程强、陈梦洁、徐宇博（程强系德邦证券研究所所长、首席经济学家、中国首席经济学家论坛理事）
Keyword
摘要
算力跃升至国家级生产力底座，自主可控成核心主线。算力已升级为数字经济时代的新型核心生产力，是支撑新质生产力发展的底层基础设施。“十五五”期间算力网直接投资规模约4万亿元，目前“8+10+3”网络架构已全面铺开，截止26年一季度，智算规模占全国总量80%以上。全球科技博弈背景下，高端算力芯片管制持续加码，倒逼国产替代加速，自主可控成为贯穿全产业链的确定性主线。
高投资乘数叠加算电协同，六网耦合释放系统效益。算力网具备显著优于传统基建的经济拉动效应，算力规模每提升1%可带动GDP上行0.426‰，4万亿元直接投资可拉动全产业链总产出增长12-16万亿元，且价值具备长期持续性。作为“六张网”中唯一的数字底座，算力网与电网、通信网、物流网等双向赋能，形成“1+1>2”的系统效益。
推理先行、训练跟进双轮驱动，三类主体共同承接增长。需求端呈现“推理爆发、训练跟进”的格局：推理端，Token调用量指数级增长，2025-2030年国内复合增速预计达210%，国产大模型凭借架构与成本优势，调用规模已超越美国头部模型；训练端，随国内大模型向万亿级参数扩张，算力需求将快速释放，中美算力资本开支差距有望逐步收敛。供给端形成差异化竞争格局：互联网云厂商为核心供给力量，资本开支加速向AI算力倾斜；电信运营商以算网一体为战略，依托枢纽节点布局智算园区；地方智算中心与第三方IDC为重要补充，共同承接算力建设需求。
区域格局上，东西分化与梯队承接并存。算力选址逻辑已从“网络枢纽导向”转向“电力资源导向”，形成“西部分担成本、东部承接场景”的分化格局。（1）西部四大枢纽依托绿电价格与气候冷源构筑成本壁垒，核心节点绿电占比超80%、PUE低至1.1以下，主要承接非实时训练算力。（2）东部四大枢纽凭借毫秒级低时延优势，锚定自动驾驶、金融高频交易等高附加值场景，算力溢价具备刚性支撑。（3）山东、河南、海南等第二梯队省份依托产业、区位、政策优势加速卡位，北美算力向电力富集区转移的经验，进一步验证了该布局逻辑的合理性。
产业链拆分看，4万亿投资集中于计算设备，技术迭代推动结构升级。4万亿元算力直接投资中，我们测算计算设备占比约88%（约3.5万亿元），是价值最集中的环节；数据中心建设约5000亿元。细分结构上，GPU服务器占计算设备成本的60%-70%，GPU芯片为核心价值载体；单机柜功率从传统15kW提升至200kW，推动冷却系统从主导向液冷升级；万卡、十万卡级集群普及，驱动交换机、光模块等网络设备向更高带宽迭代，量价齐升逻辑明确。
投资机会上，沿算力建设链条，建议把握五大核心主线。①AI服务器与半导体，产业链弹性较高，国产替代加持下增速有望领跑全行业；②高速网络设备，大集群互联驱动带宽升级，量价齐升确定性较强；③液冷散热，功率突破风冷上限，迎来规模化普及拐点；④IDC与电信运营商，算力建设核心承载主体，业绩增长确定性较强；⑤算力调度与运维软件，全国一体化组网加速，配套工具价值有望持续凸显。
风险提示：宏观经济波动导致企业资本开支不及预期；市场风格切换引发板块估值波动；产业链订单落地与业绩兑现节奏慢于预期。
报告正文
1
算力网战略定位：从分散基建到国家级生产力底座
在数字经济、人工智能、大数据时代，算力被定位为与水、电、路、网同等重要的基础资源，全国算力网建设的宏观叙事核心是：谁掌握规模化、低成本、高效率的算力供给，谁就掌握未来产业竞争和科技创新的主动权。因此，要像保障能源电力供应一样，保障算力供应。
同时，在全球贸易脱钩与产业链重构的背景下，世界经济正经历从“效率优先”向“安全与韧性并重”的深刻转型。算力基础设施直接关系国家数据主权和网络安全，是国家安全的重要基石。因此，宏观叙事更加强调构建自主可控的算力底座，涵盖国产芯片、操作系统、网络设备、调度平台等关键环节，避免在核心基础设施上受制于人。
1.1. 算力定位升级，已成新质生产力基石
