260922中国AIDC万亿新基建何时休

一、核心概念：什么是AIDC？

1.1 关键术语

• H100当量：算力标准换算单位，把不同芯片（B200、TPU、昇腾910等）统一换算成相当于多少张H100
• 功率容量（GW）：数据中心持续消耗电力的速度，30GW相当于30台大型核电机组满负荷运转
• AIDC：2023年后出现的面向AI训练和推理的数据中心，区别于传统IDC（通算中心）

1.2 AIDC的三大关键

AIDC与传统IDC的本质区别在于机柜功率密度，是传统数据中心的10-100倍。因此有三大配套必须同步设计：

1. 供电：普通线缆搂不住，需要专门的配电结构和设备
2. 冷却：传统风冷带不走，AIDC标配液冷
3. 高速互联：72张GPU要频繁交换数据，互联高速公路不能拥堵

二、全球AIDC资本开支：需求、供给、预期三者共振

2.1 惊人的资本开支数据

• 2024年：4550亿美元，同比+51%
• 2025年：同比+57%
• 2026年：预计超过1万亿美元
• 2030年：预计超过3万亿美元

2.2 为什么会爆发？三者共振形成正反馈循环

需求端（最底层驱动力）：

• 从ChatGPT到Coding再到Agent，应用形态不断演进
• OpenAI、Anthropic的算力增长曲线惊人，ARR同步高增长
• 国内：DeepSeek 7-8个月收回全部投资，Kimi流量快速增长
• 麦肯锡预测：2025-2030年算力需求增长350%，AI负载将超过总负载50%

供给端（严重短缺）：

• 需求来得太快、太集中，供给弹性差
• 缺什么？GPU芯片→HBM→光通信→磷化铟→变压器→电网
• 变压器交付周期在海外已达4年，电力并网排队更长
• 系统级约束：计算、存储、通信、供电、散热必须齐头并进

预期端（线性外推）：

• 投资者看到需求旺盛、供给短缺，做线性外推
• 股价走在实际采购前面，相当于给整个产业做了"实物期权"
• 股价上涨→厂商更有动力投入CAPEX→形成正反馈

三、算力密度提升远超功耗和建筑增速

3.1 三张图连看

根据86个站点的统计：

• 2023年累计算力：15.7万H100当量
• 2025年：487.7万H100当量
• 2028年预测：超过1000万H100当量

但功耗增长和投运建筑增长，都远低于算力增长。

3.2 为什么密度能提升？

• 芯片制程进步：单芯片算力每代增长数倍，黄仁勋说有些是10倍增长
• 先进封装：通过堆叠、新封装方式，单位面积算力密度提升
• 技术改进：单功耗算力增长更快，所以功耗增长赶不上算力增长

四、全球算力布局：中美模式差异

4.1 云厂商是算力建设的主力军

9大云服务厂商2026年合计算力投资预计达8300亿美元，同比增长79%。

4.2 单站点算力 vs 总算力排名

单站点排名：xAI领先（超级站点模式）

总算力排名：Google领先（多站点布局模式）

4.3 中国的情况

• 中国公司不在全球单站点TOP20里
• 前86个样本中，能排上号的：字节、华为、阿里
• 字节在总体和单站点上最高，其次华为，再次阿里
• 中国系合计约占全球2.0%

4.4 中美差异的原因

美国：多超级大站点，集中度高

中国：更分散，原因有三：

1. 合建模式：地方政府有政绩需求，每个地方都要建，厂商需要资金杠杆和补贴
2. 训练西移、推理东移：训练放到西北（便宜电、土地），推理靠近东南沿海用户
3. 大城市多：中国大城市数量多，算力中心更靠近用户

4.5 中国智算中心：谁主导建设，谁负责运营

截至2024年8月，含投运、在建、规划项目：

• 地方政府：项目数量占比33.9%最高，但算力规模仅14.2%——项目多但单体小
• 基础电信运营商：项目19.1%，算力25.6%
• 互联网及云厂商：项目17.7%，算力规模35.0%——项目少但单体算力大

4.6 中美五年投资体量对比

• 中国：十五五算力网新增直接投资约4万亿元（≈5,600亿美元），机构测算，以企业投资为主
• 美国：2026—2030数据中心建设计划投资约2.4万亿美元（≈17万亿元），规划及在建项目跟踪值
• 表面美国约为中国4倍，但口径不同——中国只算算力网，实际加上通信网（约6万亿）和电力网，合计约13—15万亿，修正后差距约2—2.5倍

