物理 AI 时代的产业逻辑推演—— AIDC 算力底座

文 | 算力启元

2026 年 WAIC 释放了一个清晰信号：AI 行业正在从数字世界走向物理世界。

这不是渐进式升级，而是一次根本性的方向切换。过去十年，AI 的战场在语言、图像、视频——让机器学会理解和生成虚拟内容；而 2026 年，整个行业的重心开始越过屏幕，去锚定真实的物理入口。

这个物理世界并非单一场景，而是一个庞大、多层次的新大陆。从具身智能通过多模态传感器在真实世界采集物理状态数据，到多源异构数据的清洗、标注与闭环治理，进而实现数据的平台化、规模化供给，最终由AIDC（人工智能数据中心）提供算力底座。这四个环节，恰好构成了物理 AI 时代 " 数据基建 " 的完整链条：采集 → 治理 → 供给 → 算力。这并非单向的流水线，而是一个持续循环、相互增强的数据飞轮。

物理 AI 的每一次感知、每一个决策、每一步行动，背后都是数据的驱动。采集与算力决定了飞轮能否转动，而数据治理的闭环效率和数据供给的规模化能力决定了数据飞轮能转多快、飞多高。

算力：当前最大的赛点

算力环节存在两条并行的路径：其一，是承担模型训练与复杂推理的云端 AIDC；其二，是承担实时执行与本地决策的边缘 AIDC。本篇聚焦前者（边缘的潜在市场可能比云端更大，但那是物理 AI 铺开之后的事。当前先解决模型能力——而大规模预训练只能靠云端）。

如果说传感器是物理 AI 的 " 神经末梢 "，数据治理是 " 中枢神经系统 "，那么 AIDC 就是支撑这一切运转的心脏。它既是物理 AI 训练与推理的算力底座，也通过物理 AI 实现自身的智能化运营。这种双向奔赴的关系，使 AIDC 成为这一浪潮中最先受益的环节。

支撑这一判断的，是清晰的政策信号—— " 十五五 " 规划明确 " 适度超前建设新型基础设施 "，2026 年 7 月国常会进一步要求 " 适度超前布局数字基础设施 "。从顶层设计到执行部署，" 适度超前 " 已成为 AIDC 建设的核心基调。

但 " 适度超前 " 有一个隐含前提：芯片供给的瓶颈必须有一个可行的替代方案。WAIC 2026 释放了一个关键信号：超过 20 家国产芯片企业集中发布超节点与超集群方案，竞争主轴从单芯片制程追赶切换至系统级协同竞争。用更多的卡、更复杂的互联、更高的功耗去堆出一个集群——这不是一个优雅的方案，而是产业在现实约束下的理性选择。

这条路径被集体选择，说明了算力竞争是物理 AI 浪潮下最大的赛点。

大模型厂商愿意接受这个权宜的国产方案，甚至接受用更多的国产芯片，是因为时间比钱贵。在这个阶段，大模型厂商的生死线不是成本，而是市场份额。谁先跑通业务、谁先积累场景数据、谁先建立用户心智，谁就拥有下一轮的定价权和成本优势。

但还有一方比大模型厂商更着急——云厂商。大模型厂商的急是能不能赢，云厂商的急是能不能做。算力是云厂商的核心商品，没有 AIDC 就没有 AI 云服务可卖。在这一轮竞赛中，云厂商的投资意愿和落地速度，才是 AIDC 产业节奏的真正节拍器。

算力成本是下一个赛点，还轮不到它上桌。能获取足够数量高端芯片的集成商拥有先发优势——谁先掌握让项目落地的能力，谁就能率先锁定客户、跑通交付闭环。在这个阶段，真正的赛点在于建设速度，成本是下一阶段的问题。

算力供给的前提初步达成市场共识之后，产业端的动作已经开始。一批龙头企业正从各自优势领域切入这一赛道：宁德时代从 " 电 " 入手，阳光电源从 " 电的转换 " 入手，华为则构建了一条从芯片到数据中心的全栈自研路径。而在全球市场上，维谛、伊顿、施耐德等凭借深厚的客户关系、技术标准和地缘壁垒，牢牢把守着欧美市场。

AIDC：算力环节的物理承载

AIDC 产业链主要由三大部分构成：

上游：核心硬件与配套系统——计算芯片，在 AI 服务器中占 BOM 成本的 50%-60%。存储芯片及系统，负责数据的读写与持久存储。此外还包括散热制冷系统（液冷）、供配电系统（柴发、变压器、SST、UPS/HVDC、配电柜等）、光模块、交换机等。

