1.AIDC
AIDC 是人工智能数据中心（Artificial Intelligence Data Center，简称 AI 数据中心）是专门为支持和加 速人工智能（AI）应用而设计的基础设施。这类数据中心通常配备高性能计算资源，如专用的 AI 处理 单元（如 GPU、TPU 等）、大规模存储解决方案、快速网络连接以及能够处理大数据集和高计算负载 的硬件和软件平台。AI 数据中心不仅用于运行 AI 模型，还承载了用于数据训练、推理、模型优化等过 程所需的计算和存储需求。如果说 IDC 是数字经济的“通用仓储”，满足广泛的数字化需求，那么 AIDC 就是智能时代的“算力工厂”。
2.AIDC 与传统 IDC 对比
AIDC 与 IDC 的本质差异源于 AI 算力需求对基础设施的重塑，其中有两大核心变化： 1）算力密度与功耗层面，IDC 以通用服务器为主，单机柜功率密度较低（4-8kW），而 AIDC 需部署 高功率 GPU/TPU 服务器，单机柜功率达传统 IDC 的 5-10 倍（10-100kW 以上），硬件投入成本更高， 但单位算力效率显著提升。 2）散热技术层面，IDC 多采用风冷技术，而 AIDC 因高功率密度需引入液冷方案（如冷板式或浸没式 冷却），以降低 PUE 值（电能使用效率），同时满足长时间高负载运行的稳定性需求。根据英伟达， H200 在高负载任务下产生的热量较前代产品增加了约 30%，为确保其稳定运行和持续高性能输出，引 入了液冷散热技术。实验对比显示，液冷散热效率较传统风冷提升了约 50%。
3.AIDC 基本构架
由 IDC 到 AIDC，算力性能和功耗大幅度提升。AIDC 的基本架构可以划分为多个层次和组成部分。在 总体架构上，AIDC 可以被划分为基础设施层、平台管理层、大模型开发平台层，以及行业应用层。 IDC：采用冯·诺依曼的主从架构，其中 CPU 扮演指挥官的角色，负责分配任务给其他部件。这种架构 在面对大规模并行计算任务时存在“计算墙”“内存墙”和“I/0 墙”等问题，限制了性能的进一步提升。 AIDC：通常采用更加先进的全互联对等架构，允许处理器之间，以及处理器到内存、网卡等直接通信， 减少了中心化控制带来的延迟，突破主从架构的算力瓶颈，实现了高效的分布式并行计算。
回顾过去几十年的发展历程，数据中心正走向智算数据中心。
1.技术萌芽期（1990 年代）：基础设施转型的起点
随着 TCP/IP 协议的全球普及和万维网技术的突破，全球信息化基础设施进入转型期。国内早期的分布 式数据处理节点开始聚合，形成现代数据中心的雏形。这一阶段以技术探索为主导，基础设施部署呈现 密度快速提升、覆盖范围扩张的特征，虽然规模较小，但为后续发展奠定了网络协议和基础架构的技术 基础，标志着中国数据中心产业的萌芽。
2.产业化培育期（2000-2010 年）：双轨模式的形成
进入 2000 年，中国信息化建设迎来黄金发展期，互联网应用从单一的门户网站向电商、社交等多元化 场景拓展，推动基础设施服务标准升级。市场分化出两条清晰路径：企业级私有数据中心（EDC）满足 大型企业个性化需求，第三方托管的互联网数据中心（IDC）开启商业化服务模式。此阶段以区域性分 散部署的中小规模设施为主，初步构建起数字化经济的基础架构，形成"政企自建+第三方托管"的双轨 发展格局，产业集中度较低但市场化进程加速。
3.云转型期（2010-2020 年）：集约化发展的变革
