产研深度-科技 | 谁拿走了算力的利润？ 全国一体化算力网下的商业模式与企业出路

2026年是中国算力产业发展史上具有分水岭意义的一年。“十五五”规划纲要正式将全国一体化算力网纳入109项重大工程，标志着算力基础设施建设从“东数西算”的物理空间布局阶段，转向“算网融合、全域调度、算电协同”的效率新阶段，我们认为这是一次政策底层逻辑的系统性升级，有利于我国中长期算力产业持续发展。

• 回溯政策演进脉络：2022年2月“东数西算”工程正式启动，在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏8地布局国家算力枢纽节点，规划10个国家数据中心集群。2023年12月，国家发展改革委、国家数据局联合印发《关于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见》（发改数据〔2023〕1779号），首次提出从单一地理布局优化向“算力网络化、调度一体化、资源市场化”转型。2026年全国两会政府工作报告首次将“算电协同”纳入顶层新基建部署，原文明确提出实施超大规模智算集群、算电配套工程，同步推进全国一体化算力监测调度体系搭建、扶持公共云产业发展。同年4月28日中央政治局会议统筹规划水网、新型电网、算力网等六大国家级基础设施，正式将算力网与水电等传统公共基建摆在同等战略定位，算力公共资源属性获得顶层确认。

• 从政策体系维度观察，本报告对国内算力政策体系归纳概括出“1+1+N”政策体系，非官方文件原生专有名词。即国家“十五五”规划纲要构筑了“1+1+N”算力政策框架：第一个“1”是规划纲要本身作为顶层设计纲领；第二个“1”是以《实施意见》为核心的实施框架；“N”是涵盖算力互联互通、绿色算力、异构算力调度等领域的配套文件体系。2026年密集出台的配套文件建立了八大算力枢纽差异化管控机制，国家枢纽节点外原则上不得新建各类大型或超大型数据中心，进一步推动各类新增算力向国家枢纽节点集聚，将国家枢纽节点打造成为国家算力高地，行业算力供给格局正在经历深刻重塑。

• 在政策和需求的双强驱动下，中国算力规模快速扩张（参考图表1）：2025年智能算力规模达1037.3EFLOPS（FP16口径），通用算力规模达85.8EFLOPS（FP64口径），预计2028年智能算力将突破2781.9EFLOPS，2023—2028年复合增速约46%。国家发改委政策研究室副主任李超在6月新闻发布会上表示，“十五五”时期将更加注重供需适配，加强算力网与新型电网、新一代通信网规划建设的协同联动，在“硬投资”层面探索算电协同模式，做到“以电强算、以算促电”、“软建设”层面强化算力资源监测与市场化调度。

国家工业和信息化部于2026年2月印发《关于组织开展国家算力互联互通节点建设工作的通知》，正式启动国家算力互联互通节点体系建设，“1+M+N”体系架构（如图表4所示），已然成为全国一体化算力网的核心支撑。

• “1”指国家算力互联网服务平台，负责全国算力资源的统一标识分配与运行监测；“M”指区域节点（如京津冀、长三角、粤港澳、成渝等算力需求旺盛地区），面向所在区域提供标识注册、资源汇聚等综合性支撑服务；“N”指行业节点（如金融、工业、通信、科研等行业算力平台），聚焦重点行业提供市场化服务并接入区域节点。截至2026年一季度，顶层平台直接接入163EFLOPS算力资源；全国各级区域节点、行业节点累计汇集316EFLOPS智算资源，已接入31个省（区、市）的155家企业（含区域、行业节点接入企业）的578个资源池、72万张GPU加速卡，部署完成1032万条算力标识（含地方节点全量标识，与国家平台662万条口径不同），开通数据专线52条，月均调度近300次（注：统计口径为跨区域大型算力调度任务，小型本地调度不计入统计）。

• 该体系采取“统一标识、统一标准、统一规则”的“三统一”运行机制：各节点通过国家节点获取唯一标识编码，为算力资源赋予“数字身份证”，实现全国算力标识一码通行；依托算力资源汇聚系统、算力选择系统等六大核心系统，实现算力资源接口的标准化适配；明确算力交易、互联调度、安全管控等全流程规则，各类算力资源按统一规则参与市场交易。

• 国家级监测调度平台已成功接入137万P的智算资源，以72%的接入率将分散资源统一拉齐。这一调度体系的核心价值在于将分散各地的“算力孤岛”通过标准化接口和统一调度平台连接起来，实现算力资源的跨区域、跨架构、跨主体高效流转。中国工程院院士高文将其比作电力网的升级版：“当需要用算力时，只需插上插头，不用关心算力来自哪里，系统会自动匹配性价比最高的算力中心。”

• 在市场化机制方面，多地出台算力采购补贴、算力券激励政策，各地补贴比例、年度额度存在差异。三大运营商推出的词元资费套餐开创了算力商品化新模式：上海电信推出词元算力套餐，1元对应25万额度点；上海移动联合头部互联网平台企业推出AI原生工作台，1元可购40万Tokens（注：额度点与Tokens计量口径不同，不直接可比），实现“一个额度、一个价格、任选模型”。

全国一体化算力网建设持续提速，但AI算力运营领域仍存在供需错配、定价碎片化、异构生态割裂、盈利高度分化四大结构性难题。空间与层级供需失衡造成部分算力资产利用率偏低；传统硬件计价缺乏统一标准，词元新模式尚未完善；多芯片软硬件互不打通、CUDA生态构筑高迁移门槛；产业进入GaaS（算力即服务）服务新阶段后，调度、枢纽、长单三重壁垒拉开企业差距，中小服务商差异化生存赛道收缩。这四大痛点是顶层政策优化、行业商业模式迭代需要核心解决的关键问题。

• 痛点一：算力供需多重资源错配，低效闲置问题突出。国内算力产业存在三层结构性资源错配矛盾。一是区域供需空间割裂：东部AI产业集聚、算力需求旺盛，但能耗指标收紧，机房扩容受限；西部绿电、能耗资源充裕，但本地算力需求薄弱，跨区域数据传输成本与时延约束难以承接东部海量业务，区域资源供需错配。二是算力层级结构性失衡：适配超大模型训练的万卡级液冷高端智算持续供给紧张，而仅能承载基础业务的传统低端通用IDC产能过剩，出现“高端算力一卡难求、低端算力资源未能充分释放”分化格局。三是基建规划与真实需求脱节，IDC行业监测数据显示部分新建智算中心GPU综合利用率低于合理运营区间，重资产投入持续空转。盲目扩产造成资源浪费，“以用定建、按需规划”已成为全行业共识。

• 痛点二：行业定价体系碎片化，词元标准化模式尚待成熟。传统算力租赁行业以机柜、单GPU卡、服务器时长作为核心计费单位，市场价格体系高度混乱：不同服务商、不同芯片架构、不同地域机房之间报价差距悬殊，行业缺少统一的算力效能折算基准，客户难以横向对比真实算力性价比，低价恶性竞争常态化。词元按量计费体系为行业标准化提供解决方案，将计价标的从硬件资源转向AI实际产出，实现成本与业务需求匹配。但当前Token商业化仍处于早期探索阶段，行业统一分词计量规则、分级定价机制、算力-模型收益分成模式均未落地，计量口径不统一、调价波动大、多场景适配不足等问题显著，完整标准化定价体系仍需长期完善。

• 痛点三：算力异构孤岛问题突出，软件生态形成核心壁垒。当前算力市场多架构芯片并行共存，英伟达GPU、主流国产NPU及多款国产AI芯片等硬件底层架构、专属编程栈相互独立，各厂商算子库、互联协议、运维工具互不打通，形成相互隔离的算力孤岛。多芯片混合集群无法实现统一资源纳管、跨架构智能调度，算力闲置率居高不下，资源利用效率持续走低。同时跨芯片业务迁移成本极高：CUDA生态历经近20年持续迭代，沉淀海量专用优化算子、全球数百万开发者，主流大模型、AI工具原生适配CUDA体系；国产AI芯片硬件纸面性能持续追赶，但软件生态积累严重不足，模型移植需大规模改写代码、长期调参优化，实际运行吞吐量存在明显折损，生态壁垒成为国产算力规模化落地、混合算力统一运营的突出短板。