中游：基建交付与算力运营——土建（中电建、中能建等）、机电设备集成 / 安装（维谛、伊顿等）、电信运营商（中国移动等）、第三方服务商（万国数据、秦淮数据等）、云服务商（华为云、阿里云、腾讯云等）。

下游：需求方与生态消耗——分为直接采购方（云厂商如字节、阿里、腾讯，capex 驱动）和算力消耗方（大模型厂商如 DeepSeek、月之暗面，Token 驱动；以及政府、科研院校、自动驾驶等终端用户）。

核心赛道分析

赛道一：芯片国产化替代——从 " 单点突破 " 到 " 体系定义 "

芯片是数据基建四环节的共同起点，也是卡脖子最深的环节。存储芯片产业链配套齐全，长鑫存储等企业的上市有望推动国产占比逐步提升。但 AI 算力所依赖的逻辑 / 计算芯片才是真正的硬骨头——高端制造、光刻等环节国产化率仍低，技术壁垒极高。

面对制程瓶颈，产业转向另一条现实路径：用系统级堆叠换取算力可用性。超节点证明了 " 笨重但可行 "，芯片这个唯一瓶颈，暂时有了一个替代方案。但 " 有了 " 不等于 " 说了算 "。国产方案解决了能不能建的问题，整个行业却仍然运行在英伟达定义的游戏规则之下。CUDA 是事实标准，互联协议、开发者生态、甚至连算力的计量方式都由英伟达定义。" 听谁的 " ——还没解决。

华为的全栈自研正是在这个层面展开的。从昇腾芯片到灵衢互联，从欧拉操作系统到 CANN 框架，再到云服务，全部自主可控。同时开放 CANN、MindSpore 等软件栈，用开源吸引开发者共建独立规则。它要在中国境内，重新定义算力的游戏规则。这不是商业策略，是政治必答题。这条路跑通的意义在于——当最极端的情况发生时，中国 AI 算力不会归零。

两条路线将并行演进，各自对应不同的机会方向：

华为脱离英伟达生态自建闭环，主导信创市场；

其他厂商在英伟达规则内争取生存空间，竞争商业市场。

这种分化的底层逻辑是清晰的：信创市场以政策驱动为主，供应链稳定性的权重远高于 Token 成本。而商业市场无法绕开英伟达生态—— Token 成本和开发者迁移成本是硬约束。驱动逻辑不同，市场边界自然不同。

芯片国产化的评判标准，也需从 " 制程纳米数 " 提升至 " 系统定义权 " 的维度——最终衡量的不是谁的单卡性能更强，而是在各自的规则框架内，谁能持续跑通商业闭环。

赛道二：能量存储系统：锂 / 钠 / 固态电池

锂电池是 AIDC 用储能的首选技术路线（合适的能量密度、功率特性、一定的安全性以及长周期低成本特性）。除此之外，钠离子电池（功率型，与锂电池混合使用）和半固态电池（能量密度与安全性）也是市场重点发展方向，相关企业包括宁德时代、海辰储能、鹏辉能源等。

AIDC 用储能最值得关注的变量是供电架构变革带来的价值重构。当 AIDC 从 400V 向 800V 架构演进时，储能系统不再只是 UPS 的附属品，而是成为直流母线侧的主动调节节点。这意味着储能的价值定位从 " 备电 " 升级为 " 调峰 + 备电 + 电能质量治理 " 三合一。能够适配 800V 直流母线、具备毫秒级响应能力的储能系统，其价值量远高于传统的 UPS 配套电池。这个趋势目前被市场低估了。

代表企业分析：

宁德时代——从 " 电 " 出发，打造算力能源底座

战略背景：数据中心本质上是电力转换为算力的设施。AI 算力的爆发式增长，使数据中心从信息处理中心变成了电力消耗大户——据国际能源署（IEA）数据，2025 年全球数据中心电力需求同比增长 17%，其中专用于 AI 大模型的数据中心耗电量增幅高达 50%。对宁德时代而言，AIDC 是其储能电池最直接、最刚需的应用场景之一。

战略考量：

1. 打造能源侧一体化解决方案，向算力侧延伸——宁德时代正系统性地建立垂直整合的 AIDC 储能生态系统，本质上是将储能业务从 " 发电侧配套 " 延伸至 " 算力侧基础设施 " 的战略跃迁，旨在成为算力时代的能源底座提供商。