虚拟化技术的成熟引发 IT 资源供给模式革命，超大规模集群架构替代传统离散部署。行业竞争格局呈 现三足鼎立：1）基础电信运营商依托网络资源优势布局基础设施；2）专业 IDC 服务商强化定制化服务 能力；3）云服务巨头（如阿里云、腾讯云）通过技术创新引领行业方向。产业重心向 T3+以上高等级 数据中心转移。
4.智能算力增长期（2020 年至今）：结构性升级的新周期
在 AI 技术革命与数据要素市场化的双重驱动下，数据中心产业发生结构性变革。需求端呈现两极分化： 超大规模数据中心聚焦基础存储与通用计算，满足云计算、大数据等普惠需求；异构算力中心专注 AI 训练推理等专业场景，适配深度学习、大模型训练等高算力密度需求。具备全栈服务能力的第三方运营 商凭借敏捷交付体系和技术中台优势快速扩张，行业集中度持续提升，标志着数据中心从"云化基础设 施"向"智能算力枢纽"的战略升级。 四个阶段的演进本质上是技术驱动-需求升级-模式创新的螺旋上升过程。从早期技术导入形成产业雏形， 到市场化驱动双轨发展，再到云化技术引发集约化变革，最终在 AI 和数据要素时代实现算力结构优化。 每个阶段的核心矛盾不同，技术萌芽期解决"有没有"，产业化培育期解决"市场化"，云化转型期解决"效 率提升"，智能算力期解决"结构升级"。
AI 模型的全面应用，是从训练到推理多环节紧密协作的过程。这个过程包括基础模型预训练、行业或企 业模型的二次训练以及场景模型的微调，最终实现模型在实际环境中的部署与推理应用。AIDC 最主要 的是要围绕 AI 模型训练、推理和应用来规划设计和实施。
1.基础模型预训练
大型互联网企业与专注大模型研发的公司，以构建通用基础模型为核心目标，其 AIDC 建设需打造具备 十万甚至百万量级算力卡的超大规模集群平台。这类企业在训练过程中需处理万亿级 Token 数据，涵盖 文本、图像、音视频等多模态信息，以实现模型对通用知识的深度学习。
2.行业模型二次训练
行业头部企业基于通用基础模型，叠加行业专属数据进行二次训练，以构建适配金融、医疗、制造等垂 直领域的行业模型。此类训练虽数据规模降至数亿级 Token，但仍需数百至数千张 NPU/GPU 算力卡支 撑，且需解决行业数据的合规处理、特征提取及模型参数优化问题。
3.模型微调与推理
多数企业将 AIDC 作为模型微调与推理的核心平台，结合自身业务场景数据对基础模型或行业模型进行 针对性优化，使其满足客户服务、智能决策、自动化生产等具体需求。推理环节对 AIDC 的性能指标提 出精细要求：面向个人用户的 ToC 服务需降低延迟以提升交互体验，面向企业客户的 ToB 服务强调高 并发处理能力与稳定性，而企业内部应用则更注重算力使用效率与数据安全性。
1.AI 的快速发展催化新一轮数据中心基础设施的投资热潮
AI 技术迎来奇点时刻，全球 AI 市场规模高速增长。随着 GPT、Deepseek 等生成式 AI 问世驱使全球 AI 事业进入技术奇点时刻，全球 AI 市场规模进入高速增长期。根据 IEA 预测，2024 年全球 AI 产业市场空间约 234 亿美元，到 2032 年全球市场规模有望达到 2745 亿美元，CAGR 高达 36%，成为全球不 可小觑的增量市场。 数据中心作为 AI 重要的基础设施，有望迎来新一轮的建设热潮。AI 技术的进步促使云厂商加大对大型 数据中心的投资和建设，数据中心产业链快速扩张，新需求&新技术有望带来广阔投资机遇。
2.云厂商资本开支：海内外云厂商 CAPEX 投资意愿强，继续大幅上调 25 年指引
