华为团队最新发声：AIDC催生技术革命，打开万亿级产业空间

编者按

当前，人工智能算力产业链的价值正沿着“底层硬件—基础设施—智能应用”的路径延伸，不同环节的技术门槛、市场驱动和商业模式差异明显，共同支撑起AI时代的基础生态。

华为团队吕阳明、木斌在著作《3D数据中心：重构AI基础设施》中表示，芯片和核心硬件决定了算力供给的上限。AI加速芯片、高性能存储和先进封装是产业链的核心价值所在，技术壁垒高、产业集中度高，也深受供应链安全、技术迭代和国际竞争影响。未来的竞争不会只停留在芯片性能本身，而是会扩展到架构设计、软件生态、封装技术和系统优化能力的综合比拼。

“基础设施层成为确定性最高的产业增量环节”，随着算力需求持续上升，液冷散热、高速互联、高效供电和智能能源管理等环节迎来长期机会。相比上游芯片领域的波动，AIDC基础设施建设需求更明确，增长逻辑也更稳定，有望成为支撑AI产业发展的关键底座。

当然，真正决定产业价值释放的，还是算力服务和应用层。未来的竞争重点会从算力规模转向算力利用效率和应用价值。随着推理需求快速增长，能够实现模型、算力与行业场景深度融合的服务模式，将成为影响产业长期价值的关键。

我们经授权摘录本书第五篇《价值跃升：AIDC催生技术革命，打开万亿级产业空间》部分内容(略有删减)，以飨读者。

在数字经济持续深化和人工智能技术快速发展的推动下，数据中心基础设施正在经历由传统信息基础设施向智能算力基础设施的战略升级，并逐步朝着“极简高效、冷电协同、绿色低碳”的方向演进，以支撑大模型训练、智能推理及多模态人工智能应用的规模化发展。

传统数据中心以通用CPU计算为核心，计算、存储与网络资源均衡配置，而AIDC以GPU、NPU等AI加速计算资源为核心，更关注高密度算力部署、高带宽互联以及持续稳定的算力吞吐能力。这一变化使AIDC基础设施突破了传统数据中心“机房建设”的范畴，逐渐演变为涵盖AI计算芯片、高速互联网络、海量存储系统、高效供电架构、先进液冷系统以及智能运维平台的复杂系统工程。

编者按

当前，人工智能算力产业链的价值正沿着“底层硬件—基础设施—智能应用”的路径延伸，不同环节的技术门槛、市场驱动和商业模式差异明显，共同支撑起AI时代的基础生态。

华为团队吕阳明、木斌在著作《3D数据中心：重构AI基础设施》中表示，芯片和核心硬件决定了算力供给的上限。AI加速芯片、高性能存储和先进封装是产业链的核心价值所在，技术壁垒高、产业集中度高，也深受供应链安全、技术迭代和国际竞争影响。未来的竞争不会只停留在芯片性能本身，而是会扩展到架构设计、软件生态、封装技术和系统优化能力的综合比拼。

“基础设施层成为确定性最高的产业增量环节”，随着算力需求持续上升，液冷散热、高速互联、高效供电和智能能源管理等环节迎来长期机会。相比上游芯片领域的波动，AIDC基础设施建设需求更明确，增长逻辑也更稳定，有望成为支撑AI产业发展的关键底座。

当然，真正决定产业价值释放的，还是算力服务和应用层。未来的竞争重点会从算力规模转向算力利用效率和应用价值。随着推理需求快速增长，能够实现模型、算力与行业场景深度融合的服务模式，将成为影响产业长期价值的关键。

我们经授权摘录本书第五篇《价值跃升：AIDC催生技术革命，打开万亿级产业空间》部分内容(略有删减)，以飨读者。

在数字经济持续深化和人工智能技术快速发展的推动下，数据中心基础设施正在经历由传统信息基础设施向智能算力基础设施的战略升级，并逐步朝着“极简高效、冷电协同、绿色低碳”的方向演进，以支撑大模型训练、智能推理及多模态人工智能应用的规模化发展。