• 痛点四：行业盈利高度分化，头部集聚效应逐步显现。当前算力运营行业呈现明显分化态势，头部厂商依托大规模智算集群、核心长期客户资源、低成本融资能力持续扩产，算力上架率、毛利率、现金流持续优化；中小算力服务商则持续承受客户流失、行业价格内卷、重资产刚性折旧三重挤压，盈利持续收窄甚至亏损。行业正告别单纯囤卡转租的硬件租赁粗放阶段，加速迈入GaaS一体化算力服务时代。新阶段竞争核心不再是GPU库存规模，而是三大不可复制壁垒：自研全局算力调度系统、国家级大型智算枢纽节点、与头部AI/政企客户的长期稳定合作。缺少调度能力无法优化资源利用率、无枢纽资产缺乏成本优势、无长期订单抵御周期波动的中小厂商，竞争压力加大，部分主体转向细分赛道。行业资源禀赋分化效应逐步显现，各类算力运营主体资源禀赋分化，集中格局的最终形态仍有待观察。

中美算力产业发展路线对比：海外算力产业以单集群极致硬件优化为主，依托成熟芯片软件生态，通过超大规模集中式智算集群追求单点算力密度最大化，如海外某头部厂商推出的整机柜算力架构，通过高密度液冷集成和专用互联协议实现单柜功率的大幅提升，该路线的优势在于硬件效率极高，但对芯片供给和先进制程高度依赖。我国受供应链外部约束，走出了一条跨区域异构调度、算电协同的分布式一体化路径：通过全国一体化算力网将分散在多地的异构算力资源统一纳管、按需调度，以系统层面的协同优化弥补单点硬件性能差距，同时依托西部绿电优势降低算力综合成本。两类路线由各自产业基础、外部约束条件决定，不存在绝对优劣，反映了不同产业基础下的差异化技术选择。

基础算力资源租赁是当前较为成熟、占比较高的算力运营模式，以机柜、GPU卡或服务器为计价单位，按时间（小时/月/年）向客户收取租金。据中国信通院数据，2026年一季度国内算力租赁市场规模已达680亿元，同比增长62%，预计全年将突破2600亿元。

• 基础租赁模式具备现实业务优势：对需求方而言，无需承担算力集群巨额硬件采购、机房建设、运维团队搭建的一次性资本开支，将重资产投入转化为分期运营成本，算力获取门槛显著降低，同时支持算力资源弹性伸缩，能够快速响应短期爆发式训练、推理业务需求；对供给方而言，可以通过多客户错峰复用硬件资源，提升机房与GPU资产综合利用率，依托长周期租赁合约获得相对稳定的现金流回报。

• 基础租赁模式的核心局限在于三重天花板：收入天花板受限于物理机柜规模和芯片数量，难以实现指数级增长；客户粘性弱，价格战频发；无法捕获AI应用层的增值收益。随着算力网推进和词元计价体系成熟，纯硬件租赁模式的利润空间将被持续压缩，行业正在向更高附加值的模式升级。

分层算力订阅模式是在基础租赁之上的升级，核心是将算力资源按场景（训练/推理/异构混合）打包为标准化“算力包”，客户按订阅周期付费，类似SaaS的商业模式。其关键优势在于三重效应：通过长期合约锁定客户，提升ARPU值和收入可预测性；通过资源池化调度提升算力利用率；通过分层定价满足不同客户群体需求。

• 典型的分层结构：训练算力包（高功率液冷集群，面向大模型训练，单价最高）、推理算力包（中低功率GPU集群，面向API调用和模型推理，需求量较大）、异构混合算力包（国产+海外芯片混合调度，面向成本敏感型客户）。运营商和云厂商在这一模式上具有天然优势：三大电信运营商已启动算力互联网试验网建设，将算力包嵌入其政企客户服务体系。

• 该模式的增长驱动力来自AI推理需求的快速释放。随着大模型从“训练阶段”进入“大规模应用阶段”，推理算力需求增速远超训练算力。由国际数据公司（IDC）和浪潮信息联合发布的《2025年中国人工智能计算力发展评估报告》内容提到：2025年中国智能算力规模达1037.3EFLOPS，其中推理算力占比快速攀升。分层订阅模式能更精准匹配推理场景的弹性需求特征，是未来3-5年增长确定性较高的商业模式之一。

GaaS（算力即服务，GPU-as-a-Service）是算力运营的高阶形态，核心特征是“任务级调度、全链路解决方案、词元计价”。在这一模式下，客户不再关心底层硬件型号和数量，而是直接按词元消耗量或计算任务结果付费，算力运营商承担从资源调度、任务拆分、异构适配到结果交付的全流程服务。

• 词元经济的快速增长是GaaS模式落地的核心催化剂。国家数据局数据显示（如图表5所示），中国日均词元调用量从2024年初的1000亿跃升至2025年底的100万亿，到2026年3月已突破140万亿，两年增长超1000倍。仅2025年底至2026年3月的三个月内就增长40%。2026年5月22日，国家数据局局长刘烈宏主持召开词元经济座谈会，明确将推动词元经济发展纳入工作体系。

• 关于词元经济、词元计价模式对AI产业链的影响深度分析请参见国金证券产业研究中心近期已发布的产业深度报告《Token计费重塑AI产业链：你的企业定价权还在吗？》

• GaaS模式核心优势：对需求侧客户，实现算力消费“按效付费”，屏蔽底层硬件差异，无需关注GPU型号、机房位置、集群运维，降低大模型应用落地的技术门槛；可根据业务波峰波谷弹性消耗词元资源，避免闲置硬件资源带来的沉没成本，尤其适配推理业务高并发、瞬时爆发的业务特征。对供给侧运营商，打破机柜物理数量对收入的硬性约束，依托跨域异构调度能力盘活分散、异构算力资源；可以混合调度国产NPU与海外GPU，实现成本与性能的动态配比；业务收入从硬件租金升级为任务服务收入，能够获取调度、适配、运维带来的服务增值收益。

• GaaS模式现存不足与现实约束：第一，行业尚未形成全国统一的词元计量、折算、结算标准，不同厂商“额度点、Token”统计口径不一致，跨平台比价困难；第二，异构算力适配改造成本较高，要实现多芯片架构统一纳管、任务拆分调度，需要投入大量调度软件与算子适配开发；第三，计费、计量、审计体系尚处于试点阶段，跨主体、跨省份算力调用的结算、对账机制不健全；第四，客户使用习惯仍在培育，部分政企客户传统预算体系仍适配机柜、服务器硬件采购模式，对按词元按量付费的采购模式接受度有限；第五，任务调度带来大量跨域数据传输，会产生额外网络时延与带宽成本，极端场景下会抵消调度带来的成本节约。

• GaaS模式的盈利结构与传统租赁有本质区别：收入与词元消耗量直接挂钩，不受物理机柜数量限制；通过智能调度实现异构算力成本优化（将低成本国产芯片用于推理、高端芯片用于训练）；通过全链路服务捕获应用层增值收益。长期来看，GaaS计费模式渗透率有望持续提升，推动算力运营商业务形态迭代，行业经营重心将由单纯硬件机柜、GPU裸卡租赁，转向面向客户提供一体化算力服务。