国内云厂商资本开支 24 年开始爆发式增长，聚焦 AIDC 基建。阿里 24 年资本开支同比增长率达 239%，并宣布 25-27 年投入 3800 亿人民币元（约合 527 亿美元）用于推进其云计算和人工智能基础 设施建设，超过其过去 10 年投入总和；腾讯 24 年资本开支同比增长率达 221%，其预计 25 年将保持双 位数增长；
海外云厂商 24 年的资本开支均创下新高，并在 25/26 年指引中继续大幅上调，主要投向 AI 与云基础 设施。亚马逊 25 年 CAPEX 指引 930 亿美元，用于建设和扩容数据中心、购建 AI 专用服务器及网络设 施；微软 25 年 CAPEX 指引 800 亿美元，用于生成式 AI 和大模型训练需求；谷歌（Alphabet）将 25 年 CAPEX 指引由 750 亿美元上调至 850 亿美元，用于数据中心及网络基础建设、云端 AI 服务与 TPU 芯片部署；META25 年 CAPEX 指引 600-650 亿美元，重金投入 AI 训练集群与数据中心运营。
3.数据中心建设热潮已来，未来 10 年装机增速有望实现 10%以上
数据中心建设装机进入扩张期，25 年全球总装机量有望突破 100GW。AI 的训练和推理对算力需求不 断增强，数据中心装机量将快速增长，根据 IEA 数据，25 年全球数据中心总装机量有望达到 114.3GW， 并且根据其测算，在乐观假设下，24-30 年数据中心总装机量 CAGR 高达 21%，即使在悲观假设下， 24-30 年数据中心总装机量 CAGR 仍能达到 8%的增长。从建设主体来看，AI 开发和应用的主体以云厂 商为主，因此云厂商（国内外 CSP 大厂）和数据中心托管运营商（Colo 商）将成为数据中心的主要投 资建设方。
4.数据中心建设热潮已来，未来 10 年装机增速有望实现 10%以上
国内 Colo 纷纷上调资本开支指引，世纪互联在建和待建工程超 1GW。24 年国内 Colo 商在年报中看 好 AIDC 的建设和发展。知名 Colo 商世纪互联上修 25 年全年 Capex 指引到 100-120 亿元，主要投向基 地型数据中心。根据公司公告，截至 25Q1 世纪互联在建和待建基地型数据中心总容量超过 1GW，为阿 里巴巴、腾讯、快手、字节等头部 CSP 提供超大规模算力基地和互联服务，国内算力基础设施建设已经 按下加速键。
5.AI 算力阶跃式提升，功耗近翻倍增长，催化供电系统加速进化
AI 时代GPU 算力性能阶跃式提升，远超 CPU 的进步节奏。根据英伟达数据，GPU 运算性能在近些 年呈现高速提升的趋势，8 年内有望提升 1000 倍，远超 CPU 的进化速度，AI 时代下，GPU 有望成为 最主要的算力核心。
AI 服务器性能进步伴随着功耗翻倍的增长。上一代英伟达的 H200 算力板卡其功耗约 1700W，而新一 代 B200 板卡的功耗提升至 3300W，增长幅度接近翻倍，这就意味着 AI 服务器的进步将催化未来数据 中心供电系统加速进化。
6.政策驱动 AIDC 建设
根据 CIDC，为推动智算中心有序发展，国家出台多项政策统筹建设面向人工智能领域的算力和算法中 心，打造智能算力、通用算法和开发平台一体化的新型智能基础设施。各地政府积极响应，纷纷发布相 关政策加快智算中心产业发展。2017 年《新一代人工智能发展规划》出台，首次将智能计算中心提升到 国家战略层面，明确提出“建立人工智能超级计算中心”的战略目标，为智能计算中心的发展奠定政策基 础。2022 年“东数西算”工程实施以来，国家政策明确对全国算力资源进行统筹和智能调度，对智能计算 中心发展的引导力度进一步加强。2024 年 9 月，工信部等十一部门发布《关于推动新型信息基础设施 协调发展有关事项的通知》，强调逐步提升智能算力占比。
