数据中心产业链可分为上游设施层、中游运营层和下游应用层三个关键环节。
我国数据中心产业自2000年萌芽以来，经历了五个阶段的发展演进，呈现出从通用算力向智能算力逐步过渡的演进路径。在萌芽期(2000-2002年)，互联网刚刚起步，数据中心概念初步普及，主要服务于门户网站等基础应用，供给以运营商为主，尚未形成完整的第三方服务市场。探索期(2003-2008年)，随着互联网逐步普及以及电子商务萌芽，市场需求逐步显现，代表性客户包括腾讯、京东和阿里巴巴，数据中心开始承担部分互联网业务的计算与存储功能。
进入发展期(2009-2014年)，移动互联网与社交、支付等应用高速发展，云计算服务起步百度、美团等新兴互联网企业快速崛起，推动对计算资源的持续扩张，零售型服务模式逐步确立。爆发期(2015-2021年)，云计算技术成熟，大量企业客户向云服务迁移，叠加短视频、直播电商等高算力场景兴起，字节跳动、快手、拼多多等平台型企业推动行业从通用算力向智能算力过渡,定制批发型供给模式迅速发展。
转型期(2022-2023年)，以ChatGPT为代表的大模型应用正式落地，AI算力中心需求快速增长，传统互联网巨头加速转型以适配AI算力场景，推动智算中心投资热潮。繁荣期(2024年及未来)，AI技术取得实质性突破，大模型与AIGC带来巨大商用潜力，智算资源成为核心要素，推动算力基础设施全面升级。第三方服务商主导地位进一步强化，定制批发模式成为主流供给形态，同时，通用算力仍维持稳定需求，零售型业务则在特定场景中实现补充性增长。
数据中心产业链可分为上游设施层、中游运营层和下游应用层三个关键环节:上游设施层主要负责支撑智算中心运行所需的基础能力，涵盖两大类:一是基建类基础设施，包括土建施工、制冷系统、供配电系统及基础网络设施等，为算力中心提供物理运行环境与能源保障:二是IT基础架构，包括AI芯片、AI服务器、网络设备、存储设备以及数据中心管理系统，是算力资源生成与管理的核心硬件和软件基础。
中游运营层聚焦算力资源的管理与服务交付，包含两部分内容:一是算力调度管理能力，如算力池化、调度优化、弹性共享、云边端协同等，以提升资源利用效率和服务灵活性;二是多样化服务能力，包括智算服务、IDC服务、云服务、数据服务和算法服务，为下游用户提供基础资源支撑和算法能力输出。
下游应用层则体现算力中心的实际落地价值，覆盖从A大模型的训练与推理到智慧科研等通用场景，以及自动驾驶、智慧医疗、智慧金融等行业场景中的深度应用，是驱动智算中心长期需求增长的核心动力来源。
(一)上游:夯实底座，算力硬件驱动资本投入升级
智算中心成本包括一次性固定支出(CAPEX)与运营成本(OPEX)，其中一次性固定支出包括IT设备投资(服务器、交换机、路由器、光模块等)和基础设施投资(土建、机电、机柜、制冷、监控等);而运营成本是维持IDC机柜正常运行所必需的支出，包括电力、折旧、房租、人力等
首先从一次性固定支出(CAPEX)来看，根据华信咨询研究院《中国智算中心产业发展白皮书(2024年)》测算统计，一个新建数据中心的建设成本分布为:10.3%投资于基础设施侧;89.7%投资于IT设备侧。以下是对同等算力需求下、不同建设形态下的智算中心及数据中心的建设成本进行关键指标的对比分析:
(1)测算背景:为测算不同场景下智算中心及数据中心的建设成本(一次性固定支出CAPEX)以提供同等算力(总算力规模300P(FP32))为前提，设置三种场景:新建通算数据中心、新建智算中心、数据中心改造为智算中心，通过对三种场景的总投资、成本构成、建设面积、能耗指标等进行分析，比较不同建设模式的投资效能。具体参数如下:
因通算数据中心所用计算设备型号及参数差异较大，本次估算设定单台服务器的算力为8000Gflops，单机架设置15台服务器，计算功率6kW。智算中心计算设备选用 A800 显卡，单卡 20Tflops(FP32)，单台 GPU服务器插8张卡。此估算中，通算数据中心仅考虑风冷制冷方案，智算中心考虑风冷和液冷(冷板式)两种制冷方案，风冷方案下单机架功率为12kW，液冷方案下单机架功率为 24kW。