算力已升级为数字经济时代的新型核心生产力，算力对经济的拉动效应显著。算力经济以算力为核心生产要素，以算力基础设施为关键载体，贯穿芯片设计制造、服务器与网络设备、数据中心建设运营、云计算与算力服务、人工智能算法应用等上下游环节，形成完整的产业生态。
算力规模与GDP的正相关关系已被多国验证。据中国信通院测算，每投入1元算力，可带动3—4元经济产出，这种高乘数效应源于算力的通用目的技术属性：它不像传统基建那样一次性改善物流或通行条件，而是通过持续赋能制造、金融、交通、医疗、能源等千行百业的数字化、智能化转型，催生新业态、新模式，形成“一次投入、持续产出、生态外溢”的增长机制。从国际经验看，算力指数领先的经济体，其数字经济规模、全要素生产率和创新活跃度通常也居于前列；算力水平的提升与GDP增速、劳动生产率改善之间存在显著正向关联。同时，算力基础设施投资还能带动上游芯片、服务器、网络设备制造和下游软件、数据服务、人工智能应用等产业链协同发展，进一步放大对GDP的贡献。
从产业属性看，算力已成为与水、电同等重要的生产要素。AI大模型训练与推理需求呈指数级增长，训练侧主流大模型的算力消耗每3-4个月翻一番，推理侧随着AI应用在各行业落地，Token调用量持续倍增。截至2026年3月，国内日均Token消耗量达到140万亿，呈现指数级增长。
1.2. 系统性基建迭代，迈入“六张网”新时代
从顶层设计看，算力网已纳入国家新型基建的核心框架。“十五五”规划《纲要》首次写入“适度超前建设新型基础设施”，明确提出“加快建设全国一体化算力网，推进算力资源规模化、集约化、绿色化、普惠化发展”，将算力与算法、数据并列为数智化发展的三大底座。
在“六张网”体系中，算力网是唯一的数字类基础设施，承接了“东数西算”工程的建设基础，完成了从分散项目到国家级一体化网络的升级。2022年“东数西算”工程正式启动，2023年底五部门联合发文明确向“算力网络化、调度一体化、资源市场化”转型，目前“8+10+3”（8大国家算力枢纽+10个数据中心集群+3个算电协同发展区域）的网络架构已全面铺开。近两年围绕算力枢纽已建成超70条算力大通道，截至2025年底，全国已建成145条枢纽干线光缆，8大枢纽互联互通时延降至20毫秒以内，截至今年一季度，枢纽节点智算规模占全国总量的80%以上。
1.3. 全球科技博弈，自主可控成为确定性主线
从全球视角看，算力基础设施已成为大国科技博弈的核心赛道。海外主要经济体均在加码算力投入：美国以“星际之门”计划推动数千亿美元级AI基建投资，欧盟通过InvestAI计划动员约2000亿欧元；韩国通过三大超级项目投入超过1万亿美元用于半导体生产、AI数据中心等战略产业发展。
与此同时，美方高端算卡出口管制持续加码，A100、H100等型号层层收紧，核心目标是限制我国AI产业的高端算力获取能力。目前，以昇腾、寒武纪、海光为代表的国产算力芯片在推理侧已实现规模化替代，训练侧集群化能力持续追赶；5月华为发布半导体“韬（τ）定律”，提出从追赶转向范式创新的技术路线。从产业链看，自主可控已成为贯穿各环节的确定性主线：（1）上游，先进制程代工、HBM存储、AI芯片的国产化率有望持续提升；（2）中游，服务器整机、数据中心建设与算力调度软件的自主化进程加快；（3）下游，国产大模型与国产算力形成“模芯协同”。“十五五”规划《纲要》明确要求“加快培育自主可控、协同运行的软硬件生态”。
2
算力网协同价值：高投资乘数与算电协同的双重红利
算力网的宏观价值需要从量化维度进一步验证。其价值不仅限于自身投资拉动，更在于与其他基建网络的耦合效应，以及对新能源消纳的结构性贡献。
2.1. 宏观测算：高投资乘数与绿电消纳的双重价值
算力网络作为新型数字基础设施，经济拉动潜力显著优于传统基建。从产出弹性看，据《算力经济发展研究报告（2025年）》，算力规模每提升1%，可带动GDP上行0.426‰。不同于传统基建投资拉动效应集中于建设阶段，算力网络价值具备持续性。项目建成投运后，在算力调度、算力交易、数字化服务等运营环节仍能持续创造经济产出，兼顾了短期稳增长与长期产业升级。按“十五五”4万亿元直接投资测算，可带动经济总产出增长12-16万亿元，宏观拉动效应十分可观。