预计中国智算中心市场投资规模有望达近 3000 亿元。根据 CIDC，国内大模型快速发展，截至 2024 年 7 月底，全国范围内已有 197 个生成式人工智能服务完成备案，10 亿参数规模以上大模型数量已超 100 个。受需求拉动，智算中心市场规模大幅增长。2023 年中国智算中心市场投资规模为 879 亿，同 比增长 90%以上。预计 2028 年中国智算中心市场投资规模有望达 2886 亿元。截至 2024 年 8 月，中 国智算中心项目超过 300 个，已公布算力规模超 50 万 PFlops。约三分之一智算中心项目规划算力大于 500PFlops。2024 年当年投运项目数量超过 50 个，总计新增算力规模约为 2 万 PFlops。
地方政府及基础电信运营商是智算中心主要参与方。根据 CIDC，截至 2024 年 8 月，全国投运、在建 及规划的智算中心中，地方政府和基础电信运营商主导建设的智算中心项目占比超过 50%，互联网及云 厂商项目数量占比约为 17.7%。 从智算中心算力规模来看，互联网及云厂商在智算中心投资建设中占据重要地位。截至 2024 年 8 月， 全国投运、在建及规划的智算中心中，互联网及云厂商建设的智算中心规模占比超过 30%，其次为基础 电信运营商，占比约为 25.6%。
智算中心产业链贯穿多个环节，从 AI 芯片、服务器等硬件的设计制造，到基础设施建设，再到智算服 务供应，以及生成式 AI 大模型研发和行业应用。
在产业链中，AIDC 资本开支大头仍在 IT 侧，服务器是算力承载的核心硬件。根据中商产业研究院， 服务器约占 IT 侧成本的 70%；非 IT 侧主要为供电系统相关，其次为制冷系统相关，供电系统相关（柴 油发电机组、电力用户站、UPS、配电柜）和制冷系统相关（冷水机组、精密空调、冷却塔）分别占 69% 和 18%。
1.AI 芯片：H20 封禁，国产加速替代
美国政府对英伟达“特供”中国市场的 AI 芯片 H20 实施出口管制，自 2025 年 4 月 14 日起无限期生效。 此举导致英伟达预计 2026 财年计提 55 亿美元相关费用，并加剧国内市场对高性能算力芯片的供需矛盾。 国产替代“以量补质”实现性能赶超。2025 年 4 月，华为推出的 CloudMatrix384 正式于芜湖数据中心 上线，产品由 384 颗昇腾 901C 芯片组成，算力达 300PFLOPS。华为以超 5 倍于英伟达 GB200NVL72 的芯片数量构建 AI 算力集群 CloudMatrix384，实现了相当于该集群 1.7 倍的性能表现。尽管昇腾芯片 单卡性能与 Blackwell 芯片仍有差距，但 CloudMatrix 集群性能已实现对英伟达 NVL72 的超越。 AI 大模型所仰赖的集群式算力特征，为国产 AI 算力产品孕育出全新发展契机。尽管现阶段中国大陆晶 圆厂的先进制程工艺与国际一流厂商尚存差距，单颗 AI 芯片性能提升面临瓶颈，但依托高速网络设备 实现多芯片算力堆叠，国产 AI 算力集群产品得以达成与海外竞品的性能对标。这种“以量补质”的集群化 发展模式，正逐步成为国产算力产业破局突围的关键路径，为在制程工艺受限背景下实现技术追赶提供 了有效解决方案。 对于算力芯片对 AIDC 需求压制，需要持续关注英伟达对于中国市场推出的新款定制降级芯片进展，以 及国产芯片的放量速度。
2.液冷：AI 芯片功耗提升，带动散热需求
