？让我们深入AI产业链的底层，揭开这场金属之王的竞争序幕。

成为AI“血液”的铜

现代AI芯片的功耗已达到惊人水平。单个高端训练芯片的功耗超过1000瓦，一个满载GPU的服务器机架功耗可达50千瓦以上，而一个超大规模数据中心的总功耗堪比一座小型城市。如此庞大的电能必须高效、稳定地输送，任何传输效率的损失都将转化为巨大的运营成本和能源浪费。

铜承担了这一关键使命。从电网接入点的主变压器，到不间断电源系统，再到每一排机架的配电单元，最后到达每一台服务器的电源模块，铜以其97%的导电效率（相对国际退火铜标准），最大限度地减少了能量在传输过程中的损失。

据行业测算，如果将全球数据中心的所有电气连接从铜替换为其他材料，全球每年将额外损失数太瓦时的电力，相当于多个中型发电厂的年产量。

传统数据中心中，铜主要用于电力分配系统。但在AI时代，铜的应用发生了三个根本性转变：

首先，功率密度的飙升导致用铜量激增。AI服务器与传统服务器有本质不同。传统服务器可能主要处理存储和网络请求，而AI服务器则需持续进行高强度浮点运算。这使得AI服务器的功率密度达到传统服务器的3-5倍。更高的功率意味着更粗的电缆、更厚的铜排、更强的配电系统。据英特尔测算，从传统数据中心转向AI数据中心，每机架的用铜量增加约60%。

其次，高速互联催生新型铜应用。AI集群中，成千上万的GPU需要高速互联以实现并行计算。虽然长距离通信依赖光纤，但在机架内和机架间，高速铜缆因其成本优势和足够带宽成为主流选择。NVIDIA的Quantum-2 InfiniBand平台中，每台交换机就有多达64条高速铜缆连接。随着AI集群规模扩大，这类特种铜缆需求呈现指数增长。

第三，散热系统的铜需求。传统的风冷已难以应对AI芯片的热负荷，液冷技术成为必然选择。在冷板式液冷系统中，直接与芯片接触的冷板通常由铜制成，因为其导热性能是铝的1.8倍，能更快地将热量传递给冷却液。虽然铝因其轻质和成本优势在散热系统中广泛应用，但在与芯片直接接触的“最后一厘米”，铜仍是首选。

铜在AI基础设施中的核心地位恰逢全球铜市场进入新的周期。国际能源署报告指出，全球铜矿品位持续下降，新矿发现减少，而能源转型和数字化推动的需求不断增长。高盛在2023年报告中称，到2030年，仅绿色能源和数字经济就将新增400万吨铜需求，相当于当前全球消费量的15%。

AI是这一需求增长的重要推手。花旗银行测算，如果按照当前规划建设所有AI数据中心，到2030年将额外增加每年100万吨的铜需求。这并非因为单座数据中心用铜量惊人，而是因为AI数据中心建设呈指数级增长。一座超大规模AI数据中心（如微软或谷歌正在建设的）可能使用2000-4000吨铜，而全球规划中的类似项目有数百个。

铜也面临挑战。首先是成本压力，铜价上涨可能推高AI基础设施的建设成本；其次是技术替代风险，如更高性能的导电材料或无线电力传输技术的突破；第三是资源安全问题，全球铜矿资源集中在智利、秘鲁等少数国家，供应链集中度较高。

不可或缺的银

在AI硬件的微观世界中，存在着一个肉眼无法看见的精密宇宙。在这里，纳米级的电路纵横交错，分子级的连接点精确排列，电子以接近光速穿梭。支撑这一精密宇宙的，是金属家族中的贵族——银。

虽然用量远不及铜和铝，但银在关键连接点的作用无可替代，堪称AI硬件中的“点睛之笔”。

银拥有所有金属中最高的导电率和导热率，这一物理特性决定了它在高端电子领域的特殊地位。在AI芯片封装、高性能连接器、特殊传感器等关键部位，银的作用不可替代：

芯片封装中的银：随着Chiplet（小芯片）技术成为AI芯片的主流设计方向，如何将多个芯片模块高效互连成为关键挑战。在先进封装技术如2.5D和3D封装中，芯片之间的垂直互连需要通过微米级的凸点实现。

这些凸点传统上使用锡基焊料，但在高性能AI芯片中，银烧结技术正成为新选择。银烧结层具有更高的导热性和导电性，更优异的热机械可靠性，能够承受AI芯片工作时的巨大热应力。英飞凌、意法半导体等公司已在功率模块中广泛应用此技术，并逐步向AI芯片领域渗透。