行业专属算力定制模式面向金融、自动驾驶、工业、医疗等高合规要求行业，提供从物理隔离、数据安全、行业适配到运维保障的全栈定制化算力服务。其核心壁垒在于行业资质（如金融行业等保三级）、数据安全合规能力、以及行业模型适配经验的三重门槛。行业专属算力定制商业模式核心特征体现为高溢价、高粘性、高壁垒。客户更换算力服务商涉及海量数据迁移、模型重新训练、合规体系再次认证，整体切换成本较高。服务商与客户建立深度合作后，能够持续挖掘长期客户价值。与此同时，该模式对运营主体的垂直行业认知、定制化项目交付能力门槛较高，更适合具备垂直行业积累的专业算力运营商。

• 行业专属算力定制模式的核心优势：对客户侧，可实现硬件、网络、存储物理隔离，满足数据不出域、操作全程可审计等高等级监管合规硬性要求；可针对行业业务特征做硬件选型、网络时延、安全策略深度定制，适配金融交易、自动驾驶仿真、医疗影像等特殊业务指标；集群资源专属独占，不受多租户共享环境的资源抢占、性能波动影响，业务稳定性、SLA服务等级更容易保障。对服务商侧，项目客户粘性极强，替换迁移成本高，容易形成多年长周期框架订单；相比通用算力租赁，可以获取合规服务、行业适配带来的服务溢价；通过深度绑定行业客户，沉淀垂直领域模型适配、安全运维能力，构筑竞争对手难以复制的行业壁垒。

• 金融行业是行业专属算力的典型场景：银行、证券、保险等金融机构在AI大模型应用中，面临严格的监管要求（数据不出域、模型可解释、交易可追溯），需要建设物理隔离的专属算力集群。

• 自动驾驶行业对算力的需求特征是“高吞吐、低时延、海量数据”。自动驾驶研发属于数据密集型业务，对低时延分布式算力调度存在强需求。依托一体化算力网络，企业可以就近调度区域内多元算力资源，加速自动驾驶模型迭代。相比通用算力需求，自动驾驶研发客户项目周期更长，付费能力更强。

• 行业专属算力模式现存短板与现实约束：第一，前期建设与定制改造成本高，硬件、安全设备、合规体系、行业适配开发叠加，项目初始资本投入显著高于通用算力租赁；第二，项目交付周期长，从方案设计、安全测评、等保测评到上线投产往往需要数周乃至数月，无法做到开箱即用；第三，客户行业属性强，项目高度非标化，不同行业合规条款、业务指标差异巨大，难以标准化批量复制，规模化扩张难度大；第四，资源利用率存在不确定性，专属集群完全服务单一客户，如果客户业务量波动，容易出现算力闲置；第五，行业合规要求迭代频繁，需要持续投入人力、资金更新安全策略与审计体系，持续运维成本较高。上海《上海市智能算力基础设施高质量发展“算力浦江”智算行动实施方案（2024-2025年）》提出，到2025年本市新建智算中心国产算力芯片使用占比超过50%，该约束仅适用于上海本地新建商用智算项目，不属于全国层面统一强制标准；北京市《北京市算力基础设施建设实施方案（2024-2027年）》明确，到2027年具备100%自主可控智算中心建设能力，该目标指向本土智算全流程工程技术储备攻关能力。随着多地算力基础设施国产化导向政策落地，有望持续拉动自主架构专属算力的市场需求。

当前中国AI算力运营市场形成四大阵营竞争格局：公有云厂商、电信运营商、第三方IDC服务商、地方国资算力平台。各阵营资源禀赋、核心壁垒和发展路径差异显著。

• 公有云厂商（公有云服务商）：技术能力突出，在跨域调度、异构算力融合、GaaS服务方面走在行业前列。核心优势是庞大的开发者生态和PaaS/SaaS全栈能力，能够提供从算力到模型到应用的一体化服务。但公有云的“多租户”模式在金融、政务等高合规场景面临信任挑战。

• 电信运营商：资源禀赋突出，拥有完善的基础网络、机房资源和政企客户关系。三大运营商已启动算力互联网试验网建设，并率先推出词元资费套餐。运营商的核心战略是将算力嵌入其“云网融合”体系，打造“网络+算力+AI”的一体化服务。其优势在于政企客户渠道和政策资源，劣势在于技术创新效率和生态开放度。

• 第三方IDC服务商（第三方IDC运营企业）：市场化和运营效率突出，但受限于重资产模式和规模瓶颈。在AI算力转型中，第三方IDC面临两难处境：液冷改造成本高昂，但不上液冷则无法承接AI算力需求。行业正在经历深度洗牌，头部企业通过并购整合扩大规模，中小服务商差异化生存赛道收缩，部分主体探索细分垂直赛道。

• 地方国资算力平台：政策优势突出，在土地、电力、能耗指标等方面享受地方政府的全方位支持。多地地方政府设立算力专项扶持基金，建设地方智算中心。但国资平台在技术能力、运营效率和市场竞争力方面存在短板，未来更可能作为“算力资源提供方”参与生态，而非独立运营。

从中长期竞争格局演变观察，行业将形成“运营商守网络和政企渠道、云厂商做技术和生态、第三方IDC做精细化运营、国资平台做资源供给”的差异化分工格局（如图表6所示）。行业资源禀赋分化逐步显现，头部运营主体依托枢纽、调度、长单资源具备综合优势，中小服务商可深耕垂直细分赛道形成差异化生存空间。

算力调度技术是全国一体化算力网的技术核心，解决的是“如何将分散在各地的异构算力资源统一管理、按需调度、高效利用”这一根本问题。当前调度技术面临三大挑战：异构算力统一纳管（英伟达GPU、主流国产NPU及多款国产AI芯片等架构各异的芯片需要统一接口）、跨区域低时延调度（训练任务跨域拆分与协同）、调度平台效能优化（资源利用率改善空间显著）。

• 在异构算力统一纳管方面，国家超算互联网平台已做出成功实践。该平台接入14个地区、超过30家国家级超算中心与智算中心，整合形成总算力规模超过15万加速卡与200万核心的大型异构算力资源池，为用户提供近70种规格的算力。2026年2月上线的郑州国家级超算节点搭载大规模国产算力集群，可对外提供大容量异构算力供给，能够将不同地区、不同类型的异构算力资源统一接入、统一调度。

• 在跨域调度方面，2025年以来，江苏省未来网络集团的全国算网协同调度中心已完成跨省市远距离大模型调度工程验证，跨域协同可缩短模型迭代周期，为全国一体化算力网落地提供了关键技术验证。

• 调度平台效能优化方面，通过跨中心优化调度、削峰填谷和作业排队机制，全网算力资源平均利用率较此前有所改善，但不同集群、不同业务场景的优化效果各不相同。北京算力互联互通和运行服务平台已接入大量算力服务商，覆盖京津冀蒙晋等地区；长三角（上海）算力互联互通平台同样接入大量服务商主体。

总体而言，跨域调度技术已验证可行，但异构统一纳管与调度效能优化仍处于持续迭代阶段。

AI算力规模快速扩张对数据中心物理基础设施提出了更高要求。传统风冷散热已逼近物理极限，单机柜功率从传统的5-8kW飙升至30-100kW甚至更高，液冷是当前高密智算主流散热方案，风冷、液冷混合架构长期并行落地。

• 在液冷服务器市场方面，根据中商产业研究院发布的《2024-2030年中国液冷服务器行业市场发展现状及潜力分析研究报告》显示，中国液冷服务器市场在2024年继续保持快速增长，市场规模约达172.72亿元，同比增长67.0%，2025年市场规模约达218亿元。中商产业研究院预测，2026年中国液冷服务器市场规模有望达257亿元。中国液冷服务器渗透率正经历从政策驱动到技术刚需的加速跃迁，2021-2025年从不足3%快速突破至20%，2026年随着AI算力爆发和GB200等强制液冷方案落地将跃升至37%，此后进入高速增长期，预计2027年突破50%临界点、2028年达65%、2030年攀升至82%接近饱和，其中冷板式液冷占据主导，浸没式在超高密度场景持续渗透，前快后稳，最终形成新建数据中心全面液冷、存量场景风冷补充的稳态格局。

