《科创板日报》8 月 14 日讯（记者 黄心怡）算力，正成为 AI 时代最稀缺的战略资源。从草原腹地到高原之巅，从东北老工业基地到西部绿电新区，一场围绕 AI 算力的基础设施竞赛正在全国多地同时鸣枪。
记者近日走访内蒙古乌兰察布、青海海东、黑龙江哈尔滨等地的算力中心发现，各地项目正密集推进，特别是以训练为中心的算力基础设施正向西部迁移。一幅横跨东西、纵贯南北的算力新版图正加速铺开。
▍ " 数据中心还没开建，订单已经来了 "
在内蒙古乌兰察布，华为、苹果、阿里、快手、腾讯等头部企业的数据中心项目已相继落子，形成国内重要的 AI 算力产业带。
此前有消息称，DeepSeek 计划在乌兰察布建设一座大型 AI 数据中心，新增约 1 吉瓦 ( GW ) 的算力，期望数据中心可于 2027 年底或 2028 年初前，至少有部分算力可投入运营。对此，有业内人士告诉记者，DeepSeek 在乌兰察布早已有租用数据中心。
作为优刻得的重要算力基地，乌兰察布智算中心占地约 14 万平方米，整体设计可容纳约 1.2 万个多规格功率机柜，服务大模型训练推理、智能终端等应用场景。
走进优刻得乌兰察布智算中心，一排排机柜向远处延伸，服务器持续发出嗡鸣声。季昕华透露，已建数据中心的满载率都非常高，市场上需求也非常大，而新数据中心还没开始建设，就有订单过来了。
告别乌兰察布的草原算力集群，一路向西跨越两千公里，青海高原上另一场算力竞速同样在加速推进。
凭借得天独厚的清洁能源禀赋与冷凉气候优势，青海已成为全国首个绿色算电协同试点省份。截至 2026 年上半年，青海已建成标准机架 49760 架，投运算力总规模达到 28116PFLOPS（每秒千万亿次浮点运算），形成 " 通算 + 智算 + 超算 " 多元协同的综合算力供给体系。
《科创板日报》记者来到位于海东的中国移动高原大数据中心，其一期项目于 2015 年投运，是青藏高原起步最早、规模最大的绿色数据中心，占地 51 亩，拥有标准机架 7153 架，总 IT 功率达 18MW，已部署中国移动西部 MOMA 平台节点，汇聚超 300 款 AI 大模型。自 2025 年起，青海移动新增投资超 20 亿元，持续推动 "2+8+X" 立体化算力基础设施布局落地，实现通算、智算、存储与模型资源的融合部署。
2026 年，高原大数据中心二期与西宁绿电智算融合示范基地的一阶段建设相继完成，柴达木绿色微电网算力中心示范项目同步启动。
目光再转向东北。黑龙江的算力建设虽起步较晚，但进展迅速。2024 年，哈尔滨数字龙江智算中心一期与中国移动智算中心（哈尔滨）节点超万卡智算集群相继建成并正式投用，标志着黑龙江算力建设实现 " 零 " 的突破。目前，哈尔滨中国移动数据中心三期、鸡西显思等一批智算中心项目正在加紧建设，总规模超过 8000P。
▍电力资源成为选址重点 国产芯片从可用走向好用
当被问及为何选择在乌兰察布大规模建设数据中心时，季昕华总结了此地的四大优势：电价便宜、气候寒冷利于散热、距离北京近以及能够满足苹果等国际客户对 100% 绿色电力的严苛要求。
" 在 AI 时代，算力的核心产出是 Token，Token 的终局是电力。电价便宜，Token 就便宜，这在乌兰察布就有非常大的优势。" 季昕华进一步补充说，这种资源禀赋也吸引了苹果、阿里、快手等众多巨头在乌兰察布集聚，形成了优势互补的智算集群。
乌兰察布也是阿里云在国内的八大数据中心节点之一，该数据中心的绿电占比约 45%。
