关注 「云头版 」
专业解读云、算力、数据、AI行业发展
近期跑了四座城市的算力园区，从长三角的芜湖、嘉善，到内蒙的和林格尔、乌兰察布，一路看工地、电机柜、聊电价，有两个画面印象很深。一个是芜湖的园区深夜还在赶工，吊塔连轴转，因为客户要得急，临时调整容积率加地块。另一个是和林格尔的大片规划用地，一眼望过去视野开阔，园区远期负荷标的是几个 GW ，体量是东部园区的数倍。
很多人讨论国内算力产业，总绕不开芯片供给、大厂资本开支这几个话题，很少有人走到现场看真实的建设节奏和成本结构。这一趟跑下来最直接的感受是，中国的算力根本不是同一个体系，而是泾渭分明的两个世界，各自的逻辑、客户、成本结构完全不同。硬放在一起比规模、比成本，得不出有价值的结论。
东部：寸土寸金的时延生意
先看长三角的情况。芜湖的两个核心园区，基本被头部互联网企业包圆了。中国移动的园区三百亩， IT 负荷三百兆瓦，建成之后整体租给腾讯。隔壁中国电信的园区两百四十七亩，还在建设中，同样是整园交付给腾讯。加上周边其他地块，客户集中度非常高。
当地管委会的人说，腾讯的需求催得很紧，原定的土地指标不够用，只能临时调整容积率，划出小块空地优先开工。我在园区门口站了半小时，进出的工程车没断过，工地的照明灯到晚上能亮半边天。这种赶工的节奏，在东部算力园区很常见。
有人会问，芜湖的电价每度六七毛，绿电还要靠买绿证来满足要求，成本比西部高不少，为什么大厂还要抢着布局？答案核心就是时延。
长三角是国内互联网企业和终端用户最密集的区域，大量的 AI 推理请求从这里发起。模型训练可以放在几千公里外，跑一次花几天都没关系，但推理业务每天要响应数亿次请求，每一次都要在几十毫秒内返回结果。机房离用户远一千公里，网络时延就会明显上升，用户体验直接受影响。对互联网公司来说，时延差几毫秒，可能就意味着产品留存和转化的差异。
往南一百多公里的嘉善，阿里的自建园区又是另一种状态。两百九十八亩地全部自用，规划十栋楼，远期负荷四百六十兆瓦，目前实际投入的 IT 负荷只有五十兆瓦。但园区负责人说，业务增长曲线很陡，远期目标是当前的九倍。散热方案现在还是以风冷为主，等负荷上去之后再逐步上冷板式液冷，浸没式液冷成本太高，暂时没有大规模应用的计划。
东部算力园区有几个共性。首先是土地资源紧张，很难拿出上千亩的连片地块，大多是几百亩的规模，见缝插针式扩容。其次是电价偏高，工业用电加上绿证成本，普遍在每度六毛以上。最后是客户需求急，对交付周期要求很高，愿意为更快的上线速度支付溢价。
别看东部单个园区的体量不如西部，单 GW 的投资强度一点都不低。按单张算力卡十五万估算，一个 GW 的 AI 服务器投资就要两千亿以上，还不算交换机、电源、温控这些配套设施。只是东部园区的机柜上架速度快，业务落地快，回本周期相对更短。
还有一个容易被忽略的硬要求，是国产芯片的占比标准。国有企业要求百分百，民营企业要求八成。核查方式很直接，抽样拆开服务器看里面的芯片型号。现在的现实是高端芯片供给紧张，国产芯片产能还在爬坡，海外先进芯片又有合规限制。所以东部园区普遍的做法是多芯片混用，能用什么就用什么，先把算力规模堆起来再说。
西部：千亩起步的成本底座
从长三角飞到内蒙，画风完全不一样。东部是几百亩的园子精打细算，西部是上千亩的地块连片开发，起步规模就差了一个量级。
和林格尔的华为片区，规划面积六千亩，目前实际拿到的土地是七百四十五亩，园区计划的总负荷在三点五到四个 GW 。这个体量换算下来，大概对应三百万台通算机柜，接近两百万 P 的算力规模。但目前真正完成装机的，只有三万架标准机柜，大部分区域还在建设和设备进场阶段。
这个规模是什么概念？截至今年六月底，全国总算力存量大概是两百一十八点五万 P 。华为一家在全国的算力规划就有六百四十万 P ，光是和林格尔一个片区的规划，就接近全国当前的存量规模。