AI 芯片性能迭代带动功耗激增，液冷技术成为散热刚需。以英伟达 H100 为例，其热点功耗密度达 1.5W/cm²，远超风冷 0.3W/cm²的上限，若强行使用风冷需扩大机柜间距 50%，导致空间利用率下降 40%，显著推升土地和基建成本，液冷凭借热传导效率（液体比空气高 1000-3000 倍）成为必然选择。
根据英伟达估计，液冷数据中心的 PUE（能源使用效率）可以达到 1.15，远低于风冷数据中心的 1.6。 工信部《新型数据中心发展三年行动计划》要求 2025 年全国数据中心平均 PUE 降至 1.5 以下，单机柜 功率超 30kW 必须强制采用液冷，并设定 PUE≤1.3 的准入红线，倒逼液冷技术普及。 根据 IDC 预计，2028 年中国液冷服务器市场将达到 105 亿美元，2023-2028 年五年年复合增长率将达 到 48.3%。中长期看，AI 算力密度提升与 ESG 要求深化将驱动液冷从“可选”迈向“必选”。
3.柴油发动机：AIDC 的最后防线
柴油发电机组作为数据中心电力冗余体系的核心设备，承担着应急备用电源“最后保障”的关键角色。数 据中心供电系统通常采用“电网+UPS+柴发”三级保障架构：UPS 凭借毫秒级切换能力实现市电中断时的 瞬时电力接续，但其储能容量有限（仅能维持数分钟至数十分钟）；柴发则在 UPS 续航耗尽后启动， 以大功率、长时供能特性（可持续供电数小时至数天），成为数据中心应对长时间停电事故的唯一可靠 备份电源，二者通过“瞬时响应+持续供能”的功能互补，构建起完整的电力保障链条。 柴发产业链具备技术壁垒高、扩产周期长的显著特征。扩产需要全产业链扩，由于柴发产业链长，要求 标准高、工艺复杂，供应商导入严格，一个节点的扩产不及预期，都将拖累这条产业链的扩产进度。而 且大功率机组（1.6-2MW）对发动机、控制系统等核心部件的技术要求严苛，国内具备规模化交付能力 的企业少。 智算中心大型化有望推动柴油发动机需求曲线更加陡峭。AI 算力需求爆发推动数据中心建设加速，全 球数据中心柴发冗余配置率从 80%提升至 120%-150%，当单柜功率密度从 20kW 跃升至 50-100kW， 将带动大功率机组需求同比增长 150%。供需错配背景下，柴发设备价格已进入涨价周期，行业呈现量 利齐升格局。
4.可控核聚变：算力的尽头是电力
AI 芯片国产替代“以量补质”的唯一缺点是，它需要 4.1 倍 GB200NVL72 的功率，每 FLOP 的功率差 2.5 倍，每 TB/s 内存带宽的功率差 1.9 倍，每 TBHBM 内存容量的功率差 1.2 倍。但这一模式的可行性植根 于中国能源禀赋特性，相较于硅片制造受限的硬性瓶颈，电力供应体系具备更强弹性调节空间。 人工智能大模型技术的研发和应用带来了更高的能耗需求。从 AI 对能源的需求来看，数据中心作为 AI 运行的核心载体，其电力消耗正经历迅猛增长。如美国的星际之门计划，其项目预计将有高达数千兆瓦 的电力需求。
根据 IDC，2024 年中国人工智能数据中心 IT 能耗（含服务器、存储系统和网络）达到 55.1TWh， 2025 年将增至 77.7TWh，是 2023 年能耗量的两倍，2027 年将增长至 146.2TWh，2022-2027 年五年 年复合增长率为 44.8%，五年间实现六倍增长。据 Vertiv 预测，以能耗为单位，2023-2029 年全球新 增智算中心总负载将达 100GW，每年新增约 13-20GW。在这一趋势下，保障电力供应尤为重要。