2. 瞄准海外市场，拓展利润空间——海外 AIDC 储能市场具有广阔的市场空间和利润空间。公司已在德国、匈牙利、西班牙、印尼投资建厂，在澳大利亚、阿联酋、巴西等地储能项目全面展开，2025 年 5 月港交所上市为其拓展海外市场提供了更灵活的资本来源。

3. 通过资本整合实现全链条闭环，而非全栈自研—— 2026 年 4 月至 5 月，宁德时代在一个多月内完成三项互补动作：

这三笔交易形成了清晰闭环：上游（电池产能）→ 中游（HVDC 电力架构，通过中恒电气）→ 下游（算力场景，通过世纪互联）。

宁德时代的策略是补位而非抢位——不做芯片，不做运营，做算力背后的能源服务商。用电池产能叠加资本整合迅速卡位，策略精准。

这不是宁德时代的独角戏，其他头部电池企业均在同步布局 AIDC 全场景储能解决方案，从电芯到系统、从国内到海外全面铺开。

如果 AIDC 是物理 AI 时代的心脏，宁德时代想做的是造血系统——更隐蔽，但更可持续。

赛道三：液冷散热与热管理——从 " 可选项 " 升级为 " 必选项 "

液冷已从可选散热方案升级为 AI 数据中心的刚性基础设施。

2026 年 1 月，英伟达发布下一代 AI 计算平台 Rubin；6 月，英伟达通过官方博客进一步详解其 100% 全液冷方案。这是全球首个实现 100% 全液冷的 AI 计算系统——每一颗芯片和网络组件均由闭环液体冷却，冷却液温度可高达 45 ℃，将数据中心冷却能耗占比从 40% 大幅压缩。一座 50MW 的数据中心每年可节省超 400 万美元的能源和水费。全液冷设计同时将机架密度提升数倍，原需六个机架单元的系统缩减至两个。Rubin 平台的功耗密度远超风冷散热能力上限，液冷成为唯一可行路径。

中金公司预测，2026 年 AIDC 液冷市场空间将达 1147 亿元，同比增长 273%。据东吴证券测算，按 Rubin 级 NVL72 单柜 14 万 -16 万美元的液冷价值量、单柜功率 150-220kW 计算，每 GW 液冷 IT 负载对应约 49 亿至 77 亿元设备市场空间。

液冷产业链的价值分配中，系统集成商掌握定价权和利润分配权，是产业链的 " 价值分配中枢 "。

核心零部件（冷板、CDU、快接头等）价值量占比高——据国信证券 2026 年 4 月研报，在液冷系统价值量分布中，冷板价值占比超过 40%，CDU 占比在 30%-40% 之间——但零部件厂商的价值最终通过系统集成方案兑现。

因此，国产替代的终极形态，不是做单一零部件，而是升级为具备核心部件自制、系统集成和海外服务能力的全球液冷平台。

英维克等头部企业已形成覆盖冷板、快接头、Manifold、CDU、机柜、管路和冷源的端到端产品体系，部分产品通过英特尔测试，UQD 系列进入 NVIDIA MGX 生态。高澜股份、同飞股份、申菱环境等也已实现液冷全栈解决方案落地交付并积极布局海外市场。国产液冷已由送样验证进入批量交付阶段。

赛道四：固态变压器（SST）：方向确定，时间窗口不确定

AIDC 用 SST 门槛高，但格局远未定型。应用于传统电力领域的固态变压器产品成熟度较高，但应用于 AIDC 领域的固态变压器目前仍处于验证阶段，国内仅有少数企业实现量产交付。

核心门槛：

技术门槛——大规模应用的可靠性与稳定性，尤其是在 AIDC 领域的高压、大功率、高频切换的极端工况下保证长期稳定运行。

客户需求协同门槛——满足对应产品的规格定义权，AIDC 对供电要求极高，谁能定义标准谁就掌握话语权。

系统工程能力—— AIDC 领域使用的电压体系从传统的 400V 到 800V 均在布局，需应对不同电压体系下的系统工程能力（10kV-35kV 中压直接接入，对绝缘、散热、安全提出极高要求）。