• 在高速光通信市场方面，围绕算力枢纽已建成干线光缆145条，基础电信运营商持续推进400G/800G高速光传输网络部署。根据行业研究机构LightCounting预测（国内光模块企业2025年年报转述），2026年全球光模块总市场规模有望达到228亿美元，其中800G和1.6T光模块合计市场规模约146亿美元，占整体市场约64%。

• 从产业链来看，中国光模块企业已在全球市场位居行业前列。国内光模块企业在800G、1.6T等高端产品上已具备规模化交付能力，是全球AI算力基础设施建设的核心参与者。总体而言，液冷与高速光通信技术迭代节奏快，但存量改造成本与技术换代周期是规模化落地的核心约束。

“算电协同”2026年首次写入政府工作报告，并纳入“十五五”规划纲要，标志着算力与电力的深度融合从概念走向落地。算力基础设施属于高载能领域，万卡级大型智算集群电力负荷规模巨大，硬件配置不同集群功耗差异显著，绿色电力供给能力直接影响算力中心的运营成本与长期可持续运行能力。

• 国家政策引导算力枢纽节点提高新建数据中心绿电配套比例，80%为国家算力枢纽新建数据中心的中长期引导目标，并非面向全国所有项目的统一硬性考核指标，各地落地执行标准存在差异。在实践层面，行业已探索形成“源网荷储”一体化、“光伏直连+风电长协”等绿电多元利用模式。2026年，广东阳江GW级海底算力中心正式启动，项目依托当地千万千瓦级海上风电基地规划开展绿电直供试点；根据项目公开方案测算，结合海水自然冷却与全链路液冷技术，相较传统数据中心可实现能效提升30%以上。内蒙古和林格尔新区持续深化算电协同实践，布局多座规模化智算集群项目，配套建设“风光储”一体化绿电供给示范项目，打造全国算电协同标杆集群。

• 根据国家发展改革委、国家能源局、工业和信息化部、国家数据局联合印发的《关于促进人工智能与能源双向赋能的行动方案》（国能发科技〔2026〕34号），到2027年，支撑人工智能创新发展的安全、绿色、经济的能源保障体系初步构建，清洁能源与算力设施互动能力显著提升（注：该政策目标优先在算力枢纽节点开展试点先行，向全国落地推广存在区域时间差）。

• 算力柔性负荷调节是算电协同的高级形态，即将算力中心作为电力系统的可调节负荷，在用电高峰时适度压降算力负载、用电低谷时满载运行，实现“算随电走、削峰填谷”。该机制一方面可以降低算力中心用电成本，另一方面可为电网提供灵活调节资源，是算电协同的核心发展方向。

• 需辩证看待算电协同的落地挑战：（1）风光等可再生能源天然存在发电波动性强、可调度性弱的特征，大规模绿电直供仍需配套储能设施，储能投入会显著抬升算力中心综合建设成本；（2）同时算力-电力跨系统协同调度，对电网调度系统、算力调度系统实时联动能力要求极高，当前相关技术模式尚处在试点验证阶段，调节响应时延、控制精度与运行可靠性仍有待大规模工程检验。

算电协同规模化推广，需要在绿电供给稳定性、储能项目经济性、跨系统协同运行效率三者之间取得综合平衡。

全国一体化算力网建设正在引发算力产业链全链条的价值重分配。传统模式下，利润高度集中在上游硬件环节（芯片、服务器），中游算力运营商和下游应用方的利润空间有限。随着词元计价体系成熟和GaaS模式普及，价值正在从“硬件”向“服务”迁移，中游算力运营商和应用服务商的利润占比将显著提升。

• 从产业规模看，中国信通院测算，2024年中国人工智能核心产业规模已突破9000亿元，2025年预计突破1.2万亿元。国家数据发展研究院测算，2024年面向AI数据集相关的数据产业产值规模已超过2万亿元，预计2025年增长15%，产值规模超过2.3万亿元。刘烈宏在中国发展高层论坛2026年年会上推演，到“十五五”末，我国人工智能相关产业规模有望达到10万亿元区间；产业链上下游都将迎来巨大增量空间，但价值分配格局将出现明显调整（注：10万亿元为论坛公开推演结果，非国家规划约束指标，口径为AI相关全产业链，不等同于AI核心产业）。

• 利润迁移逻辑体现在三个维度：一是从“芯片差价”向“调度溢价”转移，具备异构算力统一纳管和智能调度能力的算力运营主体，通过资源优化获取一定服务溢价，溢价水平随场景波动；二是从“机柜租金”向“词元分成”转移。GaaS模式下，算力运营主体不仅收取算力使用费，还能从模型推理的词元消耗中获取分成；三是从“一次性建设”向“持续服务”转移，行业专属算力定制的长单模式带来持续稳定现金流，行业定制客户迁移成本高、长期合作稳定性更强。

• 这一价值迁移还将在供给约束背景下进一步强化：HBM等关键硬件的全球性紧缺推高了硬件采购与持有成本，重资产囤卡转租模式的盈利弹性受到压缩，而具备跨域调度、存量资源盘活能力的算力运营主体相对议价权反而提升，轻资产运营、服务创造价值的产业逻辑在硬件紧缺环境下获得更强的现实支撑。

全国一体化算力网的终极目标是构建全国统一的算力交易市场，让算力像水电一样按需取用、按量计费。这一目标的实现路径包括三个阶段：第一阶段“资源入网”，通过“1+M+N”节点体系将分散算力资源标准化接入；第二阶段“智能调度”，通过统一标识和调度平台实现跨域资源匹配；第三阶段“市场交易”，形成算力的市场化定价和交易机制。

• 当前我国正处于第一阶段向第二阶段过渡的关键期。如本报告第一章1.3节所述，截至2026年一季度，国家算力互联网服务顶层平台直接接入163EFLOPS算力资源；全国各级区域节点、行业节点累计汇集316EFLOPS智算资源，覆盖31个省（区、市）。“三统一”运行机制的可行性与实用性，已在实际跨域调度任务中得到有效验证。

• 跨厂商算力互通是生态协同的另一关键维度。“模芯生态创新联盟”等产业组织正在推动从大模型开发阶段就去适配国产AI芯片，为国产芯片产业协同打开新思路。国产芯片厂商软件栈持续开源开放、多家国产GPU厂商软件平台实现与主流开源大模型的“Day0适配”，都是生态协同的重要进展。

• 三大运营商联合中国信通院牵头建设行业算力服务平台，航空航天、金融科技、工业制造等领域的重点单位正结合场景需求推进算力服务平台建设。未来，全国将形成“核心节点统筹、区域节点中转、边缘节点覆盖”的三级算力网络。算力交易市场有望参照电力市场运行逻辑，逐步探索构建“中长期合约+现货交易+辅助服务”的多层次交易体系（该模式目前处于产业研究与试点阶段，尚未全国落地）。

算力运营行业的竞争格局正在经历深刻重塑，三大趋势并行推进：头部整合、中小服务商承压、国产算力替代深化。

• 头部整合方面，具备枢纽资源、调度技术和长单壁垒的头部企业正在通过并购整合扩大规模优势。根据国新办2026年7月20日工信部发布会公开数据，截至2026年6月底，国内已建成52个万卡以上智算设施。从产业实践来看，该类超大规模智算设施大多由头部市场主体运营。算力产业的高速增长吸引了大量资本进入，但最终能够穿越洗牌周期的，只有那些具备差异化竞争力的企业。

• 中小算力企业面临三重压力：价格战，头部企业凭借规模优势以更低价格提供算力服务；技术门槛，液冷改造、异构调度、词元计价等技术升级需要大量资本投入；客户流失，大客户更倾向于选择具备全栈能力的头部服务商。不具备枢纽资源、调度能力和行业壁垒的中小算力企业经营压力持续加大。