(2)测算思路:智算中心建设成本测算涵盖IT侧配套及基础设施两大模块，其中IT设施主要包括服务器设备、存储设备、网络配套、安全配套、软件系统、系统集成及其他费用;基础设施主要包括土建及机电配套。具体相关要素细项见下图。
建设成本将根据以下思路进行测算:首先，按照规划算力及行业经验值测算服务器总数，根据服务器总数及同时系数明确 IT总功率及总建筑面积等基础数据;其次,根据总建筑面积及行业经验值测算土建及机电配套总投资;最后，根据服务器总数、行业经验值明确IT设备侧投资。其中，数据中心改造为智算中心及新建智算中心两种情况下，将分别考虑风冷及冷板式液冷两种制冷方式。
从结果来看，在总投资约90.2亿元的数据中心案例中，IT侧投资高达80.9亿元，占比接近90%，而基础设施侧(土建与机电系统)投入仅为9.3亿元，占比不足11%。在以算力为核心驱动的新型数据中心中，硬件设备尤其是 AI服务器的投入已成为资本支出的核心。进一步拆解 IT侧投资可见，显卡服务器(主要为GPU服务器)单项投入即达53.4亿元，占总投资比重高达59.2%。同时，软件系统与系统集成等配套支出也占据一定比例，分别为5.0%和8.0%。IDC不仅对高性能算力资源具有极高依赖，且需配套复杂的软件系统与调度平台，形成高度异构的系统集成架构。可以预见，未来 AIDC建设将围绕“算力密度提升-能效优化一系统协同”展开持续演进。此外，尽管土建投入占比仅为3.1%，但电力及冷却系统(机电工程)仍占7.2%的比例，说明AI计算带来的高功耗特性对电力保障及散热系统提出更高要求。整体而言，IDC的本质已从传统“空间+带宽”型设施转向“高功耗、高密度、高调度复杂度”的算力基础设施。
为全面评估IDC建设成本差异,测算焦于不同建设模式与关键配置参数下的投资对比，涵盖数据中心IDC与智算中心AIDC、新建与改造路径、风冷与液冷制冷方案等多维场景，分析如下:
首先，从数据中心与智算中心的IT侧构成差异来看，服务器选型是主要差异点。智算中心以A100等高性能GPU服务器为配置基准，强调AI模型训练与推理性能;而传统数据中心则更多参照云服务商实践，在性能与成本之间权衡选型。在存储系统方面，智算中心配置高性能并行存储,而数据中心多采用通用存储方案。在网络与安全配套投资上，传统数据中心占比更高，反映其对通用计算与多租户业务的适配需求;软件系统方面，智算中心主要部署先进的智算平台(如 AI编排调度平台)，而数据中心则以传统云资源管理平台为主;
第二，改造与新建智算中心的投资结构存在明显差异。基础设施侧，改造场景中土建投资主要用于装修装饰与结构加固,机电系统因功率密度提升需整体改造,其投资强度几乎等同于新建项目:但在网络安全方面，基础网络设备可全部保留，仅需按需新增智算专用网络设备，具备一定降本空间;
第三，风冷与液冷制冷方案对建设成本影响显著。在基础设施侧，液冷方案由于采用高密度服务器，单机柜功率显著提升，导致单位面积能耗与冷却需求上升，从而推高机电系统单价。但液冷系统整体布局更为紧凑，建设面积显著缩小，从而带动土建成本下降:1T侧则需配置液冷专用定制服务器，设备单价显著高于风冷方案。
Capex决定了数据中心的算力基础和能效水平，运营成本Opex则直接影响其长期运营成本与盈利能力，二者共同决定了数据中心的投资回报和商业可持续性。数据中心的Capex主要反映在其运营成本Opex的折旧摊销中,根据中商情报网数据,折旧摊销费用在Opex占比约25.6%,电力成本在Opex中占比约56.7%，两者合计占比超80%。随着算力密度提升、GPU服务器和液冷系统等高价值设备逐步成为主流，单位Capex大幅抬升，进而推动 Opex中的折旧摊销项持续增长，形成“高投入-高摊销”的成本传导链条。另一方面，电力成本的高占比本质上源于 AI工作负载对算力密度与能耗效率的极高要求。电力成本受电价与能效比(PUE，Power UsageEffectiveness)共同决定。