人工智能数据中心（AIDC）是专为支持和加速人工智能应用而设计的基础设施，它以GPU/TPU等为核心计算单元，具备高算力密度、先进全互联对等架构及液冷散热技术特征。与传统IDC相比，AIDC单机柜功率密度达到传统数据中心的5-10倍（10-100kW以上），PUE值可低至1.15，主要服务于AI训练、推理等高性能计算需求，应用于自动驾驶、大模型研发等前沿科技场景。AIDC采用全互联对等架构，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，突破了传统冯·诺依曼架构的"计算墙""内存墙"和"I/0墙"等瓶颈，实现了高效的分布式并行计算。
AIDC的发展经历了四个明显阶段：1990年代的技术萌芽期形成了数据中心雏形；2000-2010年的产业化培育期形成了"政企自建+第三方托管"双轨模式；2010-2020年的云转型期见证了超大规模集群替代离散部署；2020年至今的智能算力增长期，数据中心正式向"智能算力枢纽"升级，以满足AI高算力需求。这一演进过程本质上是技术驱动-需求升级-模式创新的螺旋上升过程，每个阶段解决了不同的核心矛盾，从早期的"有没有"到产业化时期的"市场化"，再到云化转型期的"效率提升"，最终在智能算力期解决"结构升级"问题。
在政策层面，国家将AIDC视为新型基础设施的核心组成部分。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；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；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。这些政策为AIDC的快速发展提供了有力支持，也体现了国家层面对智能算力基础设施的战略重视。
AIDC行业的快速发展得益于强劲的政策支持和市场需求双重驱动。在政策方面，国家层面明确了算力基础设施的发展目标：《算力基础设施高质量发展行动计划》明确提出，到2025年算力规模需接近300 EFLOPs，其中智能算力占比达到35%。各地方政府也积极响应，一线城市强调能效优化与智算升级，环一线城市侧重算力集约、绿色低碳发展。例如，《北京市算力基础设施建设实施方案(2024—2027年)》提出改变智算建设"小、散"局面，集中建设一批智算单一大集群，要求新建和改扩建智算中心PUE值一般不超过1.25。《上海市智能算力基础设施高质量发展"算力浦江"智算行动实施方案(2024-2025年)》则设定了更为激进的目标：到2025年，上海智能算力规模超过30 EFLOPs（FP16），占比达到总算力的50%以上，智算中心内绿色能源使用占比超过20%，液冷机柜数量占比超过50%。
在市场层面，AI技术的飞速发展催生了巨大的算力需求。随着GPT、Deepseek等生成式AI的问世，全球AI产业进入技术奇点时刻。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，年均复合增长率高达36%。这种爆发式增长直接带动了AIDC基建需求，因为数据中心作为AI重要的基础设施，承载了数据训练、推理、模型优化等过程所需的计算和存储需求。2023年中国智算中心市场投资规模为879亿元，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500 PFlops。
海内外云厂商的巨额资本开支为AIDC建设提供了资金保障。2024年国内云厂商资本开支开始爆发式增长：阿里24年资本开支同比增长率达239%，并宣布25-27年投入3800亿元人民币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%，预计25年将保持双位数增长。海外云厂商同样大幅增加投入：亚马逊25年CAPEX指引930亿美元，用于建设和扩容数据中心；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；谷歌将25年CAPEX指引由750亿美元上调至850亿美元；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。这些投资表明主要科技公司对AI未来发展持极度乐观态度，正在积极布局算力基础设施。
表：主要云厂商2024-2025年资本开支情况
|
公司名称 |
2024年资本开支 |
2025年资本开支指引 |
主要投资方向 |
|---|---|---|---|
|
阿里巴巴 |
同比增长239% |
未来3年3800亿元 |
云计算和AI基础设施 |
|
腾讯 |
同比增长221% |
保持双位数增长 |
算力基础设施建设 |
|
亚马逊 |
未披露 |
930亿美元 |
数据中心建设与扩容 |
|
微软 |
未披露 |
800亿美元 |
生成式AI和大模型训练 |
|
谷歌 |
未披露 |
850亿美元 |
数据中心及网络基础建设 |
|
META |
未披露 |
600-650亿美元 |
AI训练集群与数据中心 |