• 国产算力替代是影响竞争格局的核心变量。如报告第三章3.3节所述，2025年国产AI芯片出货份额已超四成，2026年有望进一步提升。各地国产化导向政策已陆续落地，政策口径存在明确区域差异。2026年5月26日，中国信息安全测评中心完成首批国产AI训练推理芯片专项安全可靠测评工作，多家国产AI芯片厂商的9款产品获得“安全可靠I级”资质；获得认证的厂商在央国企、金融、运营商领域的市场竞争力得到提升，相关领域订单预期将实现明显增长。

算力运营企业的估值框架正在经历体系性重构。传统估值以机柜规模、服务器数量、电力容量等“物理资产”为核心指标，但这一体系已无法准确反映算力企业的真实价值。新的估值体系需要纳入四个新维度：算力利用率、词元产出能力、调度技术水平、合规资质壁垒。

• 算力利用率是衡量运营效率的核心指标。算力资源闲置会推高折旧、电力等刚性开销，在低利用率运行场景下，经产业测算，单位算力成本会有不同程度的抬升。而跨域统一调度可缓解算力资源闲置现象，不同机房、业务场景优化效果各不相同，同等物理资产产生更多收入和利润，是区分优质算力企业与低效算力企业的关键分水岭。

• 词元产出能力反映算力转化为商业价值的效率。在GaaS模式下，日均词元调用量、词元单价、词元毛利率成为核心运营指标。同等资产规模下，词元产出效率更优的运营企业，其估值具备向上溢价空间，倍数应高于传统机柜租赁企业。

• 调度技术水平决定了算力运营商的“技术溢价”。能够实现异构算力统一纳管、跨域低时延调度、智能任务拆分的企业，能够通过资源优化获取一定服务溢价，溢价水平随场景波动。这一技术壁垒难以在短期内复制，是算力运营企业的核心护城河。

• 合规资质壁垒在金融、政务等高价值场景中至关重要。等保三级、安全可靠认证、数据安全合规等资质是进入高溢价市场的“入场券”。投资者在评估算力企业时，应将合规资质作为重要估值因子纳入考量。

前文从顶层政策设计、商业模式演进、技术底层冲击、产业价值重构四个维度，系统推演了全国一体化算力网对产业价值分配与竞争格局的深层影响。本章将视角落地至算力全产业链实体层面，从中游智算中心与算力运营、上游五大硬件配套赛道、下游高价值行业需求三个层次，逐一拆解各赛道的增长逻辑、核心约束与结构性矛盾，为后续底层矛盾提炼与趋势研判提供产业事实基础。

算力产业链呈现清晰的塔状价值分布结构，各层级环环相扣、传导联动，任一环节的细微变化都会对其他环节产生蝴蝶效应，需要从系统层面协同解决。参考行业通用划分标准，产业链可分为上、中、下游三层，价值逻辑与竞争属性差异显著：

• 上游为算力硬件支撑层，是产业链价值壁垒最高的环节，占据整个产业链较高价值份额，核心供给包括AI芯片、光模块、服务器整机、存储系统、液冷机柜、基础软件等，为中游算力整合与下游应用提供底层物理支撑。

• 中游为基础设施与运营服务层，是连接上游硬件与下游应用的核心桥梁，承担算力资源整合、调度、交付的关键职能，涵盖智算中心IDC建设、一体化算力调度平台、算力租赁交易等业态，行业本质是AI时代的“算力电厂”，核心是将上游零散硬件转化为下游可直接使用的标准化算力服务。

• 下游为算力场景落地层，是产业价值的最终验证端，覆盖大模型训练、大模型推理、政务服务、金融风控、医疗影像、工业仿真等全场景算力需求，直接决定中上游算力资源的配置节奏与优先级，牵引整个产业的迭代方向。

当前行业的核心逻辑变化在于：产业竞争已从早期“单点硬件参数比拼”，转向“全产业链条协同交付能力”的系统竞争，单一环节的技术优势无法形成长期壁垒，必须实现上中下游多环节的高效联动。其中中游是当前产业模式重构的核心环节，行业经营属性正从“重资产建设”转向“重专业运营”。

算力上游为产业提供硬件与基础软件底座，核心赛道围绕算力生成、传输、散热、存储四大需求展开。行业的核心特征是“供给约束与技术迭代并行”。下游AI业务的快速增长需求，推动各配套赛道技术快速迭代，产业链价值量占比持续提升。其中高景气度的五大细分赛道分别为AI计算芯片、高速互联芯片、高速光模块、液冷、AI存储系统，各细分赛道在统计口径、行业成熟度、技术壁垒、头部竞争格局层面均存在显著差异。

• 液冷赛道：从“可选配置”升级为“主流配套方案”

• 随着智算中心算力密度大幅提升，传统风冷方案已无法满足高密机柜的散热需求，液冷技术成为支撑算力硬件稳定运行的核心保障，行业进入加速放量阶段。

• 从市场规模看，据赛迪顾问电子信息产业研究中心《2025-2026年中国液冷数据中心市场报告》测算，2025年中国液冷数据中心市场规模已达159.8亿元，同比增长45.2%，连续三年保持30%以上高增长；报告预测未来三年行业将维持35%以上增速，2028年市场规模有望达到470.4亿元，实现三年翻倍以上增长。从技术路径演进方向看，冷板式液冷凭借改造成本低、兼容现有架构的优势占据绝对主导地位，浸没式液冷为超高热密度场景下的技术发展方向，智算与互联网是液冷落地的两大核心应用场景。行业长期看，液冷正在从可选的散热方案逐步转变为高密智算场景的必选项，竞争焦点也由技术方案验证转向产能交付与工程落地能力。

• 行业壁垒正从单一组件制造，向一体化集成方案快速迁移，市场集中度较高：第一梯队为具备全栈液冷能力的头部科技企业，合计占据较高市场份额；其中头部厂商凭借浸没式液冷全栈解决方案位居行业前列，产品已部署于全国多个超大规模智算中心；另有多家厂商在开放式冷板液冷领域形成差异化产品布局，适配国内主流智算中心的高密机柜需求。在核心组件环节，国内企业已具备全球竞争优势：冷板/CDU环节由多家液冷系统集成企业引领；浸没式液冷技术领域有专业厂商布局；冷却液环节的国产氟化液供给厂商已实现核心耗材的国产自主可控。

• 赛道核心结构性矛盾：改造成本与能效收益的博弈。存量数据中心液冷改造涉及机房结构重构、管路铺设、冷却液循环系统安装等高成本工程，单机柜改造成本显著高于新建项目，而改造后的能效收益回收周期受当地电价、PUE监管力度和实际业务负载影响，存在较大不确定性。这一矛盾使得液冷推广呈现新建项目快于存量改造的特征。

• 高速光模块赛道：AI算力传输的“神经中枢”

• 光模块承担算力集群内部、跨集群之间服务器的数据互联传输功能，是整个算力网络的关键硬件组件。算力集群高并发的数据交互特点，直接牵引光模块产品迭代节奏，下游大模型训练产生的海量数据交换需求，是拉动行业升级的重要动因。

• 行业当前同时出现产品快速迭代、量价同步上行的发展态势。根据观研报告网《中国光模块行业现状深度研究与投资前景预测报告（2026-2033年）》网页公开摘要测算，2025年全球光模块市场规模达到268亿美元，同比增长74.03%；预计2030年全球市场规模将达到1086亿美元，2026-2030年复合年增长率32.3%（观研报告口径）。AI大模型带来token调用规模指数级扩张，海内外云厂商持续加大资本开支投入，数通市场规模已经超过传统电信市场，成为光模块行业最主要增长来源。国内算力基础设施建设持续落地，国内光模块市场增长动能已经由传统通信业务转向算力相关场景；测算显示，2024年中国光模块市场规模约329亿元，同比增长52.31%，2025年接近449亿元，同比增长36.47%，预计2030年国内市场规模有望突破1520亿元。