算力网另一重要价值是作为西部新能源消纳的核心载体，这也是算电协同的底层逻辑。我国风光资源高度集中在西部，但本地用电负荷不足、外送通道建设周期长，绿电就地消纳长期存在痛点；而算力负荷具有可调节、可迁移的特点，天然适合与新能源就地匹配。
算力网建设有望实现双碳目标与算力成本的同步下降。随着规模化算力集群在西部枢纽落地，枢纽节点绿电占比目标可超过80%，既解决了新能源消纳问题，又系统性降低了算力运营成本。电力成本约占数据中心运营成本的50%，西部绿电价格较东部普遍较低，叠加绿电直供模式，可实现双碳目标与算力成本下降的双赢。除此之外，数据中心是用能大户，绿电占比提升直接降低算力的碳排放强度。从落地案例看，广东阳江海底算力中心依托海上风电绿电直供、能效提升30%以上，宁夏中卫光伏电力“点对点”直送机房，均验证了算力与电力动态匹配的可行性。
2.2. 六网耦合：产生“1+1>2”的系统效益
更进一步，算力网作为“六张网”的数字底座，与其余五网形成双向耦合，产生“1+1>2”的系统效益，其中算电协同是现实紧迫性较强的一组关系。
算力网与新型电网形成双向协同。这是六网融合中现实紧迫性较强的一组关系，可从“以电强算”与“以算促电”两个维度理解。以电强算：算力设施耗电量大、需要全天连续运行，光伏、风电加储能组成的新型电网，能为其提供稳定、清洁、低成本的电力，是算力规模化部署的基础。以算促电：算力网反向赋能新型电网，通过实时数据分析和智能调度，实现电力资源的柔性调节和最优配置。2026年6月完成的全国首个跨三地算电协同测试，成功实现三种异构算力的跨时空调度，将推理任务平移至谷电时段运行，验证了算力负荷作为柔性负荷参与电网调峰的可行性。
除此之外，算力网与新一代通信网互为支撑，低时延大带宽网络是算力跨区域流动的物理基础，5G-A通感一体化则为算力提供了丰富的场景数据；算力网与物流网双向适配，物流体系保障算力硬件跨区域调配，算力平台则优化物流周转效率；算力网与水网、地下管网构建承载与赋能机制，水网提供冷却用水，算力则提升管网运维效率。算力平台有望推动物流车辆空载率下降，管网故障预警响应时长进一步压缩。
综合来看，算力网一方面从其他网络获得能源、传输、流通、配套等物理支撑，另一方面又以数据和计算能力反向提升各网的运行效率，打通要素流通壁垒，有效实现六网耦合，其系统价值远超单一基建项目。
3
供需测算：推理先行、训练跟进的双轮驱动格局
算力网的长期价值最终由供需基本面决定。当前国内算力需求呈现“推理端率先爆发、训练端加速跟进”的特征，供给端则形成云厂商、运营商、第三方IDC三足鼎立的格局。本部分将从推理、训练两端测算算力需求，并梳理三大供给主体的建设进展。
3.1. 需求端：推理Token调用爆发，中美量价结构分化
3.1.1 推理端：需求已进入指数级增长通道
推理端需求持续增长。从全球数据看，根据OpenRouter的API调用量数据，2026年8月9日当周Token调用量达到69万亿，环比上周增长21.48%，相较2025年同期8月18日当周的3.2万亿增长显著。
从国内看数据看，据艾媒咨询，2025年中国词元调用总量达24,619.3万亿次；预计2026年将增至111,799.5万亿次，2030年进一步攀升至7,046,680.4万亿次，2025–2030年复合增长率为210%。
一个值得关注的现象是，中国大模型调用量高于美国大模型。根据OpenRouter的API调用量数据，2026年8月9日当周前十大的大模型中，5款中国大模型（DeepSeek V4 Flash（0731版）、Hy3、DeepSeek V4 Flash（0423版）、MiMo-V2.5、DeepSeek V4 Pro）合计Token调用量达到33.47万亿，而美国大模型Token合计则为14.2万亿，中国大模型Token调用量显著高于美国。
