在讨论AI服务器的耗电量时，需要明确的是，“正常”这一概念在不同的语境与应用场景中有不同的标准，AI服务器的耗电量受多种因素影响，包括其运行的AI模型复杂度、硬件配置、使用频率以及冷却系统的效率等。

AI服务器尤其是用于训练大型模型如GPT系列、推荐系统或进行复杂数据分析的服务器，其耗电量会远高于普通服务器，这主要是因为AI训练过程涉及大量的数学运算，特别是矩阵乘法等计算密集型操作，这些操作都需要强大的计算能力和相应的能源支持。

以英伟达的H100 GPU为例，每块GPU的峰值功耗可达到700W，而一台AI服务器通常搭载多块这样的GPU，再加上CPU、内存、存储等其他组件的功耗，一台AI服务器在满载时的总功耗可以轻松超过3000瓦，甚至更高，这意味着，如果一个数据中心拥有大量这样的AI服务器，其总耗电量将会非常可观。

从另一个角度看，随着芯片制程技术的进步和能效比的提升，新一代的AI服务器在单位计算量的能耗上正在逐渐降低，采用更先进的制程工艺生产的芯片能够在更低的电压下运行，从而减少整体功耗，通过优化算法和提高软件效率，也可以在一定程度上减少不必要的计算和能量消耗。

对于是否“正常”，还需要根据具体的应用场景来判断，对于需要24/7不间断运行的关键业务系统，其耗电量自然会高于那些只在特定时间运行的系统，随着技术的不断进步和规模的扩大，AI服务器的耗电量也可能会进一步增加。

AI服务器的耗电量并没有一个固定的“正常”标准，而是需要根据具体的设备配置、应用场景和技术进步等因素来综合评估。