小型模块化反应堆（SMR）或是未来 AIDC 供电主力。在 2025 年中国春季核能论坛上，我国核能企 业与 AIDC 应用方正式启动 SMR 为数据中心供电的示范项目前期技术论证与场景适配研究。与传统大 型核反应堆相比，SMR 有望凭借其灵活部署、低碳高效的特性，成为我国核电领域对接新型算力基础 设施的重要增量市场，为 AIDC 提供稳定、低成本的基荷电源。 中国在可控核聚变领域实现多项里程碑式突破，为 AIDC 能源需求奠定技术基础。5 月 1 日，根据合肥 市官网，我国紧凑型聚变能实验装置（BEST）工程总装正式启动。5 月 4 日，根据央视，大科学装置聚 变堆主机关键系统综合研究设施“夸父”（CRAFT）项目，建设已经进入关键阶段，预计将于 2025 年年 底全面建成。 5 月以来核聚变催化不断，核能作为中国实现“双碳”目标、能源安全的重要战略方向，其可控核聚变及 SMR 是行业未来发展的重要增量，未来，SMR 或将是除燃气轮机外的 AIDC 供电主力。
1.奥飞数据
国内 AIDC 领军企业，积极拓展算力业务。奥飞数据是国内领先的互联网云计算与大数据基础服务综合 解决方案提供商，主要为客户提供 IDC 服务及其他互联网综合服务。公司成立于 2014 年，成立伊始便 开始自建数据中心，从华南地区逐渐扩展至全国多个核心城市，逐步实现从基础设施建设到云计算服务 的全面布局。公司在 2018 年 A 股上市，于 2019 年切入北京市场开展业务，通过收购先后取得北京 M8 数据中心和亦庄数据中心并对其进行改造，持续推进全国核心城市布局。 截至 2024 年 12 月末，公司在北京、广州、深圳、廊坊、天津、成都、海口、南昌、南宁拥有 14 个自 建自营的数据中心，规划机柜规模超 10 万架，运营机柜按标准机柜折算超 4.3 万架。随着以人工智能 为代表的新一轮科技革命和产业变革持续推进，公司也抓住机遇推进业务向智算转型，探索算力相关业 务新增长点。
从 IDC 服务商到互联网云计算与大数据基础服务综合解决方案提供商。公司主要拥有三大业务：（1） IDC 服务主要是通过自建或租用标准化电信资源，为客户服务器搭建网络运行环境；（2）互联网综合 服务主要是为客户提供网络接入、数据同步、网络数据分析、网络入侵检测、网络安全防护、智能 DNS、 数据存储和备份以及算力租赁和算力设备销售等专业服务，其中算力租赁服务是指公司采购算力设备后 通过自研管理平台和运维团队，搭建算力集群提供高性能算力服务；（3）公司从自身业务需求拓展新 能源业务板块，选取自建数据中心作为战略试点，有序开展分布式光伏发电项目的签约和建设，包括数 据中心光伏电站的建设、调试、运营和维护。公司于 2024 年 11 月 29 日以人民币 1.3 亿元的交易对价 出售四川华拓 70%股权，退出光模块销售业务。随着人工智能以及人工智能应用的高速发展，公司以提 供优质的算力基础服务作为目标，不断提升服务和交付标准，有序规划智算中心建造并积极开拓算力相 关业务。
加速全球扩张，抢占核心区域，加速环京区域布局。公司在全球运营超过 70 个云计算中心，业务遍及 中国 40 多个城市及境外 20 多个国家和地区，并参与“一带一路”亚非欧跨国超高速通信传输海缆重大工 程投资建设。截至 2024 年底，公司在北京、广州、深圳、廊坊、天津、成都、海口、南昌、南宁拥有 14 个自建自营的数据中心，运营机柜按标准机柜折算超过 43000 个，同比增长超 20%，另有多个大型 数据中心项目正在建设之中,在核心区域已经具有一定的规模优势；公司数据中心布局主要在一线城市和 一线周边城市，以及部分战略节点城市，资源卡位较好。随着能耗控制趋严，供给侧逐步改善，AIDC 稀缺性凸显，公司 IDC 业务有望持续受益。