传统数据中心以通用CPU计算为核心，计算、存储与网络资源均衡配置，而AIDC以GPU、NPU等AI加速计算资源为核心，更关注高密度算力部署、高带宽互联以及持续稳定的算力吞吐能力。这一变化使AIDC基础设施突破了传统数据中心“机房建设”的范畴，逐渐演变为涵盖AI计算芯片、高速互联网络、海量存储系统、高效供电架构、先进液冷系统以及智能运维平台的复杂系统工程。

在这一演进过程中，AIDC基础设施已从传统意义上的业务支撑系统，转变为影响人工智能产业效率和竞争力的核心基础设施。其建设模式不仅涉及IT设备升级，更推动能源、电力电子、制冷装备、新材料、智能控制等多个产业链环节深度融合，形成万亿级产业生态体系。

AIDC基础设施未来万亿市场空间展望

生成式人工智能技术的快速突破，以及全球数字化转型持续推进，共同推动AIDC进入高速发展阶段。未来AIDC市场增长不仅体现在服务器、网络设备及数据中心基础设施投资规模扩大，更体现在供电体系升级、能源结构调整、绿色低碳技术应用以及智能运维体系建设等多个维度。

第一，全球AIDC基础设施市场规模与电力需求预测。随着人工智能应用进入规模化部署阶段，全球IT基础设施投资持续增长。商业与技术洞察公司高德纳(Gartner)最新预测显示，全球IT支出呈现稳健增长态势，其中数据中心系统、服务器基础设施及相关配套设备将成为增长重点。高德纳预计，2026年全球AIDC基础设施市场规模将达到1.69万亿美元，较2025年增长30.40%，其中，数据中心系统支出将从2025年的5 060亿美元增加至8 220亿美元，增长62.45%(见图1)。这显示出全球市场对算力底座投入的强劲决心。

第二，国内AIDC市场规模与能源消耗展望。国内AIDC市场正处于高速发展阶段。在人工智能大模型、智能制造、自动驾驶以及数字经济产业持续发展的推动下，高性能算力需求快速增长。根据弗若斯特沙利文(Frost Sullivan)研究报告，中国数据中心市场规模已从2021年的1 700亿元增长至2025年的3 260亿元(见图2)，年均复合增长率(CAGR)达17.7%。随着“东数西算”工程深入推进，以及人工智能产业进入规模化应用阶段，中国数据中心产业仍将保持较高增长潜力。预计至2030年，市场规模将增长至1.2万亿元；未来十年，AIDC基础设施建设将成为数字经济领域的重要投资方向，并带动服务器、网络设备、液冷系统、供配电设备、能源管理系统等上下游产业共同增长。

在算力规模方面，国内智能算力基础设施持续快速扩张。随着大模型训练和推理任务增加，AI算力规模增长将进一步推动数据中心能源需求提升。根据国家数据局相关数据，国内数据中心用电量近年来保持高速增长趋势。2025年，全国数据中心总用电量达1700亿千瓦时，占全社会用电量的1.6%。其中，全国一体化算力网络国家枢纽节点成为算力基础设施建设的重要增量区域。预计未来“十五五”期间，随着AI计算需求持续释放，全国算力用电量仍将保持高速增长，到2030年，数据中心用电量预计达到8000亿千瓦时，占全社会用电量的6%左右，且比例将进一步提升。这一趋势表明，未来AIDC的发展将不再局限于计算资源扩张，而是进一步演变为计算、电力、能源和基础设施协同发展的综合产业体系。如何通过高效供电、先进制冷、能源协同及绿色技术降低单位算力能耗，将成为AIDC产业持续发展所面临的核心挑战。

国内AIDC产业发展政策

近年来，国内持续推进人工智能算力基础设施建设，围绕数字经济发展、新型基础设施建设以及人工智能产业应用需求，不断完善算力基础设施相关政策布局。AIDC产业发展路径正在由早期以规模扩张和基础设施建设为主，逐步转向以算力高效利用、绿色低碳发展、算电协同布局和算力资源协同调度为核心的高质量发展阶段。