高频电力电子产品化能力—— GW 级 AIDC 的功率波动，对电网的稳定性便提出了挑战。

当前 SST 已迎来产业化拐点，高压产品率先实现 "1" 的突破。预计 2027-2028 年将是 SST 快速放量的重要节点。

但最大的不确定性在于：800V HVDC 方案是否会在 SST 成熟之前形成足够强的路径锁定。如果传统变压器 +HVDC 的组合在成本、可靠性、供应链成熟度上持续领先，SST 的替换窗口可能被推迟 3-5 年。即使技术完全成熟，数据中心运营商也没有足够的动力去替换一套正在稳定运行的供电系统。SST 的终极市场不是在新建 AIDC 中替代传统方案，而是在 AIDC 供电架构的下一次代际更替中成为主流——那么这就不是 2026-2027 年的事情，是 2030 年以后的事情。

SST 已被列为《新型电力系统建设行动方案》的关键设备，国网 " 十五五 " 规划中 4 万亿电力投资也向固态变压器重点倾斜。该赛道门槛虽高，但格局远未定型。

竞争格局：

代表企业简析：

四方股份——以高压为护城河，卡位 SST 产业化第一梯队

已量产数智 SST 1.0 产品（10kV 交流输入→ 800V 直流输出，额定功率 2.4MW，运行效率 98.5%，体积仅 3.8 × 1.4 × 2.2m）；更高的 35kV、13.8kV 电压等级产品计划于 2026 年 Q3、Q4 发布；在 AIDC 领域用变压器具有深厚的技术沉淀，且已与国内外主要客户取得合作。

阳光电源——从电的转换切入，锚定 AIDC 下一代供电架构

基于传统逆变器业务布局储能（第二赛道）后，正在积极打造 AIDC 电源业务为其第三增长曲线；2025 年 5 月成立独立 AIDC 事业部，选择 SST 为技术切入点，定位为 AI 算力供电的下一代方案；核心优势包括1500V 高压技术积累适配 800V 直流架构、固态变压器长期技术沉淀；绿电直供能力；明确将海外市场作为主战场。

赛道五：算力基建：需求爆炸，结构性错配

需求端的数据确实壮观。据中国信通院数据，我国日均 Token 调用量已从 2024 年初的约 1000 亿飙升至 2026 年 3 月底的 140 万亿，两年增长超千倍。2026 年一季度国内算力租赁市场规模达 680 亿元，同比增长 62%，全年预计突破 2600 亿元。但高端算力仍供不应求——一季度 AI 算力需求同比大增 417%，供给增速仅 128%，建设远未饱和。

需求激增之下，电力配套正成为新的硬约束。" 十五五 " 能源规划重点推进电力系统建设，提出 " 加强算力等新型高载能产业节能提效 "，要求统筹算力与电力基础设施协同布局——这既要确保 AIDC 有电可用，也对其用电效率提出硬约束，为算力基建与租赁市场的增长创造了条件。2026 年 " 算电协同 " 首次写入政府工作报告，标志着从行业实践上升为国家战略。

据国家能源局及中电联预测，预计 " 十五五 " 时期全国算力用电量年均新增 1000 亿千瓦时以上，到 2030 年预计达 8000 亿千瓦时。各大云厂商对算力设施的需求持续攀升，头部厂商单体需求已达 GW 级别。此外第三方数据中心企业（如秦淮、万国、科华等）也正在快速加大东南亚等地的数据中心设施建造，2026 年字节、阿里合计约 1GW 的海外需求将带动国内产业链出海。

全球市场格局

据 IDCA《2026 年数据中心报告》，全球数据中心总容量达 67.7GW，美国占 29.2GW，占比约 43%。而在面向 AI 的算力基础设施支出中，美国占比则高达约76%（数据来源：IDC《全球人工智能基础设施追踪报告》），反映出其在高端智算领域的绝对领先。因此全球的 UPS、BBU 等企业的产品也主要销往美国、欧洲等地。

UPS 虽然不是 AIDC 成本最高的环节，但它是供电链中最接近 GPU 的环节，其市场格局直接反映了 AIDC 供电领域的话语权分配。全球 UPS 市场由施耐德（20%-22%）、维谛（11%-13%）、伊顿（11%-13%）三家主导。

