智算需求爆发推动数据中心规模持续增长。
数据中心（IDC, Internet Data Center）是为租户 / 客户的计算机系统（包括服务器、存储设备、网络设备等）提供放置、 电力、冷却、安全和监控等基础设施的专用空间，依赖于一个物理房间、一座建筑物或一处设施：用于构建、运行和交付 应用程序和服务，同时也用于存储和管理与这些应用程序和服务相关的数据的 IT 基础设施。
电力成本
数据中心作为高耗能行业的代表，其电力成本在运营总成 本中占比较大。数据中心的电力能耗主要来源于 IT 设备、 制冷设备、供配电系统和照明等其他设备的能源消耗，数 据中心的电力成本通常占运营总成本的 50%-60%，对于 一些用量需求较大的互联网类终端客户项目电力成本占比 则会高达 70%-80%。 我国针对用电容量在 315 千伏安及以上的大工业用电采用 两部制，两部制电价包含基本电价（固定）和电度电价（浮 动）。电价通常由市场供求关系、电力生产成本等因素决定。 此外，负载率及 PUE 亦是影响电力成本的关键指标。负 载率和 PUE 与电力成本呈正相关关系，即负载率和 PUE 值越高，电费支出通常也越高。 负载率 = 实际使用的 IT 设备功率 / 总设计 IT 设备功率， 反映了机房设备的实际使用情况与总设计能力规模的关系。 客户在使用 IDC 过程中，考虑到服务器寿命以及事故率， 其服务器一般不会达到满负荷运转的状态，通常 IDC 的负 载率不超过 80%。负载率与客户业务类型相关，通常金融 类客户负载率低于互联网类客户。 PUE= 数据中心总能耗 /IT 设备能耗，用于评估数据中心 在提供 IT 服务时的能源使用效率。PUE 值越接近于 1，表 示数据中心的能效越高，能源使用越有效。在实际应用中， 可通过优化制冷系统、提高供配电系统效率、加强运营管 理等方式来降低 IDC 的 PUE 水平，实现节能减排的目标。
水费成本
数据中心需要消耗大量的水资源来维持其稳定运行，特别 是用于冷却系统的散热。水价受地区、政策、水资源稀缺 性等多种因素影响。在能源形势日益紧张的情况下，数据 中心可以通过采用自然风冷技术、液冷技术以及其他节水 措施来显著降低水资源消耗。在数据中心行业液冷时代到 来之后，未来水资源利用率会有大幅的改善。
其它运营成本
业管理费用 ：根据园区面积计算，涵盖公共区域维 护、设施保养、安保清洁、绿化和秩 序维护。费用因项目定位和客户需求 （如安全要求）而异，需相应增减人员。
运营人员成本： 包含运维和管理人员成本及办公费 用。数据中心需按照 7X24 小时无间 断人员值守的标准，运维人员根据规 模分班次，负责日常运维、监控和定 期巡检。
设备维保费用 ：数据中心对设备可靠性要求高，需定 期检查和维护。成本与项目规模成正 比，规模越大，费用越高。
资本性支出（CapEx）
数据中心资本性支出（Capital Expenditure，CapEx）主要包括主体工程及设备设施的大修、更换及调整升级。资本性 支出包括但不限于电气系统、暖通空调系统及消防系统等固定资产的更换。其中，电气系统中的UPS及蓄电池使用寿命较短， 更换次数占全生命周期比重大，为资本性支出重要部分。数字化转型和云计算需求增长推动数据中心资本支出上升。企业 为适应云计算、大数据分析和 AI 等技术，需投资建设更高性能、可扩展的数据中心。
趋势一 智算需求爆发推动数据中心规模持续增长
通用型数据中心和智算型数据中心在当今的数字经济体中 各自扮演着不同的角色，在互联网经济浪潮中相辅相成， 共同为数据中心基础设施发展提供了规模增长的驱动力。 随着人工智能、大数据分析、机器学习等前沿技术的飞速 发展，智能算力的需求将成为未来数据中心发展最主要的 驱动力。根据中国信息通信研究院测算，截至到 2023 年 底，全球算力总规模约 910 EFLOPS（FP32），同比增 长 40%，其中增长的主要原因是智算中心的大幅扩张。 以 Open-AI 旗下的大模型应用 GPT 为例，首次推出的 GPT-1 拥 有 1.17 亿 个 参 数， 到 2023 年 GPT4 参数量已 增加到 1.8 万亿个，5 年超万倍参数量提升带来的是算力 需求的指数级增长。根据 SemiAnalysis 统计预测，全球 数据中心核心 IT 电力需求将从 2023 年的 49GW 增长至 2026 年的 96GW，在这增长的 47GW 中兴建智算中心 驱动的电力需求占到 40GW，占增量的 85%；彭博社估计， 智算中心基础设施带来的收入在 2024-2032 年的复合年 增长率将超过 30%，智能算力需求的急速提升将推动数据 中心规模的大幅增长，我们也看到运营商和超大规模云服 务商已经开始寻找具有丰富土地及电力资源的区域扩展业 务，以满足 AI 应用的特殊需求。
趋势二 数据中心逐步向高密度、高能效方向发展
智算中心的崛起正引领数据中心向更高密度和能效的方向 转型。在生成式 AI 广泛应用之前，数据中心服务商通常 按照单机柜功率 2-10KW 的标准进行建设和部署。然而， 随着 AI 技术的飞速发展和对算力需求的增加，数据中心 必须部署更多如 GPU 等高性能服务器以满足计算密集型 任务。数据显示，全球数据中心平均单机架功率已从 2017 年的 5.6KW/ 机架提升至 2023 年的 12.8KW/ 机架，超算、 智算中心的单机柜功率甚至需要超过 30KW。根据中国数 据中心委员会（CDCC）的数据，2021 年中国功率密度为 4-6KW 的机柜占比为 48%，6-8KW 占比 34%，8-12KW 占比 8%，12KW 以上占比 4%，高密度机柜占比相对较小， 而智算中心需求的爆发，预计将加速向更高功率密度的机 柜演进。尽管如此，小功率机柜并不会完全被市场淘汰。 一方面，它们在边缘计算、存储等特定应用场景中仍然具 有价值；另一方面，通过技术升级和改造，它们也能适应 新的市场需求。
趋势三 产业特征从高耗能向绿色可持续发展转变
随着 AI 大模型训练需求的急剧 增长，数据中心的能源消耗和碳 排放量也随之显著上升。例如， 一次 ChatGPT 搜索的电力消耗 大约是传统 Google 搜索的 6 到 10 倍。 国 际 能 源 署（IEA） 估 计，全球数据中心在 2022 年全 年消耗了约 350TWh 的电力， 约占全球总用电量的 1-2%。到 2026 年，数据中心的电力使用 量或将翻倍，达到 650TWh 至 1050TWh 之间，相当于在现有 基础上增加一个德国的电力消耗 量。面对全球数据中心能源消耗 的急剧增长，各国政府正推动数 据中心向绿色、可持续的方向发 展，积极探索开展数据中心源网 荷储一体化绿色供电模式创新， 并可能对某些地区的资源供应实 施限制。