随着人工智能大模型、智能体及多模态应用快速发展，算力已成为数字经济时代的重要基础资源和关键生产要素。国家政策导向已经从单纯提升算力供给能力，逐步转向更加关注算力利用效率、能源保障能力、绿色发展水平以及资源协同能力，推动AIDC产业由“重建设、扩规模”的发展阶段，迈向“高效率、高可靠、高能效”的精益化运营阶段。

具体政策举措及关键指标见表1。

AIDC基础设施产业链生态结构与价值分析

AIDC作为支撑大模型训练、大规模推理以及智能应用部署的核心基础设施，其定位已由传统数据中心的信息承载平台，演变为融高性能计算、高速网络互联、能源供给、智能热管理及软件调度管理于一体的AI原生基础设施。

与传统数据中心以计算、存储和网络资源均衡配置为核心的发展模式不同，AIDC面向人工智能工作负载的高并发、高带宽、高密度计算需求，通过AI加速计算设备、高性能互联网络、高效能源系统以及先进散热技术的深度融合，构建面向未来人工智能应用的高密度、高可靠、高能效算力底座。

这一系统级架构演进，不仅提升了算力资源的部署效率和利用水平，也推动了数据中心从单一的IT基础设施载体，向融合计算、能源与热管理的综合型智能基础设施转变，以满足人工智能时代对算力密度、能效比、系统可靠性以及规模化扩展能力的严苛要求。

从产业价值链角度来看，AIDC基础设施产业链已较为清晰。

第一层聚焦高技术壁垒的IT基础设施，包括AI芯片、高性能计算服务器、高速光模块、高带宽存储、网络交换设备等核心元器件及整机系统，是决定算力性能和技术上限的关键环节。

第二层涵盖数据中心资源和基础设施建设，包括土地、电力、能源指标，以及园区规划、土建工程、供配电系统、液冷散热系统等，是支撑AIDC规模化部署和长期运营的物理基础。

第三层面向算力中心建设与运营及服务生态，涵盖数据中心工程建设、运维运营、算力调度、云服务以及行业智能应用服务，是实现算力资源价值转化的重要环节。

三层相互依存、深度耦合，共同构成支撑人工智能算力持续演进的完整产业生态体系(见图3)。

第一层IT基础设施：高技术壁垒与价值高地的核心环节

IT基础设施是AIDC产业链中技术壁垒最高、价值密度最大的环节，主要包括核心元器件和整机设备两部分。核心元器件决定算力系统性能上限，整机设备负责计算、网络、存储、电源及散热等模块集成，共同支撑人工智能算力规模化部署。

(1)核心元器件：算力输出与高速互联基础

核心元器件主要包括AI加速芯片、CPU、高速光模块、HBM(高带宽内存)和高性能PCB等，是决定AI计算性能、数据传输效率和系统可靠性的关键基础。

AI加速芯片涵盖GPU、NPU、TPU和ASIC(应用集成电路)等技术路线。随着AI应用由训练向推理和行业应用扩展，芯片竞争已由单一算力指标竞争，转向芯片架构、软件生态、高速互联和系统优化能力的综合竞争。除AI芯片外，高速光模块支撑大规模计算节点互联，HBM提升存储带宽，高性能PCB保障高速信号传输，共同支撑AI集群高效运行。

未来，核心元器件竞争将由单点性能提升向“芯片架构+软件生态+先进封装+高速互联”的全栈能力竞争演进。

(2)整机设备：由硬件产品向算力系统演进

随着AI模型规模持续扩大，传统服务器逐步向计算、供电和散热融合的系统级算力单元演进。AIDC整机设备主要包括AI训练服务器、推理服务器、高速交换设备、存储系统及智能管理平台，通过软硬件协同实现大规模算力集群部署。

全球AIDC整机产业呈现生态化和系统化竞争特点，依托AI芯片、高速互联和液冷技术形成平台优势；国内企业围绕芯片适配、系统集成、供应链协同和国产化生态，持续提升竞争力。

随着大模型训练和推理应用的规模化部署，整机设备竞争重点正由硬件制造能力转向算力系统设计、集群优化、能源效率和全生命周期服务能力。未来，AI整机厂商将由设备供应商向算力基础设施解决方案提供商转变，推动AIDC产业由“设备竞争”进入“系统能力竞争”阶段。