运营商在西部的布局节奏也很快。中国电信在和林格尔有一千五百亩的园区，转头又在乌兰察布拿了两千四百亩地。建设节奏是去年底三百兆瓦，今年要突破一个 GW ，到 2030 年瞄准三个 GW 。西部机房大多采用租赁模式，六到八年可以回本，电价包含在租金里，综合成本每度三毛二到三毛六，早期项目甚至能做到两毛六。
乌兰察布的整体增长更夸张。全市数据中心用电量， 2024 年是二十亿度， 2025 年涨到四十三亿度，今年预计要到八十亿度。算力规模从五万 P 涨到十二点四五万 P ，今年预计到二十五万 P ，三年翻了五倍。目前签约的标准机柜有五百万架，已经投产的四十三万架，对应负荷一点零八个 GW ，远期规划在十二点五个 GW 以上。
很有标志性的一件事，是 DeepSeek 在乌兰察布拿地建设一个 GW 的数据中心，自建加租赁并行，预计 2027 年底到 2028 年初陆续上线。一家做大模型的公司，亲自下场建数据中心，说明西部的土地和电力成本，已经低到让上游模型公司自己算账都觉得划算。按蒙西电网的绿电直连成本粗算，这一个 GW 的园区每年能省下的电费接近五个亿。
西部算力的核心逻辑非常清晰，就是靠成本和规模取胜。训练业务对时延不敏感，对算力总量和单位成本极度敏感。一个大模型训练一次就要消耗几千万度电，电价差一毛钱，整体成本差的就是几千万甚至上亿元。再加上西部工业用地充足，拿地成本低，适合大规模连片开发，天然适合做算力底座。
电价，算力竞争的底层逻辑
聊算力，很多人第一反应是芯片性能。但跑过现场就会明白，芯片决定算力的上限，电价决定算力的落地成本和长期竞争力。长期来看，能源成本才是算力产业真正的底牌。
把东西部的电价摊开看，差距非常直观。芜湖的工业用电加绿证成本，每度六到七毛。和林格尔的综合电价三毛二到三毛六，早期项目更低。察哈尔的世纪互联园区，之前战新补贴退坡之后电价涨了近一毛，后来靠增量配电网又把成本压回三毛五以内。
电价的差异背后，是能源结构和电网体制的不同。西部有丰富的风电光伏资源，蒙西电网相对独立的体制，让绿电直连的推进效率更高。园区可以直接对接新能源电站，省去很多中间环节。而东部地区负荷密度高，本地新能源供给有限，绿电大多靠采购绿证来满足，成本自然降不下来。
世纪互联在察哈尔的园区有一千两百亩，规划一点三 GW 的负荷很快就要全部交付，长期目标是十年做到十个 GW 。工业用地五十年产权，成本摊到每年很低，租期一般是七年加三年，回报周期七到八年。供电采用机电分离的模式，绿电直连的比例名义上五成，实际大概三成到四成，剩下的接蒙西电网，电源保障等级很高。
对比一下美国的情况，更能看出中国算力的成本优势。美国最大的区域电网 PJM ，去年供电成本涨了六成，核心服务区的批发电价涨了七成多，从每兆瓦时七十七美元涨到一百三十六美元。数据中心想要并网，平均要排队八年。还有民意的阻力，民调显示七成多的美国人反对在自家社区建数据中心，已经被叫停的项目有七十五个，涉及总投资一千三百亿美元。电费占数据中心运营成本的比例，已经从一成五涨到了三成。
很多人说美国 AI 技术领先，这没错。但技术要落地成规模化算力，靠的不只是芯片，还有电网、土地、建设效率这些基础设施能力。美国电网扩容的速度，远远跟不上算力需求的增长。我们这边园区说建就建，并网扩容几个月就能推进，他们光排队就要等好几年，等排到队，可能新一轮技术迭代都已经开始了。
中国算力的核心底牌，从来不是某一项技术领先，而是便宜且充足的电力，充足的工业用地，以及极强的基建落地效率。这些东西不是靠短期砸钱就能堆出来的，是资源禀赋和体制能力共同决定的。
真实需求支撑的产业景气
跑这一圈之前，我也有过疑问，这么大规模的算力建设，会不会是政策拉动的虚假繁荣？看完四个园区的客户结构和建设节奏，这个疑问基本打消了。