北美 AIDC 供配电市场由上述三巨头主导，国内 UPS 及集成商企业目前主要以 ODM 方式嵌入其供应链，独立品牌短期内难以直接切入北美市场，核心原因在于：

客户关系壁垒：北美客户对价格敏感度低，更看重质量、交付能力和长期可靠性，品牌信任需要通过多年积累；

地缘政治与政策壁垒：AIDC 涉及国家算力安全，北美存在隐性 " 本土优先 " 倾向，国内厂商在数据安全、供应链审查等方面面临更高门槛；

技术标准与认证壁垒：北美 AIDC 供电架构正从传统的 400V/480V 交流系统向 800V 高压直流演进，标准由英伟达及 OCP 等巨头主导，国内厂商需耗时数年从头建立认证和信任。

国内竞争格局

海外市场进不去，国内市场的竞争同样激烈。维谛、施耐德、伊顿等外资总包商在中国 AIDC 市场同样根深蒂固——它们与英伟达算力平台深度绑定的端到端交付能力，是国内云厂商持续选择它们的主要原因。

与此同时，三大运营商（移动、联通、电信）正从使用者变为竞争者——它们既是维谛、伊顿等外资总包商的大客户（采购其设备），又在 AIDC 总包市场与它们直接竞争。运营商凭借自有 IDC 资源、低成本资金和政策补贴优势，在 AIDC 整包市场占据重要份额，与外资总包商形成了 " 你中有我、我中有你 " 的竞合格局，进一步挤压了国内第三方数据中心服务商的生存空间。

国内总包商仅在少数细分领域占据主导——据公开信息，华胜天成在昇腾智算中心总包市场市占率超 70%（全国 21 个昇腾智算中心项目中独立总包 15 个），是昇腾生态 " 同舟共济 " 级战略伙伴，在手订单超 50 亿元。

赛道机会

算力基建的投资机会主要集中在以下三个方向：

1、东南亚出海——字节、阿里 2026 年合计约 1GW 的海外 AIDC 需求，将直接拉动国内机电总包、液冷、供配电等产业链环节出海。

2、国产算力生态总包——华胜天成在昇腾智算中心总包市场已占据超 70% 份额，全国 21 个项目独立总包 15 个，以及寒武纪、海光带来的生态总包机会也给国内第三方服务商提供了确定性增量。

3、核心零部件的国产替代与技术代际替代——比如在 HVDC 细分领域，国内企业（如中恒电气）已实现局部突破。据招商证券 2026 年 5 月研报，中恒电气在国内智算中心 HVDC 市场市占率约 31%，排名第一。随着 AIDC 供电架构从 400V 向 800V 演进，国内供配电设备商的替代空间将进一步打开。

需要关注的约束

1. 芯片供给的地缘政治约束

美国对华 AI 芯片出口管制持续加码。英伟达 2026 财年第二季度对华 Hopper 架构数据中心芯片销售额降至零，而上一季度高达约 46 亿美元。高端 GPU 供应的不确定性，使国内 AIDC 扩张面临 " 有场地、无芯片 " 的潜在风险。国产替代进展是决定建设节奏的核心变量。

2. 电力供给的硬约束

AIDC 本质是电力转换为算力。Gartner 预测 2026 年全球数据中心（IDC 口径）用电量将达 565TWh，同比增长 26%。其中，AI 优化服务器用电量从 2025 年的 95TWh 增至 175TWh，增幅达 84%，占数据中心总用电量的 31%。在北美，电力可获得性已取代成本，成为选址首要瓶颈。

结语：算力——飞轮的第一推动力

以上是物理 AI 时代数据基建的第一层——算力底座。AIDC 是其中资本开支最集中、商业化确定性最高的环节，机会与瓶颈并存。

从数据飞轮的视角看，算力底座是最先转起来的那一环。大模型迭代需要更多算力，算力到位后模型能力提升、Token 调用量暴增，又反过来对算力提出更高要求——云厂商和大模型厂商在这个循环中各取所需，共同倒逼 AIDC 建设提速。

而站在更长的时间轴上，物理 AI 的逼近正在把这条算力需求曲线推向下一个量级。具身智能的训练需要高维物理数据的持续输入，自动驾驶和机器人的部署需要毫秒级的连续实时推理——未来 2-3 年内释放出远超当前规模的算力需求。今天的 AIDC 建设，服务于当下的需求，也在为物理 AI 的落地储备算力冗余——这个冗余，就是飞轮下一圈加速的起点。

这正是我们以算力为起点展开推演的原因——它不是终点，而是整个飞轮转动的第一推动力。

本文首发于微信公众号【算电启元】，转载请注明出处。