第二层数据中心资源和基础设施：物理载体的重构

第二层为AIDC从规划建设到规模化运营的物理基础，主要包括数据中心资源保障体系与基础设施两大部分。与上游IT设备侧关注计算性能和系统能力不同，中游环节重点解决算力中心建设过程中的资源获取、工程实施、长期运营成本以及可靠性保障问题。

随着人工智能模型规模持续扩大，AI算力密度快速提升，传统数据中心以机房空间、电力容量和制冷能力为核心的建设模式正面临重构。土地、电力、水资源、网络连接等基础资源的配置方式，以及建筑结构、供配电和散热系统设计标准，均需要围绕高密度AI负载进行重新定义。未来AIDC竞争不仅是计算设备能力的竞争，更是围绕土地、电力、能源结构、网络资源以及工程交付能力展开的综合竞争。

(1)数据中心资源：多维约束下的选址逻辑重构

在大模型训练、推理服务及智能应用快速发展的背景下，AIDC行业竞争已经从单纯的IT设备采购，延伸至土地、电力和水资源等关键资源的综合获取与优化配置。在“东数西算”“双碳”目标以及能源管理政策持续推进的背景下，AIDC建设逻辑正在由“规模优先”转向“资源效率优先”，数据中心选址体系发生深刻变化。

①土地资源：由空间资源向综合资源指标转变

土地资源是AIDC建设的重要基础条件，其获取难度和区域差异正在不断增强。随着大型算力集群向规模化、集约化发展，新建大型及超大型AIDC项目布局逐渐向国家算力枢纽节点集中。西部地区凭借土地资源、电力资源及绿能条件优势，更适合承载大规模训练型算力集群；东部经济活跃区域由于土地和能源资源约束，大型算力设施更多向城市外围布局，并逐步发展推理型、边缘型算力节点。

与此同时，土地资源获取已不再是独立因素，而是与能源指标、绿色电力供应能力以及数据中心能效水平形成联动关系。在相同区域条件下，采用先进液冷技术、具备更低PUE水平以及更高比例绿电消纳能力的项目，在资源配置方面更具优势。

未来，AIDC选址将从传统“土地可获得性”评价，转向综合评估土地、电力、能源结构、网络条件及运营成本的系统化决策模式。

②电力等能源资源：从电力保障向算电协同演进

能源成本和供电能力正在成为影响AIDC商业价值和长期运营能力的核心因素。随着AI服务器功率持续提升，数据中心电力需求呈现高密度、高增长特征，能源指标逐渐成为比土地更加关键的建设约束。AIDC项目需要综合考虑电力供应稳定性、能源成本、碳排放约束以及绿色能源获取能力。

未来，大型AIDC园区将逐步由传统“电网供电模式”向“源网荷储协同模式”演进，通过光伏、风电、储能、智能电网以及负载调节技术，提高能源利用效率。同时，AI算力负载具备一定的时间弹性，通过智能调度，可参与需求响应、电力市场交易以及峰谷优化，实现算力负载与能源供给之间的动态匹配。能源系统将从传统基础保障设施，升级为影响AIDC竞争力的重要生产要素。

③水资源：液冷时代下的节水型基础设施

随着AI服务器功率密度提升，液冷技术逐渐成为高密度AIDC的重要散热方案，数据中心水资源管理逻辑也由传统冷却用水管理转向系统级水资源效率优化。采用闭式循环液冷系统，可以减少冷却介质损耗，降低对外部水资源的依赖，提高整体资源利用效率。

由于国内南北区域水资源分布差异明显，不同地区的数据中心建设条件正在进一步分化。水资源较丰富区域在冷却条件方面具备优势，而北方、西部部分区域则更加关注节水设计和水资源审批约束。未来，WUE将成为新一代AIDC绿色设计的重要指标。

(2)数据中心建筑：从传统风冷机房到液冷算力工厂演进

AIDC作为高密度智能算力基础设施，其土建体系已不再是传统意义上的机房建筑，而是融合能源、散热、网络和智能运维能力的综合工程系统。相比传统数据中心，AIDC对建筑承载能力、空间高度、防护能力、能源配套以及液冷设施提出更高要求，推动数据中心建设模式发生系统性变化。