• 这一增长的核心驱动逻辑，是AI算力的快速增长重构了行业需求边界：大模型训练单次迭代所产生的数据交互量呈指数级上升，驱动光模块向更高速率、更高传输效率升级。在技术端，我们认为行业产品结构加速迭代，800G产品已从“过渡选项”升级为数据中心标配，1.6T产品则在头部算力厂商的推动下，踏入规模化商用初期。竞争格局方面，国内光模块厂商在全球供应链中的份额持续提升，国内多家光模块企业已成为全球头部算力集群的核心供应商；但产业链短板集中在上游环节，高端光芯片、DSP芯片对外依存度较高，成为制约行业进一步扩张的供给瓶颈。

• 行业现实挑战集中体现在迭代速度与库存管理之间的冲突。光模块迭代周期远短于传统通信器件，从800G向1.6T、3.2T升级节奏紧凑。企业需要平衡研发端的前瞻投入和存量产品的库存周转，迭代加速带来上代产品贬值风险，对供应链管控和需求预判能力提出较高要求。叠加客户集中度偏高、关键物料产能约束、进出口与地缘因素扰动，行业经营不确定性进一步加大。

• 算力核心芯片赛道：算力迭代与互联协同的双重突破

• 算力核心芯片是AI算力基础设施的核心硬件底座，整体分为算力计算与高速互联两大核心细分领域，二者分工明确、协同配套，共同决定算力集群的性能上限、运行效率与规模化落地能力。其中AI芯片承担核心算力运算职能，是单点算力输出的核心载体；高速互联芯片及核心IP负责集群内多节点、多芯片的数据交互与协同调度，是异构算力融合、算力池化扩容的关键支撑。随着大模型训练、推理场景持续扩容，算力集群从单服务器运算走向大规模异构集群协同，算力芯片的综合竞争维度也持续升级，不再局限于单芯片算力参数比拼，延伸至芯片性能、软件生态、互联适配、集群协同、综合成本的全方位竞争，国产替代成为行业长期核心发展主线。

• AI计算芯片：性能追赶与生态突破；AI计算芯片是算力硬件体系的核心载体，现阶段产业定位已从传统服务器单一计算器件，演进为决定整套AI算力基础设施性能、部署效率与运营成本的核心平台。该类芯片广泛部署于大型数据中心与机柜级算力系统，覆盖大模型预训练、微调、推理、多模态处理及高性能科学计算等核心场景，产品形态包含通用GPU、专用AI加速器、云厂商自研ASIC及具备AI加速能力的高端服务器CPU。在算力集群运行链路中，CPU负责任务调度与数据加载，AI芯片承接海量矩阵运算、注意力计算与张量处理，搭配HBM高带宽内存存储模型权重与中间数据，依托高速互联器件完成多芯片并行同步，构建完整算力运转体系。当前行业竞争格局呈现二元分化特征，海外头部厂商凭借成熟的软硬件生态占据高端市场主导地位，国内厂商持续技术迭代，依托本土化算力建设机遇加速实现国产替代。

• 市场维度高增长确定性明确，行业长期扩容趋势显著。根据QYResearch《2026-2032全球及中国服务器AI芯片行业研究及十五五规划分析报告》公开测算数据，2025年全球服务器AI芯片市场销售额达到570.0亿美元，预计2032年市场规模将增长至2326.7亿美元，2026至2032年复合增速可达20.5%，全球赛道持续维持高景气度。

• 从行业发展痛点来看，硬件性能与软件生态的错配是核心制约因素。经过多年技术攻坚，国内头部AI芯片单卡理论算力已趋近国际主流产品，硬件层面可基本满足大模型训练、推理的基础算力需求。但行业长期存在生态割裂问题，各厂商独立搭建算子库、编译架构与开发工具链，软硬件适配体系互不兼容，尚未形成行业通用的标准化开发接口，导致下游应用企业跨芯片平台的模型迁移、场景适配成本居高不下，大幅制约了国产芯片硬件性能的实际释放。目前行业主流破局思路为依托开源生态搭建统一适配中间层，将多厂商、多平台的多对多适配模式优化为通用一对多模式，系统性降低全行业技术适配成本。

• 整体而言，国内AI计算芯片赛道面临双重结构性约束。一方面，软件生态建设周期长、投入大、壁垒高，碎片化的生态体系难以短期整合完善，是制约产品规模化商业化落地的核心瓶颈；另一方面，7nm及以下先进制程受外部环境约束，芯片工艺迭代与性能升级空间受限，压制了国产高端AI芯片的性能天花板，形成“硬件快速追赶、生态持续滞后”的长期发展格局。

• 高速互联芯片：异构算力融合的底层支撑。高速互联芯片是衔接算力节点、实现集群协同的核心底层硬件，与AI计算芯片形成互补配套关系，核心作用是解决多服务器、多芯片之间的数据传输与同步调度问题，其带宽、延迟、兼容性指标直接决定异构算力的整合效率与集群规模化运行能力，是实现算力池化、统一调度的关键技术底座。如果说AI芯片决定单点算力上限，高速互联芯片则决定整体算力集群的协同效率与扩容上限，是大规模异构算力集群落地的必备核心器件。

• 受益于全球AI算力集群持续扩容，高速互联芯片赛道增长势能强劲。根据PWConsulting（PMarketResearch）《AIServerInterconnectChipMarket》统计与预测，2025年全球AI服务器互联芯片市场规模为65.0亿美元，预计2032年将达到365.9亿美元，2025-2032年复合增长率达27.95%。作为高速互联芯片的核心基础组件，SerDesIP核支撑高速数据传输功能；根据PWConsulting《WorldwideSERDESIPCoresMarket》统计与预测，2025年全球SerDesIP核市场规模为14.1亿美元，其中数据中心与云计算场景需求占比49.9%；预计2032年该市场将增至33.5亿美元，2025-2032年复合增速为13.15%。其成长持续受益高端AI服务器与算力集群设备迭代升级。

• 技术落地层面，部分国内头部厂商在高速互联领域已实现阶段性技术突破。自主可控的高速互联芯片及SerDesIP产品，基本适配当前主流AI芯片互联技术标准，可支撑大规模算力集群内多芯片并行数据交互与协同调度，一定程度缓解了大规模算力组网的数据传输压力。对于跨品牌、跨架构异构算力的融合编排，国产高速互联产品可提供底层技术支撑，助力本土算力集群逐步实现资源统筹调度与协同运行。

• 行业结构性矛盾主要体现为技术路线碎片化与大规模集群协同需求的不匹配。当前全球高速互联赛道并行存在NVLink、CXL及厂商自研协议等多条技术路线，不同技术体系在硬件接口、传输协议、交互逻辑层面存在差异，整体兼容性偏弱。行业尚未形成统一通用的互联标准，使得异构算力节点互通难度较高、跨平台适配成本偏大，多数混合架构算力集群的协同效率、数据吞吐能力及运行稳定性，普遍弱于同构算力集群，一定程度制约了国内异构算力规模化、一体化落地进程。

• 整体来看，算力核心芯片赛道呈现“计算端追赶性能、互联端完善协同”的差异化发展特征，两大细分领域均存在显著结构性短板。AI计算芯片的主要约束集中在软件生态碎片化与先进制程受限，硬件参数已逐步趋近国际同类产品，但生态短板制约规模化落地；高速互联芯片的核心瓶颈在于行业技术标准碎片化，影响异构算力集群整体协同效能释放。长期来看，硬件技术持续迭代、软件生态逐步统一、行业标准规范化建设，有望成为国内算力芯片实现国产替代、支撑算力产业扩容发展的核心突破方向。

  
  