价格层面，国产大模型成本优势显著。根据ArtificialAnalysis，国内大模型尤其是DeepSeek在价格端优势较为明显，DeepSeek V4 Pro（0813版）的单任务成本为0.06美元，而GPT-5.6Sol成本超过1美元，ClaudeFable5的成本超过3美元；以百万Token定价来看，DeepSeek V4 Pro此前的综合价格为0.18美元，而GPT-5.6 Sol和Claude Fable 5的价格均远远高于这个水平。这一差异的核心并非算力规模优势，而是源于价格与模型架构的双重优势。
一方面，这种低价并非亏损补贴，而是来自成本端的真实优化。中国头部云厂的资本开支显著小于美国云厂，根据TrendForce，2026年谷歌、亚马逊、Meta、微软、甲骨文以及字节跳动、腾讯、阿里巴巴、百度等九大CSP资本支出将突破8,867亿美元，其中北美五大CSP合计占比近90%，各自的资本支出也多实现翻倍提升，而国内CSP的占比仍然较小，也反映出国内整体的算力规模小于美国。而国内可以在较小算力规模下实现更多的Token调用，且Token价格较低，我们认为以下几个方面值得关注：
首先，国内大模型公司的推理业务处于盈利状态。例如智谱官网对GLM4-Plus的定价为5元/百万Token，这一价格高于DeepSeek，但仍低于海外主要大模型，而其开放平台及API业务2025年毛利率达到18.9%，相较2024年提升明显；以MiniMax-M3为例，其综合价格为0.22美元/百万Token，其综合毛利率从2024年的12.2%提升至2025年的25.4%；而梁文峰也表示，DeepSeek不追求商业利益最大化，而是保持“合理”的利润，“大概是我们到市场上买一批设备回来，十个月收回成本”。这表明国内模型的低价并不是源于企业补贴，而更多是来自成本端。
其次，国内的低电价可以降低大模型推理的成本，但总体程度有限。我们假设美国AI数据中心的投资成本为1500万美元/MW左右，服务器+数据中心+能源的总投资约为5000万美元/MW左右，其中数据中心折旧为20年，服务器折旧为5年。则以一个1GW的数据中心来说，前5年的年均折旧为78亿美元，而年均用电量为功率×365（天）×24（小时）×1.2（PUE）=10.5TWh，假设美国电费为14美分/度，则数据中心的电费成本为14.7亿美元，相比折旧成本的规模仍然较低。对于国内来说，假设相同算力规模下服务器支出差异不大，单纯考虑电费的情况下运行成本的确低于美国，但整体成本的差异无法与Token价格的差异相对应，不足以解释数倍的价格差距。
另一方面，模型架构才是价格分化的核心原因。美国大模型中存在部分闭源模型，本身价格相对偏贵，而中国大模型更多采用混合专家模型，激活参数相比总参数的占比较低。但同时这一情况正在发生变化，其明显特征在于国内大模型API价格的上调，以Deepseek为例，DeepSeek V4 Pro（0813版）此前每百万Token的缓存命中/缓存未命中/输出价格分别为0.025/3/6元，而8月17日起执行的新价格已明显上调。随着国内模型向更高性能升级，单位Token算力消耗逐步提升，API价格已进入上行通道。2026年8月17日DeepSeek全线产品调价，高峰时段输出Token价格涨幅达350%，我们认为，这本质上反映了模型升级带动算力成本上升的趋势，相同输出下需要更高的算力规模。
3.1.2 训练端：模型参数扩张，中美资本开支差异或收敛
如果说推理端的需求爆发主要体现为Token调用量的指数级增长，那么训练端的需求驱动则更多来自模型参数的持续扩张。
从训练端来看，国外的算力资本开支中有相当一部分比例是在支持大模型训练。从美国几家大型云厂的情况来看，其长期订单规模从25Q3-26Q1间大幅增长，谷歌，微软，亚马逊和甲骨文的合计RPO/backlog从25Q2的0.8万亿美元左右增长至26Q1的2万亿美元左右，而增长的主要动力源自OpenAI和Anthropic两家头部大模型公司。从Q2表现来看，云厂的AI云业务呈现快速增长的态势，同时与资本开支的匹配程度较高，但另一方面，26Q2谷歌、亚马逊、微软、甲骨文的云业务季度营收相较25Q4增长219亿美元，而两家头部大模型公司的实际季度营收低于这个数值，考虑到推理业务的正毛利率，我们认为两家公司的算力需求中训练的占比仍然较大。