①设计逻辑重构：面向高密度算力工厂设计

首先，建筑承载能力持续提升。传统数据中心主要满足服务器机柜部署需求，而AIDC需要适配高功率AI服务器和整机柜系统，对楼面荷载提出更高要求。同时，需要预留更大的设备空间、管线空间以及未来技术升级空间。

其次，液冷相关基础设施成为重要设计内容。针对冷板式液冷和浸没式液冷等技术路线，建筑设计需要同步考虑CDU部署空间、液冷管路布置、防护隔离以及室外冷源系统配置，实现建筑与散热系统协同设计。

最后，空间设计由固定布局向弹性资源池化演进。通过预留结构空间、能源容量和管线通道，提高未来硬件升级和技术迭代能力，降低后期改造成本。

②交付模式演进：由专业分工向系统集成交付转变

由于AIDC涉及IT设备、电力系统、液冷系统、建筑工程及智能管理平台等多个专业领域，传统土建、机电分离建设模式正在向系统化、一体化交付模式演进。未来，AIDC建设将更加倾向于“土建+能源+机电+IT集成”的综合交付模式，推动工程总承包(EPC)以及模块化预制建设模式发展。同时，数字孪生技术将贯穿设计、建设、交付和运营全过程，实现基础设施全生命周期管理，提高建设效率和运营水平。

③土建与能源系统深度融合，源网荷储和余热回收一体化规划

未来AIDC园区规划逻辑将由传统“先建机房，后匹配能源”，转变为“能源方案先行，基础设施协同规划”。新一代算力园区需要同步规划变电站、储能设施、绿电接入、管网以及循环水系统，实现能源、建筑和算力设施一体化设计。

(3)数据中心供电、制冷系统：冷电协同成为核心技术方向

随着AI加速芯片功耗持续提升，单机柜功率由传统数据中心几十千瓦级逐步向数百千瓦级乃至兆瓦级演进。高密度AI算力部署对能源供给能力和热管理能力提出了更高要求，供电系统和制冷系统逐渐成为影响AIDC建设规模、部署效率和运行成本的关键基础设施。供电能力决定算力部署规模，散热能力决定算力密度上限，二者正在由传统独立设计模式转向冷电协同的一体化架构。

①供电系统：围绕高效配电和智能能源管理完善产业链

随着AI加速芯片功耗持续提升，AI服务器和算力集群对供电容量、供电效率、空间利用率以及运行可靠性提出更高要求，传统供电架构逐渐面临功率密度提升困难、转换环节较多以及扩展能力不足等挑战。供电系统已由传统的数据中心配套设施逐渐演变为决定算力规模和运行效率的核心基础设施。从产业链角度看，AIDC供电产业主要包括核心电力设备和关键元器件供应，供配电系统集成和基础设施建设，以及能源管理、智能运维和数据中心运营服务等环节(见图4)。

核心电力设备和关键元器件供应：为AIDC提供从电力输入到IT设备供电所需的基础设备和组件。主要产品包括变压器、高压开关设备、环网柜、中低压配电柜、UPS系统、电源模块、整流设备、智能配电单元、电池系统以及电力电子元器件等。其中，变配电设备负责完成电能接入和转换，UPS系统保障供电连续性，电源模块和智能配电设备则直接影响数据中心末端供电效率和运行可靠性。未来，随着高压直流供电、800V直流供电等新型供电架构逐步应用，产业链上游将进一步推动高压直流设备、电力电子转换模块、高可靠连接组件以及智能能源管理设备的发展。

供配电系统集成和基础设施建设：主要包括数据中心供配电系统设计、设备集成、工程建设和整体解决方案服务企业，是连接电力设备与数据中心基础设施的重要环节。该环节主要负责完成从电力接入、容量规划、供配电架构设计、设备选型、系统安装、调试验证到交付运行的全过程建设。由于AI数据中心具有高功率密度、高可靠性和快速部署需求，企业不仅需要具备传统数据中心机电工程能力，还需要具备针对AI算力场景的供电架构优化能力。随着大型AI数据中心向园区化、规模化方向发展，供电系统建设逐渐从单机房级设计向园区级能源基础设施规划转变，涉及电力容量规划、能源调度、储能配置以及供电可靠性设计等多个方面。未来，供配电系统集成商将由传统工程承包角色向综合能源解决方案提供商转变，通过融合电力设备、数字化管理平台和智能运维系统，为AIDC提供从设计、建设到运营的一体化服务。