客户资源丰富，获头部客户认可。IDC 业务方面，公司采用“批发+零售”销售模式，客户资源丰富、结 构稳定，已为百度、快手、金山云等互联网企业提供业务支持，于 2020 年同阿里云就华南数据中心签 署合作备忘录，获得多个头部客户认可。
积极拓展算力相关业务，稳步扩大算力租赁客户群体。公司其他互联网综合服务业务方面，据公司公告， 2023 年开始搭建算力平台，未来将继续推进算力租赁及相关算力设备销售业务，通过自研管理平台和 运维团队，搭建算力集群提供高性能算力服务，增强与客户的合作粘性，保持较强的议价能力，巩固市 场地位。
2.飞龙股份
汽车发动机泵类起家，数据中心下游持续扩张。公司原名河南省西峡汽车水泵有限公司，成立于 1952 年，1964 年开始生产汽车配件，专注汽车水泵、发动机排气歧管及增压器涡壳研发制造；2016 年成立 新能源汽车部件有限公司（简称“上海飞龙”），开展新能源汽车电子和汽车发动机热管理系统方面研发； 2023 年开始成立飞龙汽车股份（泰国）有限公司，开始布局海外市场，该生产基地已于 2025 年 6 月 26 日竣工并投入试生产；2025 年公司面向大型集中式 CDU 液冷系统的 22kW 大型数据中心液冷泵下 线，代表公司顺利跨界数据中心液冷领域；同时公司在 2025 年半年报中首次披露机器人领域进展，计 划布局机器人领域核心零部件（从电机电控到关节模组）以及液冷产品（主要用在关节），目前已经与 部分整车客户展开合作研发。公司目前已覆盖全球 200 余家客户及超 300 个基地，逐步从传统汽车向 新能源车及数据中心领域发展，持续强化研发与产能优势，巩固行业领先地位。
产品类别齐全，五大业务板块齐发力。公司主营收入构成主要分为汽车发动机热管理重要部件（主要产 品为机械水泵、排气歧管、机油泵）、汽车发动机热管理节能减排部件（主要产品为涡轮增压器壳体）、 汽车新能源热管理部件（主要产品为用于新能源汽车的电子水泵和温控阀产品）、液冷领域热管理部件 （用于数据中心、充电桩、机器人、氢能、储能、电力设备等领域的电子水泵及温控阀产品）、非发动 机其他部件（主要产品为汽车飞轮架、汽车支架、油位计总成、密封孔盖等），2025H1 占主营收入比 例分别为 38.78%/48.69%/8.57%/1.90%/1.71%，公司产品类别齐全，在传统和新能源赛道均保持强劲 发展势头。
AIDC：液冷化趋势下液冷泵空间广阔，产品丰富可适用于多种应用场景。受功率密度增加、降低 PUE 值需求以及经济性更优三重因素驱动，数据中心散热液冷化大势所趋。目前数据中心液冷分为浸没式、 喷淋式、冷板式三种模式，适用于不同的应用场景。液冷泵主要用在冷板式系统中的 CDU 中以及浸没 式液冷的 CDU 及外置场景，目前数据中心用液冷泵由国际品牌占据主导地位，国产替代加速进行。公 司目前推出 S/M/L 三大液冷泵系列产品，流量范围覆盖 60L/min-1200L/min，主要适用于 InRack 及 InRow 两种液冷场景，同时以 M-iBC 转子轴为核心的 HP20H 产品可实现与 NVL72 液冷系统的深度耦 合。公司于 25 年 4 月宣布面向大型集中式 CDU 液冷系统的 22kW 大型 IDC 液泵 HP22K 下线，大功率 液冷产品持续突破。
3.润泽科技
润泽科技自成立以来，始终专注于开发及运营超大规模、高等级、高效高性能数据中心集群，是一家国 内领先的数据中心整体解决方案提供商。公司通过领先的数据中心关键基础设施设计方案、强大的项目 开发管理实力以及专业运维团队体系为用户提供稳定、安全、可靠、持续扩容能力的数据中心运营环境。