• 存储系统赛道：解决算力快速增长的“存墙”瓶颈

• 大模型训练需要海量数据的高吞吐率、低时延存储访问，存储系统已成为决定算力集群实际性能释放的关键瓶颈，可称之为AI时代的“存墙”问题。其成因主要有三：其一，模型参数规模、训练数据量与上下文长度持续增长，训练过程中的数据读写与检查点（Checkpoint）存储消耗随之快速放大；其二，高带宽、低时延的专用存储介质需求快速增长，以HBM高带宽存储器为代表的高端介质已成为AI计算芯片的标配；其三，算力集群的规模扩张，带来存储容量的配套式增长。

• 从技术演进方向看，存储介质迭代与架构变革同步推进。传统集中式存储架构，在AI场景高并发读写压力下容易出现控制器瓶颈，难以匹配大规模智算集群的业务特征，分布式直连存储方案逐步获得更多落地应用。国内部分头部存储厂商相关产品已经适配国内主流算力集群业务场景，可在保障数据高吞吐、低时延访问的基础上，帮助算力集群优化整体存储部署成本。

• 供给层面，HBM市场呈现需求快速扩张、供给高度集中、交付周期承压的格局。全球HBM产能主要集中于SK海力士、三星、美光三家原厂；Counterpoint数据显示，2026年第一季度SK海力士HBM市场份额约58%，位居行业首位。美光管理层在财报电话会中披露，2026自然年度的HBM产能已经通过长期协议基本锁定，AI服务器配套内存交付周期明显拉长。SK海力士CEO于2026年8月对外表态，AI带来的存储紧张局面或将延续至2030年底；该判断属于企业管理层的前瞻性判断，实际供需格局会受产能扩产节奏、下游AI资本开支变化扰动，具备不确定性。

• HBM已经成为继先进制程之后，国内算力供应链需要重点突破的环节。国产化方面，据产业链信息，部分国内厂商正推进HBM国产替代验证，包括与本土AI芯片的适配测试。整体看国产HBM仍处在技术验证阶段，距离大规模商用尚要跨越客户认证、良率爬坡等多重环节，短期内国内算力集群对海外高端HBM产品的依赖难以完全消除。

• 行业需要在高性能介质的使用需求，与大规模集群部署的成本经济性之间寻找平衡点。HBM等高性能存储介质采购成本偏高，如果在超大规模算力集群中全域配置，将带来显著的成本压力；分布式直连存储架构性能优势突出，但相比传统集中式方案，部署复杂度、运维难度也有所抬升。综合成本与性能考量，混合存储架构成为现阶段行业较为务实的过渡选择，针对热、温、冷数据分层采用差异化存储介质与架构。

中国的算力产业当前正从“大规模基建布局”转向“高质量运营增效”的关键发展时期。行业所有扩张节奏、技术迭代、模式重构、格局分化均由六类长期并存、相互制衡的底层结构性矛盾驱动：供需空间错配、算力层级错配、软硬件生态错配、投入回报错配、标准异构错配、算电能耗错配。基于矛盾演化的确定性传导，行业政策、技术、市场、竞争维度呈现全新约束特征，中长期发展方向清晰可辨。

l 我们在1.4章节梳理的四大运营痛点，是本节六类产业底层结构性矛盾在企业经营层面的集中外化表现。算力产业发展过程中出现的阶段性发展困境、中长期演化方向，本质上是六类结构性矛盾动态博弈、此消彼长，推动行业螺旋式迭代升级的结果。

• 美国路线：以闭源技术为核心，打造技术壁垒，通过技术优势掌握行业的核心话语权。美国头部厂商的技术路线逻辑，是在技术的各个环节上，采用高度闭源的技术架构，从算力芯片的架构设计，到模型的推理引擎技术、量化压缩技术，再到Token全链路的调度管理系统，全部采用自研闭源技术架构，形成了从底层算力到上层模型再到场景Token接口的全链路技术闭环。

• 供需空间错配：东部沿海产业集聚旺盛，算力业务需求庞大，但能耗指标趋严、数据中心机房扩容空间受到约束；西部地区绿电资源充沛、土地成本具备优势，但本地AI产业应用基础相对薄弱。跨区域开展算力调度时，会受到传输时延、网络成本、数据安全合规多重条件约束，制约算力资源东西向高效流转配置。

• 算力层级错配：大模型训练所需万卡级超高密度智算资源供给持续偏紧；与此同时，部分存量通用IDC集群的低端通用算力产能出现闲置，行业逐步呈现高端算力资源供给紧张、低端算力资产利用率不足的两极化格局。

• 软硬件生态错配：部分国产AI芯片硬件单卡理论算力已接近国际主流产品水平，但不同厂商算子库、编译工具链体系相对割裂。跨芯片架构开展模型迁移与适配需要投入较高成本，软件生态碎片化问题，制约国产算力实现更大规模商业化落地。

• 投入回报错配：算力基础设施属于重资产、长周期属性赛道，传统机柜租赁商业模式存在盈利天花板。算力标准化计价体系仍处于试点培育阶段，全行业统一的算力交易、结算规则尚未完全建立，资产资本投入与现金流产出之间的错配压力客观存在。

• 标准异构错配：建设全国一体化算力调度网络，需要标准化接口、统一算力标识体系作为基础底座。当前多架构芯片、多厂商硬件设备通信协议尚未完全打通，异构算力集群实现统一纳管、跨域协同调度，在技术实现、行业标准层面仍然存在现实壁垒。

• 算电能耗错配：AI智算集群属于高载能业务场景，行业对于PUE、碳排放的监管要求持续收紧；国内风光等可再生能源装机规模快速扩张，但新能源具备间歇性、波动性特征，配套电力储能建设成本较高。算力业务7×24小时稳定运行诉求，与绿色低碳发展目标之间，形成需要持续权衡平衡的现实难题。

综合六类结构性矛盾的相互作用，结合当前产业运行现状，梳理形成覆盖行业全局的九条核心结论，为后续风险研判、趋势推演、策略制定提供统一逻辑支撑：

• 发展阶段梳理：全国一体化算力网建设，已经从“东数西算”物理基建布局阶段，步入以算网融合、全域调度、算电协同为重点的运营效率提升阶段，调度能力成为行业发展的重要抓手。

• 政策趋势研判：大算力枢纽差异化管控机制，是重塑国内算力供给空间格局的核心变量。非枢纽地区从严管控新增大型商业算力项目的导向，将持续约束行业盲目扩产行为。

• 基础设施认知：工信部提出的“1+M+N”国家算力互联互通节点体系，是破除区域、主体、技术层面壁垒，实现算力跨域高效流通的重要基础，也是提升行业资源配置效率的关键条件。

• 商业模式理解：行业盈利逻辑从“硬件规模租赁”向“分层价值服务”逐层升级，形成“基础资源出租+词元GaaS一体化服务+行业专属算力定制”的三级盈利架构。

• 技术路线判断：液冷技术已经从高密智算场景的可选配置，逐步成为行业主流配套方向。国产AI芯片市场占比不断提升，但软件生态割裂的短板，短期内难以从根本上得到解决。

• 价值分配研判：产业价值分配重心，由上游硬件制造环节逐步向中游算力运营服务环节转移。具备成熟调度能力、行业落地运营能力的服务商，有望分得更多产业利润。

• 交易体系总结：算力市场化交易仍处于试点探索阶段，整体成熟度明显低于电力交易市场。结合产业实际情况看，中长期大概率沿着“先落地长期合约，再发展现货交易，逐步探索辅助服务”的路径推进；该判断属于产业层面推演，并非监管既定政策。

• 竞争格局考量：行业头部集中效应逐步显现，头部主体依托枢纽资源资质、自研调度技术、长期行业客户订单的三重壁垒持续巩固优势，市场竞争从“硬件参数比拼”转向“全链条协同交付能力”的综合较量。

• 赛道选择建议：推理算力需求增速已经超过训练算力，成为行业主要增量。金融、政务、医疗等高合规要求领域，是行业专属算力的重要落地突破口；光模块、液冷、AI芯片、高速互联、存储系统具备较好的产业景气度。