AIDC的技术演进正沿着高效化、绿色化、集约化的方向快速发展，其中供电架构和散热技术的创新尤为关键。与传统数据中心相比，AIDC面临的最大挑战之一是功耗的急剧增加：英伟达H200算力板卡功耗约1700W，而新一代B200板卡的功耗提升至3300W，增长幅度接近翻倍。这种功耗的阶跃式增长对数据中心的供电系统和散热方案提出了极高要求，也催生了技术创新的加速迭代。
在供电架构方面，AIDC正从传统的交流供电向直流化、高压高密方向演进。传统的UPS方案技术成熟，可靠性高，但需经过AC/DC-DC/AC两级变换，效率提升已到极限。相比之下，高压直流（HVDC）仅需AC/DC一次变换，效率更高。国内互联网大厂主推HVDC-巴拿马电源，集成度和效率均优于传统的UPS和HVDC方案；海外大厂主流选择为OCP方案，采用PSU+BBU代替UPS，更适合AIDC等高功耗场景。英伟达更推出了800V HVDC方案，计划于2027年部署，其具有供电架构极简，电能转换效率高以及占地面积小的优点，并且铜线数量可降低45%。预测2024-2029年，全球HVDC市场规模从10亿美元增长至157亿美元，CAGR达73%。
散热技术的革新同样是AIDC发展的关键环节。AI芯片性能迭代带动功耗激增：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》更要求2025年新建大型及以上数据中心PUE降低到1.3以下，这一政策目标将进一步推动液冷技术在AIDC中的普及应用。
AIDC的技术演进还体现在网络架构和芯片技术的创新上。与传统IDC相比，AIDC需要处理的数据量和计算复杂度呈指数级增长，这对互联技术和芯片性能提出了更高要求。在网络方面，AIDC需要更高速的数据传输能力，800G/1.6T光模块成为AIDC标配；在芯片领域，国产替代正在加速推进——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300 PFLOPS，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。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。
AIDC产业链涵盖上中下游多个环节，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，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%。这种成本结构分布反映了AIDC与传统IDC的本质差异：更加注重计算性能和能效优化，而非简单的存储和通用计算能力。
产业链各环节都呈现出蓬勃发展的态势。在上游AI芯片领域，国产替代加速推进，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，这加剧了国内市场对高性能算力芯片的供需矛盾，但也为国产芯片企业提供了发展机遇。在散热领域，液冷需求因高功耗激增，2028年中国液冷服务器市场预计达105亿美元；在电源设备领域，2030年柜外电源市场预计996亿元，2024-2030年CAGR约50%；全球服务器电源市场规模有望达到1470亿元，2024-2030年CAGR约42%。这些数据表明，AIDC相关细分市场均处于高速成长阶段，市场空间广阔。
区域发展格局方面，"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。这一工程推动了算力资源的区域优化配置：东部发达地区先行先试、探索5G-A、人工智能等建设和应用新模式，西部地区在综合成本优势明显地区合理布局算力设施，探索建设超大型人工智能训练数据设施。从参与主体来看，地方政府及基础电信运营商是智算中心主要参与方——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%。但从算力规模来看，互联网及云厂商在智算中心投资建设中占据重要地位，其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%。这种分工格局反映了不同市场主体的优势互补：政府和运营商主导基础设施规划与建设，互联网和云厂商则专注于算力能力的提升与应用创新。
表：全国一体化算力网建设的区域分工
|
地区类型 |
功能定位 |
|---|---|
|
东部地区 |
聚焦热数据处理：枢纽节点占全国总算力规模的33.8%，承接实时性要求高的AI推理业务，PUE要求≤1.25 |
|
西部地区 |
聚焦冷数据处理：枢纽节点占全国总算力规模的21.8%，承接AI训练和非实时计算任务，PUE要求≤1.2 |
|
中部地区 |
起承东启西作用：辅助东西部枢纽实现算力调度与备份，PUE要求≤1.25 |
以上就是关于AIDC行业市场调查及产业投资报告的分析。AIDC作为智能时代的"算力工厂"，正迎来前所未有的发展机遇。在政策支持、技术进步和市场需求的共同驱动下，AIDC行业呈现出爆发式增长态势，技术架构不断革新，产业链各环节蓬勃发展，区域布局优化协同。随着AI技术的不断演进和应用深化，AIDC将成为数字经济和数字中国建设的核心基础设施，为各行各业智能化转型提供强大算力支撑。未来，高效、绿色、安全与智能化的AIDC将进一步推动数字经济的发展，成为国家竞争力的重要体现。
（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。）