五、中国AIDC建设：政策与旧中心改造

5.1 旧通算中心能改造成AIDC吗？

具体差距：

• 承重：AIDC同样面积的楼板承重，要比通算中心增加50%-100%，当年规划没留冗余
• 供电：智算中心供电至少是通算中心的3倍以上，涉及外部电网连接
• 液冷：通算中心没有液冷设计，而AIDC万卡集群必须大量使用液冷
• 建设思路：地方政府"重建设轻运营"，没有考虑升级换代

5.2 中央政策演进（2022-2026）

1. 2022年：东数西算全面启动，划定8个枢纽、10个国家数据中心集群
2. 空间上：从各地自建→收拢到少数枢纽（2023年底要求枢纽新增算力占全国60%以上）
3. 目标上：从追求规模→追求效率和绿电（枢纽新建数据中心绿电占比超80%）
4. 需求侧：2025年提出AI应用普及率超90%
5. 算电协同：算力和电力开始统一统筹

5.3 地方政策差异：东部补需求，西部补能源

8个代表性地区，工具包括算力券、训力券、绿电电价、投资补助：

• 东部需求侧（补使用）：北京算力券按合同额最高20%补贴、单企业年累计最高200万元；上海临港算力券最高50万元、新建PUE≤1.25；深圳训力券5亿元资金池、常规企业补贴50%、初创最高60%、单企业年上限1000万元；广州黄埔算力投入补贴30%、最高500万元；山东供需双补；浙江中小企业算力券按服务额10%或30%分档
• 西部供给侧（补能源）：贵州全国首个算力券试点、贵安枢纽绿电占比82%以上；内蒙古和林格尔按结算额10%奖励、最高200万元/年、绿电85%以上、电价约0.28—0.32元/度；宁夏与甘肃枢纽新建项目PUE≤1.2、绿电占比100%

六、英伟达垄断与国产替代：系统工程弥补

6.1 英伟达独大会结束吗？

3-5年内不会快速结束，但份额会持续被分流。云厂商自研芯片（DSA半定制）主要为自用降本，OpenAI、Anthropic也在设计自己的芯片。预计5年内英伟达云端算力芯片份额可能降到50%以下。

6.2 没有英伟达最先进的卡，靠什么弥补？

从能源、芯片、基础设施、模型到应用，逐层对照中美强项与短板：

• 第5层 应用：中国优势——最强层、场景密度大、规模化落地；美国优势——生态强
• 第4层 模型：中国优势——开源路线、并跑；美国优势——前沿闭源领先
• 第3层 基础设施（AI工厂）：中国中性偏弱——规模全球第二、运营效率待提升；美国优势——规模领先、巨头集中
• 第2层 芯片：中国劣势——高端GPU受出口管制、推理算力国产替代推进中；美国优势——英伟达等高端GPU主导
• 第1层 能源：中国优势——电力总量大、绿电成本低；美国劣势——偏紧，依赖化石能源与自建电源

可以靠系统工程弥补的：

• 基础设施：液冷、供电、网络架构（中国有制造强项）
• 集群调度、算子优化、流水线切分（超算中心积累）
• 模型创新：DeepSeek用MoE架构、蒸馏技术解决行业推理问题
• 先进封装 + 架构创新：用次优制程 + 堆叠，达到等效算力密度

难以靠系统工程弥补的：

• 先进制程（EUV之前短期难追上）
• 原生大模型训练能力和模型架构创新
• 底层算子库对CUDA的深度优化（但AI辅助迁移正在降低难度）

七、算电协同：电力优势能否转化为算力优势

7.1 电力的"不可能四角"

传统电力受"稳定/经济/绿色"不可能三角约束，AIDC时代再加一项"充沛"，变成不可能四角。

7.2 东数西算在智算时代还有价值吗？

仍然有价值，因为经济重心在东、能源土地重心在西的格局没有本质变化。但任务特征决定选址边界：

• 适合东数西算：数据存储与备份（冷/温数据、灾备、归档）、离线分析与训练（大模型训练、批处理计算）——带宽需求低、对网络不敏感、计算密集型
• 不适合东数西算：实时推理与在线服务（在线交易、实时推荐）——网络延迟高、影响用户体验，需就近部署
• 政策约束：国家枢纽节点新建数据中心PUE原则上≤1.25，最高上限1.30

7.3 跨境电力提供参照，算力变现仍需单独验证



东南亚跨境电力合作已经跑通：老挝100MW→泰国→马来西亚200MW→新加坡，到2035年区域互联电网目标6GW。这说明电力跨境输送是可行的，但算力变现路径和电力输送不同，仍需单独验证。

