本文根据一场关于 AIDC 的座谈文字稿整理。文中数据、预测及产业判断主要来自嘉宾分享，部分属于估算或前瞻观点，不构成投资建议。
核心结论
这一轮 AIDC 建设并非单纯由资本炒作推动，而是由三股力量共同放大：真实算力需求快速增长、关键环节供给受限，以及企业为锁定资源而提前投资。全球范围内，美国在高端芯片、头部客户和商业化运营方面领先；中国的优势则更多体现在电力供给、完整工业体系、通信网络、液冷、供配电和系统工程能力上。
中国 AIDC 的主要矛盾不是“建得不够多”，而是高质量算力不足、低效率项目偏多、跨区域资源配置不充分。未来行业大概率不会简单复制光伏式的全面过剩，但低水平、非市场化、缺乏长期客户的项目仍可能长期亏损。真正需要关注的，不只是资本开支和机架数量，而是上架率、使用率、单位功耗算力、长期订单与全生命周期回报。
一、AIDC 与传统 IDC 有何不同
传统 IDC 主要承载通用计算，AIDC 则服务于大模型训练与推理。两者的核心约束已经发生变化：
- 计算密度更高：单机柜集成大量 GPU，功率远高于传统机柜。
- 供电要求更高：高密度集群需要新的配电结构，并对外部电网提出扩容要求。
- 散热方式改变：传统风冷难以满足需求，液冷逐渐成为高密度 AIDC 的重要配置。
- 高速互联更关键：GPU 之间需要频繁交换数据，网络带宽和延迟会直接影响集群效率。
- 系统协同更复杂：计算、存储、网络、供配电和散热必须共同设计，任何短板都可能降低昂贵算力的利用率。
因此，AIDC 已不再是“安装更多服务器”，而是一个高度耦合的系统工程。
二、全球建设潮为何如此猛烈
座谈将本轮扩张概括为三个关键词：钱多、电紧、分化大。
需求是最底层驱动力。AI 已从聊天机器人扩展至编程、智能体和行业应用，算力消耗从训练进一步延伸到持续推理。与此同时，GPU、HBM、先进封装、光通信、变压器、电网接入和土地等环节存在不同程度的供给约束。
当需求快速增长而供给弹性不足时，云厂商和模型公司会提前锁定芯片、存储、电力与土地，由此形成类似“牛鞭效应”的放大机制。座谈嘉宾粗略判断，当前资本开支中约 60%至70% 可能对应较明确、可预见的需求，其余部分则更多用于提前锁定稀缺资源。该比例属于嘉宾估算，不宜视为严格统计结论。
另一个重要趋势是：算力增长显著快于建筑面积和功率增长。这说明行业不仅在新建站点，也在依靠芯片迭代、先进封装和高密度机柜提升单位面积、单位功耗的算力。
三、中美 AIDC 的差异不只是投入规模
美国的优势主要集中在：
- 高端 GPU、存储和先进半导体供应更充分；
- 头部云厂商、模型公司具备明确的商业需求和长期订单；
- 超大规模单站点较多，建设和运营以市场回报为导向；
- 软件产业占比较高，AI 对编程、智能体和知识工作的替代更直接。
中国的建设模式更加分散，地方政府、运营商、互联网公司、云厂商和国资平台共同参与。训练算力可以向土地、电力更充足的西部集中，推理算力则倾向靠近东部用户和产业集群。
中国的优势主要是：
- 电力扩容和基础设施交付速度较快；
- 工业门类完整，供配电、液冷、储能等配套能力较强；
- 通信和大型工程建设经验丰富；
- 可通过集群调度、网络优化和系统集成，部分弥补单芯片性能差距。
但先进制程、顶级单芯片性能和部分底层模型创新，仍难以仅靠系统工程完全补足。系统级方案可以改善总体性能，却往往需要付出更高功耗、更多设备和更大空间的代价。
四、旧 IDC 能否改造成 AIDC
座谈的判断偏谨慎：大部分传统 IDC 很难低成本升级为高密度 AIDC。
主要障碍包括：
- 楼板承重不足，难以容纳更重的高密度设备和液冷系统；
- 原有供配电能力不足，高密度 AIDC 的功率需求可能数倍于传统机房；
- 缺少液冷管路及相应基础设施；
- 外部电网容量、变压器和接入条件不匹配；
- 早期项目普遍重建设、轻运营，缺少面向持续升级的设计。
因此，旧机房是否值得改造，应先评估建筑、电力、冷却和网络条件，而不是简单更换服务器。
五、中国真正的短板是利用效率
衡量 AIDC 不能只看建成多少机架，还应重点观察三个指标：
- 上架率：机房容量中实际部署设备的比例；
- 使用率：已上架设备真正承担计算任务的程度；
- PUE：数据中心总能耗与 IT 设备能耗之比，越接近 1，能源效率通常越高。
中国部分项目存在上架率和使用率偏低的问题。原因包括建设与需求脱节、缺少长期客户、国产设备部署后尚未充分投入商业使用，以及运营和系统集成能力不足。
“约一半智算中心亏损”的说法在座谈中受到质疑，因为“亏损”可能指经营现金流为负、会计利润为负，或全生命周期无法收回投资，不同口径差异很大。更合理的判断是：确有一部分非市场化项目可能长期无法收回成本，但不能用一个未经统一口径验证的比例概括整个行业。