国内市场同样处于参数扩张通道，例如DeepSeek V4 Pro的参数达到1.6万亿个，相比V4 Flash的284B参数提升显著；而Kimi K3则成为首个达到2.8万亿参数的开源模型。随着模型参数与性能持续提升，训练端算力需求将快速释放，推动中美算力资本开支差距逐步收敛。
整体来看，我们认为随着国内大模型参数，性能持续提升，其推理和训练所需的算力成本持续增长，中国和美国之间的资本开支比例差异或有所收敛，同时，在总量上算力投资随着Token调用量快速增长仍将继续上行。考虑到26年中国主要云厂在九大云厂合计资本开支8867亿美元中仅占10%，加之国内运营商及其他主体的算力建设，我们认为国家发改委引用有关机构的“十五五时期算力网建设将新增直接投资4万亿元”测算具备较为坚实支撑。
3.2. 供给端：云厂、运营商、第三方IDC三足鼎立，共同承接算力增长
当前国内算力供给形成了互联网云厂商、基础电信运营商、地方智算中心与第三方IDC三类主体差异化竞争的格局。其中，互联网厂商是国内AI算力供给的核心力量，资本开支重心持续向AI算力倾斜，其中腾讯26Q2公司资本开支上升至528亿元，远超预期的321亿元，是上年同期191亿元的近三倍，其中绝大部分增量流向数据中心、GPU服务器与智算集群；阿里巴巴26Q1资本开支同样增长至269亿元；百度26Q1资本开支达到58亿元，同比25Q1的29亿元增长明显。整体来看，云厂商兼顾“自用+对外售卖”，建设迭代速度快，算力调度、模型适配能力强，主要服务AI企业、互联网及中大型政企客户，同时也会向第三方IDC租赁机柜，平滑资本开支压力。
基础电信运营商（中国移动、中国电信、中国联通）则以算网一体为核心战略，结构性加大算力网络投入，优先布局东数西算八大国家算力枢纽节点，重点建设AIDC智算园区。其中中国电信持续建设面向智算的新一代AIDC基础设施，紧密围绕“东数西算”战略优化资源布局，按照高密度、高IT产出率，灵活扩展、灵活建设的建设标准，现已建成15个百兆瓦级枢纽节点AIDC园区，AIDC资源总量达到7GW；中国联通加强“东数西算”枢纽节点和绿色算电示范省的资源布局，机架规模超过110万架，建成7个百兆瓦级AIDC园区，智算规模达到45EFLOPS，公司预期26年资本开支500亿元，其中算力投资占比超过35%；中国移动也提到将加快AIDC、算力等能力提升。一是加大AIDC枢纽节点投入，打造更多GW级算力园区；二是加速算力供给，建设超大规模智算集群，升级算网大脑，支撑内外部算力资源一体化高效调度。运营商的优势在于网络资源与基建能力，是算力网络建设的中坚力量。
其他供给主体主要包含地方政府主导的智算中心以及第三方IDC厂商，成为算力供给的重要补充力量。地方智算中心多由地方平台公司牵头，结合专项债、产业补贴进行投资建设，广泛布局各省市，目标是带动本地AI产业集聚；而以万国数据、数据港为代表的第三方IDC厂商，以算力园区建设运营为主，向云厂商、AI创业公司提供机柜托管、算力租赁等服务，补充市场弹性供给，和云厂商、运营商形成竞合关系。
4
区域格局：电力导向下的东西分化与梯队承接
中国东部有数据、有应用、有资本，但土地、能源紧张；西部有丰富的土地、气候和可再生能源，但相对缺乏产业和需求。全国算力网通过“东数西算”工程，把东部产生的海量数据引导到西部计算和存储，实现：东部聚焦实时性高的“热数据”和产业应用；西部承接离线、非实时的“冷数据”和后台加工。这既是资源优化配置，也是通过算力基础设施带动西部发展，缩小区域数字鸿沟。
供需总量明确之后，算力的空间分布由成本与时延两个核心因素决定，由此形成了“西部分担成本、东部承接场景”的分化格局，这与全球算力产业向电力富集区转移的趋势高度一致。
根据工信部数据，截至2026年6月底，全国智能算力规模达2185EFLOPS（FP16）。从规模占比来看，东部、中部、西部、东北地区智算规模占比分别是55.9%、10.6%、32.6%、0.9%。整体看，西部以绿色低成本承接非实时需求，东部以低时延高附加值锚定产业需求。