考虑到目前大部分数据中心接入国家电网，区域电价差异有限，因此优化 PUE成为降低能耗成本的关键变量。PUE越低，说明更多电力资源用于IT负载本身，减少了电力在冷却与配电过程中的损耗,从而显著提升能源使用效率。在高性能智算中心中,普遍采用液冷、沉浸式冷却等新型制冷方案以实现更低PUE(如从传统1.5降低至1.2甚至以下)，这虽可能提升初始 Capex，但长期看可有效压缩 Opex中的能耗支出，进而优化全生命周期TCO(TotalCost ofOwnership)。整体来看，前期的资本投入将长期影响运营期成本结构，而能效优化能力成为评价数据中心投资价值与运营效率的关键指标。
(二)中游:集约供给，区域布局优化资源调度效率
当前数据中心产业链的中游运营环节正呈现区域集聚与功能分化的布局特征，能源富集的环一线地区以及一线城市成为算力资源供给的核心区域:前者依托电力保障和能评批复优势，具备承接大规模训练型算力的基础条件，后者则因聚集高科技企业、科研机构与技术人才，更适合部署推理算力及训练-推理一体化的算力集群。
截至 2024年底，根据灼识咨询《中国算力中心行业白皮书》，全国第三方算力中心定制批发市场的总需求达到约8.5GW，供给总量为12.3GW，整体上架率为69%。从区域结构看，环京地区(含内蒙古)在供需两侧均占据约50%的比重，是全国最核心的算力供给腹地，其次为长三角、粤港澳及西南等区域。伴随生成式AI带动下的模型推理与定制化训练需求爆发，预计环京和长三角两地将率先进入供需反转通道，2025年环京地区使用率有望突破80%，长三角地区则将在 2026年达成类似水平。整体来看，2025至2028年间，全国第三方算力中心市场将新增需求13.5GW，对应新增供给 13.9GW，供需格局趋于紧平衡。在区域带动与应用场景演进双轮驱动下，头部算力运营商有望通过资源整合能力、客户定制化服务与区域节点布局的协同,抢占未来核心算力资产高地。
分地区具体分析供需情况:环京地区(含内古)凭借地缘、能源及政策优势，逐步形成我国算力资源供给的核心枢纽。北京作为全国互联网与金融产业核心聚集地，算力需求量巨大，然而受土地、电力等要素限制，供给受限，推动算力资源外溢至周边城市。廊坊因地理位置优越、网络基础设施完善，成为首选承接地;张家口则依托风电、光伏等绿色能源资源，吸引众多头部互联网及云计算厂商部署定制化算力中心。内蒙古作为国家八大算力枢纽之一，利用低电价、清洁能源和广阔土地优势，打造呼和浩特、乌兰察布、和林格尔等大型智算中心集群，为京津冀及周边地区提供低成本、高实时性的算力支持，2025年智能算力规模有望突破8.000PFLOPS。区域间协同日益加强，北京正加快构建以“内蒙古-河北-北京-天津”为主轴的算力走廊。伴随 AI渗透与数字化转型提速，北京及周边对高算力、高带宽、高可靠性数据中心需求持续高涨，驱动环京数据中心产业从北京向廊坊、羣张家口、再向乌兰察布、大同有序扩散。
长三角地区算力供需逐步趋于平衡。区域经济活跃，互联网、金融及制造业客户对高性能、定制化算力资源需求强烈。上海虽是华东IDC核心，但受批复资源限制，难以满足大型客户定制化需求，推动苏州、昆山、太仓、常熟等地崛起为算力外溢承接地。南通则因阿里等头部客户自建项目带动迅速发展，张家港也在积极布局。整体供给呈现出高密度、高能效、定制化的发展趋势。长三角人工智能产业规模庞大，占全国约三分之一，呈多中心集聚格局，上海、苏州、杭州、南京和合肥为核心节点，相关产业链条完善。以浙江为例，到2027年计划建成40EFLOPS算力，其中高性能算力达 30EFLOPS。未来，随着AI应用深化，云服务商在该区域的算力布局有望持续扩张。
粤港澳地区算力需求增长相对缓慢，供给以韶关和东莞为主，未来增量空间有限。区域气候炎热潮湿、电力紧张，不利于大规模、高密度IDC长期运行，广州、深圳已暂停大型数据中心能评批复。区域内以本地服务商为主，规模较小，扩展能力受限，但跨行业进入者众多，供给结构多元。韶关具备适宜气候、绿电保障和区位优势，成为大湾区重要算力承接地;东莞依托制造业基础与交通优势，为深圳等地提供算力资源。虽然整体供需表现平稳，但华为、腾讯等部分大厂在该区域的稳定部署，支撑了核心城市的算力使用率，保障整体上架率维稳。