能源管理、智能运维和数据中心运营服务：主要包括数据中心运营商、云计算企业、AI算力服务提供商以及大型企业自建数据中心用户。随着数据中心规模不断扩大，供电系统管理已由单纯保障供电可靠性，朝着能源精细化管理和运营效率优化方向发展。通过能源管理平台、智能监控系统和数字化运维工具，可实现对供电设备状态、电能质量、负载变化以及能源消耗情况的实时监测，提高供电系统运行效率。对于AI数据中心而言，供电系统需要与算力负载动态匹配，根据计算任务变化优化能源分配，提高能源利用效率，降低运营成本。同时，结合预测性维护技术，可提前识别设备运行异常，提高供电系统可靠性。

②制冷系统：液冷技术推动数据中心热管理产业链发展

随着AI服务器功耗和机柜功率密度持续提升，传统风冷系统在散热能力、空间利用率以及能效水平方面逐渐难以满足高密度算力部署需求，液冷技术成为支撑AIDC高功率密度运行的重要基础设施方案。目前，数据中心液冷应用主要围绕冷板式液冷展开，并逐步形成覆盖液冷设备、关键部件、系统集成和运维服务的数据中心液冷产业链。从产业链角度看，数据中心液冷产业主要包括液冷核心设备和关键部件供应，液冷系统设计、集成与工程实施，以及数据中心运营和热管理服务等环节(见图5)。

液冷核心设备和关键部件供应：主要产品包括CDU、换热器、循环泵、液冷管路、阀门、过滤装置、快速连接器、流量控制设备、温度压力传感器、控制模块以及冷却介质等。其中，CDU是数据中心液冷系统中的核心设备，主要承担冷源侧与液冷回路之间的热交换、流量调节、压力控制以及运行监测功能，是实现数据中心冷源系统与末端散热系统高效连接的关键环节。除液冷核心设备外，冷源侧基础设施也是液冷产业链的重要组成部分，包括冷却塔、干冷器、换热站、水处理设备以及相关辅助设施。液冷规模化部署需要对传统制冷基础设施进行适配升级，因此冷源设备制造商、制冷设备企业以及水系统厂商也成为液冷产业生态的重要参与者。

液冷系统设计、集成与工程实施：是连接设备供应与数据中心应用的重要环节。该环节主要负责完成液冷系统整体规划，包括冷源架构设计、液冷回路设计、管路系统部署、设备安装调试、控制系统配置以及与数据中心原有基础设施的融合。由于液冷系统涉及制冷、电气、管道、自动控制和数据中心运维等多个专业领域，对系统设计能力和工程实施经验提出较高要求。随着AI数据中心建设由单机房向园区级规模发展，液冷系统集成逐渐从单一工程实施向整体热管理方案转变。中游企业需要综合考虑数据中心能源供应、冷源配置、运行可靠性以及后期维护需求，实现液冷系统与建筑基础设施、供电系统和智能运维平台的协同设计。未来，具备系统设计能力、工程交付能力和跨专业协同能力的液冷集成企业将在产业链中发挥更加重要的作用。

数据中心运营和热管理服务：主要包括数据中心运营商、云计算企业、AI算力基础设施运营企业以及大型企业自建数据中心用户。

随着液冷系统的规模化应用，数据中心运营企业将更加关注液冷基础设施的全生命周期管理，包括设备健康监测、管路状态管理、水质管理、故障预警以及系统优化运行等服务内容。同时，液冷产业的发展也将推动制冷设备企业、基础设施供应商、工程服务企业和数据中心运营商之间形成更加紧密的产业协同关系，共同构建面向AI算力需求的数据中心热管理生态。