7.4 中国电力优势到底是什么？

不是电价便宜这么简单，核心是"能马上供得上"

美国最大的问题不是成本，而是扩容跟不上——有需求了、有卡了、机柜立起来了，供配电两年后才能到位，只能自建燃气轮机，但燃气轮机交期也很长。

八、AIDC的六大系统与成本结构

8.1 AIDC的六大系统

计算、网络、存储、供配电、散热，再加上运营管理。任何一段堵住，整套系统的吞吐和能耗效率都上不去。

8.2 成本构成（以200亿AIDC项目为例）

• 计算（GPU）：120亿，占60%——最大头
• 网络与共享存储：30亿，占15%
• 供配电：20亿，占10%
• 土建：15亿，占7.5%
• 散热：10亿，占5%
• 软件调试及预备费：5亿，占2.5%

注：不含融资与外部电源工程，不能直接套用到其他芯片配置。

8.3 三个核心运营指标

• 上架率：装了多少？已通电可交付机柜÷设计总机柜。中国全国平均约58%，美国约98%-99%
• 使用率：用了多少？实际运行IT负载÷已上架容量。上架≠在用
• PUE：用得省不省？全站耗电÷IT设备耗电。中国在用平均约1.49，美国超大规模约1.1-1.3。十五五目标：2030年新建大型及超大型≤1.2

8.4 企业自建 vs 租赁

企业选择自建算力中心，主要两种场景：

1. 数据安全/合规要求：行业合规要求或心理上的数据安全感
2. 自用量足够大：自用算力的量达到"账算得过来"的规模，因为最大成本不在建设而在运营维护（要养团队、持续花钱）
   
   

8.5 供配电升级：交流、混合架构与800V直流并行

供配电架构正在三代并行迭代：

• 现有交流架构（已部署）：电网→交流配电→UPS/整流→IT机柜
• 混合架构（2026下半年供应）：交流转800V直流，逐步过渡
• 原生直流架构（预计2027年）：高压直流转换与配电，直接供800V负载

8.6 现场发电与储能，解决不同时间尺度的问题

不同时间尺度的供电需求由不同方式解决：

• 电网接入：持续供能（长期稳定）
• 现场燃气轮机：可调度供电（RBC估算2025年底燃气轮机订单约100GW，年制造能力约60-70GW）
• UPS：短时保供（秒级）
• 电池储能：负荷平滑与调节（AI负荷快速波动→电池储能平滑缓冲）

8.7 模块化交付：缩短工期，仍须等电等设备

以阿里云CUBE 5.0为例：30天工厂生产与现场准备 + 50天安装 + 20天调试 = 100天（起点须具备厂房交付条件）。预制并行化减少现场串行施工，但供电、部件到货和最终验收仍可能制约进度。

九、还要建多久，会不会重蹈光伏覆辙？

9.1 现在是全面过剩，还是结构性短缺？

把中国现场的数字摆在一起，答案很清楚：结构性分化。

核心观点总结

第一，本轮全球AIDC建设热潮是需求、供给、预期三者共振的结果。60-70%是确定需求，30-40%是抢资源的提前布局。

第二，算力密度提升是本轮扩张的核心驱动力，不是靠建新楼，而是靠先进制程+先进封装让单站点算力密度大幅提升。

第三，中美算力模式差异明显：美国多超级大站点，中国更分散（合建模式+训练西移推理东移）。中国单站点排名不高，但总量在快速追赶。

第四，旧通算中心很难改造成AIDC，承重、供电、液冷都不匹配，大多数只能当冗余。

第五，没有英伟达最先进的卡，靠系统工程可以弥补大部分：基础设施（液冷供电）、集群调度、模型创新（MoE、蒸馏）、先进封装。但先进制程和原生大模型能力仍有差距。

第六，中国电力优势的核心不是便宜，而是"能马上供得上"。东数西算在智算时代仍然有价值，但要区分训练（放西部）和推理（靠近用户）。

第七，100MW智算中心约200亿初始投入，GPU占60%。供配电正从交流向800V直流演进，模块化交付可压缩到100天，但供电和部件到货仍是瓶颈。

第八，当前是结构性分化而非全面过剩：高端H100缺口43万张、头部上架率90%，低端全国使用率仅30%、西部不到20%。缺的是可交付的高性能集群，多的是不匹配任务的通用机房。