西南及其他地区在“东数西算”背景下加速发展，主要承担东部算力外溢和能源消纳任务。西南西北资源禀赋优越，甘肃、宁夏凭借清洁能源、自然冷源和低电价吸引了亚马逊、美团等头部企业建成大型数据中心。成渝地区作为区域经济中心，用户基础扎实，四川已建131个数据中心，推进算力统一调度。武汉已建成智算中心和城市级算力平台，应用聚焦于智能驾驶和智慧城市。山西作为资源型经济转型试验区，大同依托政策支持、能源和链路优势，承接京津数据产业转移，吸引字节、京东等大客户布局，带动区域算力需求大幅提升。贵阳贵安新区则成为泛互联网企业算力部署重点区域。整体来看，西南等地仍处于需求启动期，贵阳、大同等地因大厂集中布局而表现突出，其他地区尚待需求放量驱动规模化发展。
(三)下游:融合演进，智算服务拓展产业应用边界
随着我国智算中心加速布局并逐步落地，推动AI应用场景从实验走向产业化，其服务模式也正从单一的算力租赁向“算力+平台+生态”的多层次融合服务体系演进。目前，全国多个城市正依托智算中心建设相关产业园区，打造集算力基础设施、产业集聚与应用孵化为一体的区域性科技创新高地。
第一阶段:智能算力租赁，当前主流业务形态。该阶段服务以“硬件+云服务”的资源型售卖为核心，主要面向政府、科研机构、高校和企业用户，提供高性能GPU服务器的租赁服务，支撑AI模型训练与推理任务。算力通常通过云服务形式提供，用户按需计费、按使用量付费，免于关注底层芯片与技术实现，从而实现“即用即得”。此外，部分智算中心已探索为政企用户提供整体托管式运维服务，提升服务附加值。该业务属于智算中心的基础层服务，技术门槛相对较低，毛利率水平一般在10%至15%。
区域层面、华北与华东地区需求旺盛、集群质量较高，租赁价格相对坚挺;而华南与西部地区则受到阶段性供需失衡影响，算力价格存在一定下浮。客户结构方面，互联网客户价格敏感，服务价格相对较低;政务客户居中，注重合规与可控;金融客户则对性能、安全与稳定性要求更高，整体支付意愿强，租赁价格水平也更高。此外，单台服务器的租赁价格还受到多重因素共同驱动，包括租赁规模、租期长短、交付方式及集群性能表现等。例如，随着租赁规模扩大、租期拉长，单位价格通常呈下降趋势;在交付方式上，裸金属服务器相较于“电力+带宽+存储”一体化交付形式，可降低约 3000-5000元/台/月的成本，更适用于具备独立运维能力的客户;而性能指标更优、延迟更低的算力集群，其单位售价亦显著高于标准化配置，体现出智算资源“优质溢价”的市场定价机制。
第二阶段:平台型服务，处于加快培育阶段。平台服务基于智算中心建设统一的智能算力服务平台，整合计算、网络与存储能力，为用户提供面向 AI开发与部署的一体化支撑，此类服务依托系统集成与软件平台能力，具备较高技术壁垒和可扩展性，毛利率水平通常在50%至60%，具体包括三大类功能:
1)算力调度能力:覆盖云边协同、异构资源调用及跨域算力调度，推动算力资源池化和弹性供给;2)数据服务能力:涵盖数据采集、存储、标注、清洗、分析与可视化等多个环节，尤其数据标注作为AI全流程的核心环节，具备国家级数据标注基地支撑，市场潜力可达数百亿元;3)模型服务能力:实现模型微调部署、训练托管与接口调用，满足用户低成本、快速推理的需求，逐步向“服务器+云平台+大模型”的整体解决方案延伸。
第三阶段:生态型服务，处于早期探索阶段。生态服务以算力平台为载体，集聚数据、算法、模型与行业用户资源，打造开放、共享的智算生态体系，推动多主体协同创新。在区域建设方面，多个城市正在围绕智算中心打造产业园区，吸引基础设施供应商、算力服务商、平台开发商及行业应用商等上下游企业集聚，形成完整AI产业链。通过统一资源调度和技术协同，推动智算从基础设施服务向“场景+行业+应用”的生态型商业模式演进。该业务模式商业成熟度尚低，但盈利能力强，毛利率区间普遍在50%至70%。