阿里云全球数据中心总经理王朝阳也表示，选择乌兰察布的核心因素就是电价。" 这个地方的电价大概是在 3 毛 2 到 3 毛 5 之间。而华东、华南普遍六毛到九毛。一个吉瓦级的数据中心，放在乌兰察布和放在东部，每年电费相差 50 亿元。
中国移动（哈尔滨）算力中心则实现了 AI 芯片 100% 国产化。刘伟介绍，该数据中心依托自研天池 SDN、GSE 自主组网技术，搭建高速低延时、无阻塞两级国产组网架构。配套极效分级存储与全生命周期智能运维体系，可实现分钟级故障定位、小时级断点续训，保障超大算力集群长期稳定运行，为各类 AI 训练、行业算力应用提供底层支撑。
中国移动（青海）高原大数据中心正推进中昊芯英、燧原、壁仞、摩尔线程等芯片厂商的生态落地青海。其一期项目已落地南京智算中心青海节点、中科曙光数模训练算力集群，签约燧弘、七牛云等算力项目，总算力规模达 3385P。
季昕华认为，近年来在国家政策的大力支持与市场需求的持续牵引下，国产 GPU 的整体性能正在快速提升。目前产品已达到可用阶段，不过综合性能相较国外高端产品仍存在一定差距。但他相信，无需太长时间，国产 GPU 产业将迎来全面提速。
▍高功率数据中心需求旺盛
随着数据中心进入智算中心（AIDC）时代。数据中心的规模是过去的十倍，密度是十倍甚至几十倍，这都依赖大量的电力供应。
王朝阳表示，当前数据中心的功率密度越来越大，特别是 AIDC 时代单机柜功率密度已经达到了 100 千瓦，未来两年之内还会出现 1000 千瓦的机柜。
季昕华表示，国内数据中心市场呈现出一个显著的结构性特点，部分低功率数据中心的闲置率偏高，而高功率数据中心却备受市场追捧，往往项目刚启动便有订单接踵而至。"我们判断国内对高功率数据中心的需求将持续增长，未来也将进一步加大在高功率数据中心建设方面的投入力度。"
与此同时，供给端的瓶颈正在从芯片向更上游蔓延。王朝阳举例：" 最早是 GPU 产能不足，存储是一个瓶颈，后来电力供给又成为瓶颈，再后来光纤也出现瓶颈。中国一年生产 6 亿公里光纤，但仍然会出现瓶颈——因为一个十万卡集群就需要几十万公里光纤。而各个光模块也会出现瓶颈。"
季昕华也提到，最初业界普遍认为瓶颈在于芯片本身，随后发现内存成为主要制约，再后来意识到不同计算卡间的网络互联也是关键短板，于是开始着力解决光通信等互联问题。整个系统的优化过程，实质上就是不断识别瓶颈、集中突破，再发现新瓶颈、再突破的循环往复。
▍训练向西，推理向东
季昕华指出，当前制约智能体应用的核心瓶颈并非时延，而是算力资源的稀缺。以图像生成为例，用户对几秒级响应普遍接受；视频生成场景下，几十秒的等待也在容忍范围之内，因而时延并非主要障碍。真正的挑战在于算力供给不足。若现阶段将算力分散部署于边缘侧，反而会造成资源浪费，即便在社区或城市内整体利用率达到七八成，仍存在碎片化的闲置算力，且这些空闲资源难以被其他任务有效调用，无法实现全局共享。因此，行业目前更倾向于采用大规模集中式算力部署，以便统一调度、高效复用。展望未来，随着边缘计算能力提升，在边端进行缓存或轻量级推理预处理，或将成为优化整体架构的可行方向。
王朝阳则判断，以训练为中心的算力正呈现从东部向西部纵深迁移的趋势。千卡、万卡集群最初集中于京津冀、长三角、大湾区，而万卡乃至十万卡集群已基本迁至 " 胡焕庸线 " 以西。相反，以推理为中心的算力则从西向东下沉，这与东部地区作为 AI 推理需求主力爆发点的地位密切相关。王朝阳预计，未来长三角、大湾区、京津冀三大经济圈将涌现大量推理型算力集群，并逐步形成产业群覆盖。" 以新兴产业为例，数字化基础扎实的行业，必将成为 Token 使用的聚集区域。"
（科创板日报记者 黄心怡）