高端连接器的银镀层：AI服务器内部的数据传输速率已达到惊人的程度。PCIe 5.0接口的数据速率达32 GT/s，即将到来的PCIe 6.0将翻倍至64 GT/s。在这种高频高速信号传输中，信号完整性至关重要。连接器触点表面微小的电阻变化都可能导致信号衰减和误码。

因此，高端连接器通常在铜基材上镀一层厚银（而非传统的薄金），以最大限度降低接触电阻，确保信号纯净度。虽然成本高昂，但在确保AI训练稳定性的前提下，这一投资被认为是必要的。

特殊传感器中的银：一些AI训练和推理任务需要高精度环境数据，如量子计算相关的低温环境监测、数据中心精密温控等。在这些高端传感器中，银因其稳定的电学特性和低热噪声，成为电极和敏感元件的首选材料。

与铜不同，AI对银的需求增长不是“量”的简单增加，而是“质”的结构性变化。全球约50%的银需求来自工业应用，其中电子行业是最大组成部分。AI的兴起正在改变这一需求结构。传统消费电子中的银用量可能因设备小型化而缓慢增长甚至下降，但高端服务器、AI专用硬件、高性能计算设备中的银用量显著增加。

这些应用对性能的极致追求超过对成本的敏感，为银提供了“价值高地”。

单位价值而非总量主导：一座AI数据中心使用的银可能只有几十公斤，与数以吨计的铜相比微不足道。但这一点银分布在成千上万个关键连接点，每个连接点都关乎整个系统的稳定运行。因此，银的价值不在于其重量，而在于其不可替代的功能性。即使银价上涨50%，对AI服务器总成本的影响可能也不到1%，但其性能贡献却可能是决定性的。

关键性的稀有金属

除了铜和银这两种相对“主流”的金属，AI产业链中还活跃着一群用量微小却至关重要的“关键稀有金属”，它们是镓、铟、钴、稀土元素等。在AI硬件的性能竞赛中，这些金属往往成为突破瓶颈的关键。

在追求更高频率、更高效率的AI芯片和光模块中，硅基半导体逐渐接近物理极限。这时，化合物半导体登上舞台，而镓和铟正是其中的核心元素。

随着芯片制程进入5纳米、3纳米甚至更小，晶体管和互联线的尺寸小到原子级别，材料选择面临全新挑战。钴和钌等金属因其独特性质，在先进制程中扮演关键角色。

虽然AI芯片和数据中心是关注的焦点，但AI的最终价值需要通过终端设备实现。从自动驾驶汽车到机器人，从无人机到智能工厂，这些AI终端设备离不开高性能电机，而高性能电机离不开稀土永磁材料。

现代高性能永磁电机主要使用钕铁硼磁体，其中含有钕、镨、镝、铽等稀土元素。这些磁体提供了无与伦比的磁能积，使得电机能够在更小体积下输出更大功率。对于AI机器人，这意味着更灵活精准的运动控制；对于电动汽车的自动驾驶系统，这意味着更快速的响应。

在AI硬件中，还有一些金属虽然不显眼，却在特定环节不可或缺。几乎所有电子元件的连接都离不开焊料，而现代无铅焊料以锡为主要成分（通常与银、铜等合金化）；锗在红外光学器件中具有不可替代性，这对于AI视觉系统（特别是夜视和热成像）至关重要。

从技术趋势看，AI硬件的发展将继续推动对这些关键稀有金属的需求。随着芯片制程进一步微缩、光通信速率提升、终端设备智能化普及，这些“决定性少数”金属的价值将进一步凸显。它们可能永远不会像铜那样被大量使用，但缺了它们，AI的性能天花板将大幅降低。

结语

通过对铜、银及关键稀有金属在AI产业链中的深度剖析，我们发现了一个清晰的图景：AI时代的金属世界不是单一王者的独舞，而是一个精密协作的生态系统。

这种生态反映了AI硬件发展的内在逻辑：在保证基础可靠的前提下，追求极致性能；在控制总体成本的同时，为关键部件支付溢价。铜确保了系统的基本运转，银提升了系统的稳定边界，而关键稀有金属则不断突破性能的天花板。

在这个由算法和算力定义的时代，我们不应忘记，每一次智能的飞跃都建立在坚实的物理基础之上。金属不语，却定义着AI的边界与可能。在这个生态中，没有唯一的王者，只有精密的协作。正是这种协作，托起了人类智能的新高度。