4.1. 西部四大枢纽：绿色低成本算力的核心承载地
内蒙古、宁夏、甘肃、贵州四大西部枢纽的核心竞争力，是“能源价格×气候禀赋”共同构筑的成本壁垒，这也是算力产业向西部转移的底层逻辑，可沿五个维度验证：
电价层面，甘肃庆阳绿电聚合电价低至0.398元/度，处于全国低位；和林格尔借助绿电交易、源网荷储直供，数据中心绿电占比超80%。西部度电成本较东部普遍低0.15—0.25元。
能效PUE层面，宁夏中卫标杆项目采用全自然风冷，PUE可降至1.1以下；内蒙古和林格尔新建数据中心平均PUE1.18、最低1.15，西部枢纽PUE整体优于全国均值。
利用率层面，西部算力设施利用率持续改善，“十四五”期间贵安重点园区上架率达73%，综合算力水平位于全国前列；截至今年6月底，工信部数据显示全国算力设施整体上架率71.4%。
功能定位上，西部承接的是东部非实时算力需求，贵州算力用户90%以上来自省外，Kimi、DeepSeek等主流大模型训练业务目前已落地宁夏、甘肃枢纽中心。产业资本加速布局西部绿色算力，宁夏中卫算力项目签约总投资1885亿元，甘肃庆阳正在加快投资建设国内第一个国产十万卡训推一体智算集群，投资规模约366亿元。
4.2. 东部四大枢纽：低时延高附加值算力的核心发源地
京津冀、长三角、粤港澳、成渝四大国家算力枢纽节点的核心价值在于贴近需求的 “最后一公里”，重点承载自动驾驶、金融高频交易、工业实时控制等低时延业务，这部分需求无法通过西部算力替代，因此支撑了显著的算力溢价。
算力密度上，粤港澳集群算力规模一年增长8倍至4万P，建成大湾区首个万卡集群；长三角嘉善移动智算中心一期50亿元、规划5万卡级，可承载千亿参数大模型训练。
产业渗透率上，东部算力深度嵌入产业场景——芜湖首创“四算合一”平台接入59个数据中心、交易额近5亿元；粤港澳韶关依托“来数加工”数据特区实现“港数韶算、澳数韶算”，算力成本仅为中国香港的1/3，开辟算力出海通道。
时延是东部枢纽的核心护城河。东部电价、土地与人力成本高企，算力单价显著高于西部，但低时延构成不可替代性。呼和浩特至长三角时延10ms、乌兰察布至京津冀5ms以内，而金融交易、自动驾驶、工业互联网等实时业务需要本地闭环，支撑东部算力维持溢价。
4.3. 候选省级算力枢纽：山东等第二梯队省份加速卡位
在八大国家枢纽之外，山东、河南、海南等省份正依托自身优势加速卡位，成为算力网络的第二梯队，我们认为其中山东的综合优势最为突出。
山东作为重点候选省份，正加快构建全省一体化算力网络。截至2025年底，山东全省算力总规模达到23.18E，相较“十四五”初期增长近3倍，其中智能算力规模达11.83E，占比超过51%。全省投产算力中心234个，智算产业规模突破1000亿元。全省各类算力中心已累计承载超3800个产业类平台，为26.24万家企业提供数智化转型服务。
山东的区位优势在于四大方面：
一是产业需求支撑方面，山东是经济大省，2025年GDP总量成为北方首个突破10万亿的省份，工业体系门类齐全，制造业数字化转型产生大量算力需求。2025年全省人工智能核心产业营收实现1289.3亿元，约占全国总量的十分之一，同比增长39.2%。
二是绿电资源带来的电力成本优势。山东沿海风电、光伏资源丰富。这些绿电资源可为数据中心提供直供或就近消纳方案，降低PUE和用电成本。同时，山东连接京津冀的重要通道，在承接京津冀外溢需求方面具备天然区位优势。
三是海水冷却资源优势。山东半岛海岸线绵长，海水是数据中心天然的免费冷源，可替代传统机械制冷、压缩PUE，与沿海绿电形成"绿电直供+海水冷却"的成本双优势。此外青岛海洋科研机构集聚，海洋大数据、海洋模拟等高算力场景可就地消纳，形成"以海养算、以算促海"的闭环。
四是政策扶持优势。《山东省国民经济和社会发展第十五个五年规划纲要》明确26年全省算力总规模力争突破3万P、智算占比将超55%，重点打造济青枣三大省级算力枢纽；率先推出10亿元"算力券"，带动26年智能算力交易超4亿元。
河南、海南则走差异化路线：