第三层算力中心建设与运营：从基础设施到服务生态

算力中心建设与运营是连接物理基础设施和人工智能应用的关键环节，也是AIDC产业价值实现的最终载体。该环节不仅涵盖算力基础设施建设、设备部署和全生命周期运维，更延伸至算力资源调度、平台化服务以及行业应用赋能，形成从底层资源供给到上层价值输出的完整商业闭环。随着人工智能应用由大模型训练逐步向大规模推理、智能体及行业智能化应用扩展，算力中心的角色正在发生根本性变化。其功能已不再局限于传统数据中心的“资源承载空间”，而是逐步演变为融合算力供给、资源调度、模型服务和行业应用支撑能力的“智能算力服务枢纽”。

(1)AIDC建设：从机房交付向算力基础设施系统集成演进

AIDC建设的核心目标，是构建满足高密度AI算力需求的物理基础设施底座，并实现计算、电力、散热、网络和运维系统的协同优化。与传统数据中心建设模式相比，AIDC更加关注面向AI工作负载的原生设计能力。土建基础设施需要适配高功率机柜、液冷系统以及大规模能源部署需求；IT基础设施则需要实现异构算力资源、高速互联网络和存储系统的深度融合。

在计算侧，通过GPU、NPU等异构加速资源构建高性能计算集群；在网络侧，通过高速互联、无损网络以及RDMA等技术降低通信瓶颈，提高分布式训练效率；在能源与散热侧，通过液冷、电力优化及智能管理系统保障高密度算力稳定运行。因此，未来AIDC建设将由传统“机房建设工程”转向“算力基础设施系统工程”，建设能力也将成为决定算力规模化部署效率的重要因素。

(2)算力运营：从资源管理向智能化服务交付演进

算力运营的核心目标，是提升算力资源利用效率，实现基础设施能力向服务能力的转化。传统数据中心运营模式主要围绕机柜、电力和网络资源管理展开，而AIDC运营则需要进一步实现算力资源池化、任务调度优化以及软硬件协同管理。通过统一算力管理平台，可实现不同类型AI算力资源的抽象化管理，根据模型训练、推理服务以及行业应用需求进行动态分配，提高GPU等高价值计算资源利用率。

(3)算力供给模式：多元主体协同发展的生态格局

随着AI产业进入规模化应用阶段，算力供给模式逐渐呈现多主体参与、差异化竞争的发展格局。目前主要形成以下几类模式。

①云服务企业自建算力集群模式

大型云服务企业依托自身的软件生态、云平台能力以及客户资源，建设大规模AI算力集群，并通过云平台向外提供弹性算力服务。该模式的优势在于具备完整的软件生态和资源调度能力，能够快速支撑大模型训练、推理服务以及企业级AI应用部署。

②运营商及基础设施服务商模式

通信运营商和基础设施服务企业凭借网络资源、能源获取能力、区域节点布局以及大型工程建设能力，成为算力基础设施建设的重要参与者。其主要通过建设公共智算中心、区域算力节点以及定制化基础设施服务，为政府、企业和行业用户提供稳定可靠的算力底座。该模式在推动算力资源普惠化、区域均衡布局以及全国算力网络建设方面发挥着重要作用。

③专业数据中心及算力基础设施运营模式

传统数据中心运营企业依托长期积累的数据中心建设经验、土地资源、电力资源以及运维能力，逐步向AI算力基础设施服务转型。其业务模式由传统机柜托管、电力保障和基础运维，进一步延伸至高密度算力托管、液冷基础设施服务以及算力集群运营。

④专业算力服务商模式

专业算力服务商通过采购或租赁高性能AI硬件资源，构建灵活的算力供应能力，满足中小企业、科研机构以及垂直行业客户的弹性计算需求。该模式能够填补大型云平台标准化服务与行业客户个性化需求之间的市场空白，为AI应用初期快速部署提供支撑。

(本文作者吕阳明负责华为云计算数据中心、网络及服务器等核心云基础设施业务的运营与管理；木斌现任华为基建机电与暖通设计管理部部长，负责数据中心和高端制造厂房领域的规划设计业务。文章仅代表作者个人观点，不代表本刊立场。)