六、算电协同不是简单寻找最低电价
AIDC 面临稳定、充沛、经济和绿色四个目标，但单个节点很难同时做到最优。合理方式是根据业务类型排序：
- 实时推理优先稳定和充沛，应靠近用户，对电力与网络连续性要求更高；
- 离线训练和仿真更能容忍时延及一定波动，可更多布局在土地、气候和绿电条件较好的西部；
- 全国算力网络的价值，在于跨区域协调训练、推理、能源和网络资源，而不是让所有任务都机械地“东数西算”。
电力优势的核心也不只是电价低，而是电力是否能够及时、稳定地扩容。如果芯片和机柜已经到位，电网接入却需要等待数年，算力就无法形成收入。中国在电力基础设施交付和扩容方面的能力，是其将能源转化为算力的重要条件。
七、绿电直连与储能的边界
绿电直连有助于提高新能源消纳和数据中心绿电比例，但风电、光伏具有波动性，不能为了追求绿电比例牺牲 AIDC 的稳定运行。
较可行的组合是：
- 绿电直连承担部分供电；
- 大电网提供稳定补充；
- 储能平滑短期波动；
- 跨区域绿电交易补足东部数据中心的绿色用能需求；
- 根据训练或推理业务的可靠性要求，动态确定绿电占比。
储能在 AIDC 时代也从单纯的 UPS 或备用电源，逐渐转变为可参与削峰填谷和电力交易的动态资产。它既保障供电，也可能通过峰谷价差创造额外收益。
八、企业何时自建，何时租用算力
企业选择自建 AIDC，通常有两类原因：
- 数据安全、合规或业务隔离要求较高；
- 内部算力需求规模足够大且长期稳定，自建的全生命周期成本低于外部采购。
自建项目真正昂贵的不只是土地和设备，还包括后续运营、维护、调度和专业团队成本。需求不稳定、规模不足的企业，更适合采用云服务或算力租赁，避免资产闲置。
对 AIDC 运营商而言，项目能否盈利高度依赖长期订单。零散客户类似餐馆散客，利用率波动大；长期包销或稳定的大客户合同，才能提高收入的可预测性。
九、AIDC 会重蹈光伏式过剩吗
AIDC 与光伏都可能受到政策鼓励和地方投资冲动推动，但两者并不相同。
光伏组件高度标准化，产能可以跨区域销售和库存；AIDC 则高度本地化，必须同时考虑电力、网络、客户距离、时延、设备集成和运营能力。即使设备齐全，如果无法完成系统调试、获得客户并稳定输出算力，项目仍无法形成有效供给。
因此，更可能出现的不是全国范围内同质化的全面过剩，而是明显的结构性分化：
- 高质量、高利用率、拥有长期客户的 AIDC 仍然稀缺；
- 低密度、低利用率、缺乏客户和运营能力的项目可能过剩；
- 推理算力在需求密集地区可能紧张，偏远地区的低质量算力却可能闲置；
- 芯片、存储、网络、电力和冷却之间仍可能出现局部短板。
十、判断过度投资的几个领先信号
座谈提出了几类值得跟踪的信号：
- 国产算力芯片开始明显滞销或库存持续上升；
- AIDC 上架率、使用率下降，新增容量无法转化为实际负载；
- 主要云厂商削减或放缓资本开支，说明市场化主体看到的需求开始减弱；
- 长期订单减少，项目更多依赖短期散单或补贴；
- 非市场化建设仍在加速，而商业客户需求已经转弱；
- 单位算力价格快速下跌，但设备、电力与运维成本无法同步下降。
其中，云厂商资本开支和利用率比单纯的项目开工数量更有参考价值。商业主体通常更接近真实需求，其收缩往往早于地方性投资停止。
十一、建设潮还能持续多久
座谈没有给出确定年份，而是提出一个关键前提：如果 AI 最终从效率工具发展为大规模劳动力替代，算力需求仍可能持续增长。美国的软件和服务业占比更高，替代可能更早发生；中国由于产业结构以及就业稳定要求，应用和替代过程可能更缓慢，因此建设周期也可能被拉长。
这意味着，中国的高质量算力短缺未必很快结束，但行业会从“有没有算力”逐渐转向“算力能否低成本、稳定并高利用率地交付”。未来竞争的核心不是单纯扩张规模，而是：
- 是否拥有真实且持续的客户需求；
- 是否能获得稳定、可扩容的电力；
- 是否具备高效的系统集成和运营能力；
- 是否能通过全国算力网络实现跨区域调度；
- 是否能在芯片受限的情况下控制总体能耗和交付成本。
结语
AIDC 是 AI 时代的新型基础设施，但不是“建成即有效”的普通地产项目。它的价值最终落在可交付算力、客户订单和持续运营上。
中国并不缺建设能力，真正需要补足的是市场化运营、先进计算能力、跨区域资源调度和效率评价机制。只有从追求机架、投资额和项目数量，转向追求上架率、使用率、单位功耗算力与长期回报，AIDC 才能从地方性建设热潮，转化为可持续的 AI 基础设施。
一句话摘要
AIDC 的风险不是简单建多了，而是把资本投入到无法稳定供电、缺少客户、利用率低且难以升级的低质量算力中。