先看客户名单。芜湖的两个园区整租给腾讯，嘉善的园区是阿里自用，字节在多地拿地建机房，整体规划有三个 GW ，今年底到明年陆续交付。 DeepSeek 在乌兰察布自建园区，华为一边做云服务一边出租机房，附带服务器采购的要求。这些客户全是市场里真金白银投入的主体，没有真实业务需求，不可能砸这么多钱圈地赶工期。
东西部的需求结构也很清晰。东部接的主要是推理业务，直接面向终端用户，需求跟着用户规模和产品活跃度走。西部接的主要是训练业务，还有一些对时延不敏感的批量计算任务，需求跟着模型迭代和算力消耗走。两边的景气度都很高，只是业务属性不同，落地的位置不同。
还有一条线很值得关注，就是国产替代的推进速度。现在西部的超节点集群，主力用的是昇腾 910C ，明年开始会布置 950 ，单集群最多可以做到八千多张卡。国产芯片占比的硬要求，表面看是政策规定，实际是倒逼整个产业链形成闭环。芯片供给越紧张，海外限制越严格，国产体系的成长速度就越快。
现在行业里的共识是，高端芯片短缺的状态还会持续一段时间，国产芯片的产能爬坡需要过程。这个阶段恰恰是国内算力产业链磨合的窗口期。从芯片设计、服务器制造到机房运营、算力调度，整条链一旦跑通，后面就是滚雪球式的发展。
截至去年底，全国算力中心年用电量已经达到一千七百亿千瓦时，占全社会用电的百分之一点六，建成的万卡级智算集群有四十二个。这个规模不是靠喊口号能堆出来的，是实实在在的业务需求撑起来的。
当然不是说没有隐忧。最大的变量还是芯片供给。现在很多园区是机柜先建好，等着芯片到位上架，算力释放的速度跟不上机房建设的速度。短期看，这会造成一定的资源闲置，但拉长周期看，只要需求持续增长，这些产能早晚都会被填满。
东算西训的长期价值
跑完这四个园区，最核心的结论就是，东算西训的产业分工已经基本定型。东部拼时延，做推理业务的前沿节点，直接对接用户和应用。西部拼成本，做模型训练的算力底座，承载大规模算力消耗。
这个分工不是行政规划出来的，是市场选择和资源禀赋共同作用的结果。东部有用户密度和产业集群优势，天然适合做低时延业务。西部有土地和能源优势，天然适合做重算力消耗的训练业务。两者不是竞争关系，是互补关系，是同一套算力网络的两个组成部分。
之前我们提东数西算，更多是针对通用计算和存储业务。到了 AI 时代，分工变得更清晰，就是东算西训。训练往西部走，追求单位算力的最低成本。推理往东部靠，追求用户侧的最低时延。两层结构各司其职，共同支撑整个数字经济的算力需求。
我倾向于认为，这套算力体系是国运级别的基础设施。它第一次把中国两个传统优势，充裕且低成本的能源、充足的建设用地，和数字经济最核心的算力需求紧密结合在了一起。这种结合产生的竞争力，其他国家很难复制。
很多国家不是不想建大规模算力中心，是没有这个条件。要么电价太高，要么土地不够，要么电网扩容太慢，要么民众反对落地。中国能在短短几年内建起这么大规模的算力基建，靠的是全链条的协同能力。从土地审批、电网建设到机房施工，各个环节的效率都很高。
当然现在还只是起步阶段。全国算力存量两百多万 P ，在建和规划的规模是存量的好几倍。五年前我们还在担心算力利用率低，找不到应用场景。现在我们担心的是地不够用，电要省着用，芯片产能跟不上。这种转变本身就说明产业已经进入了新的阶段。
这趟调研跑下来，最深的感受不是哪个园区规模更大，而是中国算力产业的内在逻辑已经非常清晰。两个世界各有各的账，各有各的客户，各有各的发展节奏，合在一起就是一套完整的算力供给体系。
未来几年，行业的核心看点有三个。一是国产芯片的产能爬坡速度，这决定了算力供给能不能跟上需求的增长。二是东西部算力调度的效率，能不能让算力像电力一样跨区域灵活调配。三是绿电占比的提升，在规模扩张的同时控制碳排放。
算力这盘棋很大，现在只是刚布完局。但方向已经很明确，路也走通了。接下来就是拼节奏、拼细节、拼产业链的整体协同能力。
热门跟贴