一方面，河南依托郑州努力打造全国一体化算力网重要枢纽。2026年7月，国内首座全链路国产十万卡AI超集群在郑州落成，为新材料、创新药等多个领域提供融合算力支持。河南同时加快400G/800G高速光传输网络部署，探索跨地区算力调度、算电融合联动等协同模式。
另一方面，海南在跨境算力服务领域打造差异化竞争力。海南海底智算中心集群于2026年5月建成，当前计算能力相当于约3万台高端游戏电脑同时运算。中国电信海南（三亚）国际信息园也已开工建设，规划约800PFlops基础算力或30000PFlops的AI智能算力，为“算力出海”提供基础设施支撑。
4.4. 国际对标：北美算力产业的经验参照
北美算力产业的发展历程，为我国算力网建设提供了清晰参照。北美数据中心市场规模与增速均处全球领先地位。据Synergy Research Group最新数据，截至25年Q3，全球超大规模数据中心达1297个，美国占比提升至55%。北美数据中心市场2025年总规模约22.1GW，预计2030年达28.6GW。
美国算力市场整体呈现“一超、多强、前沿转移”格局。“一超”为北弗吉尼亚“数据中心走廊”，集聚300余座数据中心、存量4.04GW，居全球之首，空置率仅0.5%。“多强”包括亚特兰大（增速最快）、达拉斯-沃斯堡（第三个破1GW）、芝加哥、硅谷（电力受限，增长趋缓）等。电力正成为选址第一约束，推动64%的在建容量转向西德州、俄亥俄、田纳西等电力富余地区。我们认为，美国算力地理的迁移逻辑与中国"东数西算"本质同构——从"网络枢纽导向"转向"电力资源导向"，电力正取代土地成为算力时代的不动产。
北美算力建设具备“需求高度集中、地理向外扩散、电力决定上限、金融化加速推进”的典型特征，对我国算力网建设具有直接参照价值：
一是枢纽布局平衡核心市场与新兴增长。北美从弗吉尼亚向德州、中西部扩散的经验表明，当核心枢纽受制于土地与电力瓶颈时，应提前布局二级承接区。我国“东数西算”已在西部部署枢纽，候选省份如山东、河南可扮演类似“新兴扩散承接区”的角色；
二是算力规划须与电力系统深度协同。北美“缺电”已是前车之鉴，凸显了算力扩张与电网容量之间的结构性错配。我国需将“算电协同”上升为顶层设计，提前规划绿电直供与储能配套；
三是积极探索算力市场化定价机制。CME算力期货将算力从产业成本转化为可交易的金融资产，为算力资源配置提供了价格发现与风险对冲工具。我国可借鉴其经验，探索建立区域性算力交易平台与价格指数，以市场化手段优化算力资源配置。
5
产业链拆分：4万亿投资的结构分布
从空间格局落到产业细节，4万亿元算力直接投资沿着算力产业链自上而下传导可拆解为计算设备、数据中心建设、电力配套三大类，不同环节的价值量与增长逻辑各不相同。根据Epoch AI数据，目前1GW数据中心的建设成本在100亿美元左右，芯片等计算设备的建设成本在200亿美元左右，分别对应1000万美元/MW和2000万美元/MW左右。从国内的情况来看，国内数据中心成本相较美国较低，以无锡的尚航华东云基地为例，项目总投资超过20亿元，对应100MW容量，每MW投资规模在2000万元左右。而另一方面，考虑到国内算力建设中海外供给仍占有一定比例，且国内芯片虽然在价格上更有优势，但性能上仍有差异，因此我们认为计算设备成本中美两国差异应该不大。以“十五五”时期算力网建设将新增直接投资4万亿元来测算：其中计算设备投资约3.5万亿元、数据中心建设约5000亿元（详见表3）。
细分来看，数据中心建设中电力/能源和冷却系统的成本持续抬升。以传统云数据中心为例，单台服务器的功率在5-15kW，冷却系统普遍采用风冷；而改造型AI数据中心中，以Hopper系列GPU为例，单台服务器功率在40kW左右，冷却系统仍以风冷为主；而新型的AI数据中心中，以GB200NVL72为例，单台服务器功率在130~200kW，冷却系统采用风冷和液冷结合的形式。根据irecruit测算，美国数据中心建设成本中，电力及能源的成本占比最高，为40%~45%；冷却系统次之，占比为15%~25%。同时随着冗余等级的提高，相关成本占比可能进一步提升。