公司 2009 年成立，2010 年投资建设位于廊坊的润泽国际信息港项目，共计 22 栋高等级云计算数据中 心，规划专业数据中心机房面积 100 万平米，可容纳约 13 万架机柜。2019 年，公司第二次出手，先后 布局了长三角、大湾区、成渝经济圈、西北地区等四处核心节点，合计规划约 16 万架机柜。2023 年， 公司第三次出手，布局核心节点海南园区，规划约 3 万架机柜，旨在完善跨境布局。
截至 2024 年末，公司能耗指标储备较 2023 年末增加约 130%。公司全国合计布局了约 61 栋智算中心、 32 万架机柜，其中京津冀园区合计规划约 13 万架机柜；长三角、大湾区、成渝经济圈、西北地区等四 处园区节点合计规划约 16 万架机柜；海南园区规划约 3 万架机柜。
公司已布局的七大园区中，六个园区均处于国家“东数西算”工程的八大枢纽节点内，海南园区则旨在完 善跨境布局，高度契合国家政策。公司七大园区中五大园区（京津冀园区、长三角园区、惠州园区、重庆园区及兰州园区）已建、在建、待建项目已全部取得所需能耗。佛山园区和海南园区已建、在建项目 已全部取得所需能耗。
截至 2024 年末，公司累计交付 14 栋算力中心，部署机柜约 8.2 万架。公司预计 2025 年可交付 420MW，创历史新高，随着新数据中心的交付、上架，公司业绩有望持续增长。同时公司公募 REIT 成功发行，打通轻资产运营道路，公司账上现金充裕、融资渠道充足，并购项目有望年内落地，市场份 额和定价权有望提升。
1.AIDC 加速向直流化、高压及高密方向演进
数据中心的供电技术路线由传统的市电+UPS 向直流、高压直流乃至高度集成的 SST 方向发展。柜外 电源的发展思路整体沿着提升全链路供电效率--减小供电系统占地面积--提高功率密度--降低系统 CAPEX 这四个方向进化，市场能力和客户资源是电源竞争胜负手。UPS 方案传统成熟但效率提升已到 极限，国内 240/336VHVDC 渗透率小步慢跑，海外 800VHVDC 仍待 Rubin 问世随之配套而生。根据 我们测算，到 2030 年柜外电源市场规模有望达到 996 亿元，24-30 年 CAGR 约 50%，成长空间大。
2.功率+价值量双升，技术+客户壁垒筑成行业护城河
AI 服务器电源遵循 OCPORV3 标准，随着 GPU 功率的增高服务器电源的功率密度不断提升，5.5kW 电 源已随 GB200 出货开始放量，8-12kW 更高功率电源有望伴随下一代 Rubin 进入市场。高功率电源一 般伴随着价值量和利润率的双升，技术+客户资源是电源公司最重要的竞争力，重点关注通过英伟达、 国内和海外 CSP 大厂认证的电源公司。根据相关测算，到 2030 年全球服务器电源市场规模有望达到 1470 亿元，24-30 年 CAGR 约 42%。
3.AIDC 孕育新需求：超容、BBU 等是增量市场
AI 算力芯片的负荷特性呈现阶跃脉冲状，对电网和供电设备影响较大，BBU&超级电容等辅助电源可以 起到有效平抑算力芯片功率波动、维持电压稳定以及更高效、更快速的储备电能的作用，GB200 目前 仍是选配，但预计在 GB300 的机柜中 BBU 和超级电容有望成为标配。同样，APF（有源电力滤波器）、 低压直流断路器、固态直流断路器等产品渗透率有望伴随着 AIDC 的发展而迎来市场规模的加速扩张。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