计算单元的成本主要集中在GPU服务器、网络通信设备以及存储服务器上。其中GPU服务器内主要包含GPU芯片、CPU芯片、内存、电源、机箱等，总成本占比在60~70%；网络通信设备主要包括交换机、光模块、光纤等，总成本占比在10%~25%；而存储服务器主要以NandFlash芯片为主，成本占比在0~15%。GPU服务器内部，以B200/B300的8卡服务器来看，主要根据美国算力公司数据，GPU板块（包含GPU芯片和HBM芯片）成本占比最高，单台成本在20~30万美元；CPU成本在3000~15000美元；Dram芯片成本在5000~10000美元，考虑到存储价格上涨，目前存储实际成本可能更高。
电力能源建设成本受区域能源禀赋、电网基础条件等多重因素影响，不同地区差异显著。我国西部地区风光、水电资源富集，电力供给相对充裕，适配AI算力大规模建设需求，单位MW对应的外部电力配套建设投入往往低于东部地区。而东部经济发达区域现有电网负荷趋于饱和，算力项目可能需要新建、扩容高压输电专线，电力配套的建设投资会显著抬升。从国内东数西算枢纽落地实践来看，内蒙古和林格尔、宁夏中卫等西部节点，已经大规模布局大模型训练智算集群。
6
投资机会：五大主线把握算力建设红利
从战略定位到供需测算，从产业链拆解到区域格局，全国算力网建设的图景已渐次展开。Token调用量持续爆发，叠加国内大模型参数规模不断扩张，推理、训练端算力需求同步上行。“十五五”时期国内算力网建设有望迎来4万亿元直接投资，沿着算力基建向上，算力产业链多环节具备投资机遇，我们认为可重点关注五大主线：
主线一：AI服务器为算力核心，半导体及配套环节弹性预计最大。计算设备是算力建设投资中占比最高的部分，AI服务器作为算力载体，价值量主要集中在GPU、CPU、存储芯片等半导体器件。一方面大模型训练/推理所需算力规模持续扩大，拉动AI服务器采购需求，服务器整机、核心芯片及配套零部件环节充分受益。另一方面国内算力自主可控必要性凸显，国产GPU性能不断迭代、国产化渗透率持续提升；国内存储厂商、晶圆代工厂加速扩产，国产算力产业链增速有望超过行业增长中枢。
主线二：大集群高速互联，算力网络设备持续迭代。万卡、十万卡规模训练集群，以及整机柜多GPU集成架构，对服务器内部、集群之间等场景的通信带宽提出极高要求，高频大量数据交互推动交换机、光模块、DPU、高速线缆等网络硬件迭代升级。同时，带宽规格持续向更高世代演进，硬件更新换代带来量价齐升，网络设备产业链有望充分受益于国内算力建设。
主线三：服务器功率上行，液冷散热产业链需求打开。新一代AI单机柜功率大幅提升，传统风冷散热方案面对超高功耗服务器存在散热效率瓶颈，液冷成为高密度智算中心的刚需方案。数据中心建设成本中冷却系统占比本身已占有一定比例，随着服务器功耗进一步提高，液冷系统、CDU、管路接头等散热产品的资本开支占比或持续抬升。高密度智算项目落地有望驱动液冷走向规模化普及，全产业链迎来增量。
主线四：算力加速建设，IDC厂商与基础电信运营商有望充分受益。AI算力需求爆发带动智算中心建设扩张，算力供给主体多元化。第三方IDC厂商手握区位优势、建设经验充足，有望受益于云厂商、AI企业算力租赁和场地需求。电信运营商依托网络资源、土地资源以及东数西算政策导向，大规模布局智算园区，推进算网一体化建设，算力业务成为第二增长曲线。
主线五：大规模集群落地，数据中心配套软件具备成长空间。大规模智算集群在硬件之外的运维调度难度显著提升。多节点算力需要算力调度平台、算网大脑完成资源统一编排分配；同时集群监控、网络管理、存储调度、故障运维、模型任务管理等软件工具是保障集群高利用率的关键。随着国内多智算节点互联互通建设推进，算力调度、集群运维类配套软件的商业价值有望持续凸显。
7
风险提示
（1）宏观经济波动风险：若宏观经济复苏不及预期，企业资本开支节奏或放缓，算力建设进度可能低于预期；
（2）市场风格切换风险：市场风险偏好回落或板块轮动加快，可能导致算力产业链相关标的估值波动；
（3）业绩兑现不及预期风险：若产业链相关环节订单落地与业绩兑现节奏慢于预期，板块表现可能受到影响。