结构性矛盾在现阶段集中传导，形成行业不可忽视的系统性约束。按照风险来源、影响范围，将行业系统性风险划分为四大类别，各类风险相互关联，共同划定行业扩张的现实边界。

• 政策合规风险压低行业上行天花板

• 八大算力枢纽差异化布局管理、非枢纽地区严控新建大型算力项目、机房PUE硬性指标管理，三重政策要求划定算力设施的布局边界。部分地区对国有资本投资的智算项目，设置国产硬件采购的相关引导要求，各地执行尺度存在差异。高度依赖海外芯片、布局在非枢纽区域的算力项目，将面临审批、能耗指标获取、合规整改、资产利用率不及预期等现实压力。

• 供应链外部风险约束行业技术升级空间

• 海外高端AI芯片出口管制持续收紧，国内7nm及以下先进制程产能存在阶段性供给压力；HBM等关键存储介质供给高度集中于海外厂商，同样受外部管制因素影响，会限制高密度智算集群的装机规模。液冷核心零部件、高速光芯片等部分元器件需要进口，存在供应链扰动的可能性，会挤压中小算力运营商盈利空间，赛道内部市场竞争进一步加剧。

• 技术与供需错配风险形成行业产能效率瓶颈

• 算力层级错配矛盾长期存在，部分地方盲目上马智算项目，易出现“建得起、用不起、调不动”的经营困境；异构算力统一纳管、跨域低时延调度的技术瓶颈，短期难以完全突破；国产芯片与大模型适配成本较高、生态效率低于行业预期，直接制约集群有效算力释放，行业资源配置效率提升存在明显技术障碍。

• 绿色运维与数据安全风险考验行业长期运营的稳定性

• 算力高能耗属性匹配日趋严格的碳排放、能耗监管标准，绿电供应稳定性、余热回收利用经济性，都是长期运营的刚性约束；液冷系统运维、跨区域数据传输，对安全管控提出更高要求，数据泄露、传输合规的潜在风险，持续抬高行业运营门槛。

综合前述六类结构性矛盾以及四大系统性风险的约束边界，产业现实约束与技术、政策变量相互交织，既对算力行业扩张形成客观限制，也在重塑产业演进路径。立足于当前产业发展现状，结合政策导向、技术迭代、供需格局变化，我们进一步推演产业中长期演化方向，梳理出八大确定性较高的趋势。

• 趋势一：算力网络完成从“物理连接”到“逻辑统一”的升级

• 全国一体化算力网将按“资源入网→智能调度→市场交易”的顺序分阶段成熟，全域调度能力实现算力跨区域、跨主体、跨架构的自由调配；市场化交易机制成熟周期较长，中长期将形成“中长期合约+现货交易+辅助服务”的多层次交易框架，与电力交易体系存在本质场景差异。

• 趋势二：词元计价成为行业标准化底座，与传统模式长期并存

• 算力商品化进程持续推进，词元计价的行业渗透率稳步提升，逐步成为行业标准化定价核心方向；但机柜租赁、词元订阅两种模式将长期共存，行业统一词元计量口径、跨平台结算规则的落地节奏存在不确定性，市场客户认知仍需要持续培育。

• 趋势三：国产AI芯片市场份额持续提升，实现分层级行业替代

• 国产AI加速卡出货占比持续上行，在政务、工业、自动驾驶等行业专属算力场景中，逐步形成规模化替代优势；但受软件生态割裂、先进制程产能约束、海外技术封锁三重变量限制，短期无法实现全行业、大中小算力场景的全覆盖替代。

• 趋势四：液冷技术渗透率快速提升，风冷液冷形成混合适配格局

• 高功率密度智算场景中，液冷技术的标配地位进一步巩固；存量机房受改造成本高、投资回收周期长等因素制约，液冷改造进度存在显著区域差异，风冷、液冷技术将在不同算力场景中长期共存，形成分层适配格局。

• 趋势五：行业头部集中格局加剧，中小主体向垂直赛道差异化转型

• 行业资源禀赋分化效应持续放大，头部运营主体凭借枢纽节点资源、核心调度系统与长期客户深度绑定所形成的复合壁垒，持续收拢市场份额；中小算力服务商难以在全链条层面与头部企业竞争，将重点深耕行业专属算力、边缘算力等垂直细分赛道，行业集中格局的最终形态仍有待观察。

• 趋势六：算电协同在西部枢纽先行落地，成为绿色发展标准配置

• 依托西部枢纽的绿电供给优势，源网荷储、算电协同模式将在西部训练算力集群中率先试点推广，配套大规模储能、柔性负荷调节技术，成为智算中心标准配置；但风光发电的间歇性特征、储能项目高投入成本，仍是算电协同规模化推广的核心约束。

• 趋势七：高速光模块、CPO技术迭代升级，破解网络传输瓶颈

• 作为算力网络核心互联器件，1.6T光模块当前进入小规模商用试点，3.2T、CPO技术是行业中长期迭代方向；技术迭代将有效突破算力集群内部、跨地域算力调度的网络时延和带宽瓶颈，量产落地时点存在一定技术不确定性。

• 趋势八：行业专属算力、边缘算力成为核心增量，实现双层协同落地

• 金融、政务、医疗等高合规行业专属算力需求持续扩容，定制化服务成为行业新的增长极；城市边缘算力节点逐步布局，承接低时延推理需求，与西部枢纽训练算力、东部枢纽行业专属算力形成分层协同架构，边缘算力商业化盈利模式仍在持续验证。

针对产业经营主体、资本市场投资人、政策制定主体的不同定位，结合行业中长期确定性趋势与核心风险约束，我们国金证券产业研究中心团队为三类主体分别适配了可落地的战略建议方案：

• 面向算力产业经营企业的管理层：锚定布局、升级业务、抢占红利、筑牢壁垒

• 行业企业需主动遵循顶层政策约束，依托确定性趋势构建长期竞争力，重点落地四项核心策略：

• 精准选址布局，匹配区域分工：严格遵循八大枢纽差异化布局导向，非枢纽区域原则上不再新上大型商业算力项目；结合业务属性匹配区域资源禀赋，大模型训练算力优先布局西部低电价、高绿电占比区域，推理算力、行业专属算力优先布局东部产业集聚区域，贴近终端客户、降低传输时延。

• 升级业务模式，锚定高附加值赛道：主动降低传统机柜租赁收入占比，加快业务分层升级：基础资源层提供标准化算力出租服务；中间层打造词元订阅、弹性算力等标准化产品；高价值层深耕行业专属算力定制、全链路算力运营服务，以高毛利业务对冲重资产折旧压力。

• 把握三大行业红利窗口，提前布局核心资源：一是词元计价红利，率先搭建词元计量、结算体系，参与行业标准制定，抢占算力商品化先机；二是国产算力替代红利，提前与国产芯片厂商、模型企业协同适配，搭建全栈国产化算力服务能力，匹配地方国产化政策要求；三是液冷绿电配套红利，新建高密智算中心优先配套液冷技术、绿电储能系统，满足PUE监管和头部客户ESG采购标准。

• 筑牢行业客户壁垒，稳定长期收入盘：重点拓展金融、政务、工业制造、自动驾驶等高合规、高粘性行业客户，以专属算力定制方案、跨域调度服务能力为核心，签订长期框架订单，锁定基础算力需求，降低行业周期波动影响。

  
  

• 面向一二级产业投资人：规避过剩赛道、重构估值逻辑、分周期布局、防控明确风险

• 投资布局需聚焦行业价值转移主线，规避结构性产能过剩赛道，建立贴合行业真实发展逻辑的研判框架：

• 明确赛道筛选标准，规避结构性产能过剩风险：弱化“机柜规模、芯片算力”等单一量化指标，重点筛选具备三重核心壁垒的优质标的：拥有八大枢纽地区合规算力资源、具备自研异构算力调度平台技术能力、绑定大型行业长期客户订单；传统无差异化竞争力的通用IDC项目，属于明确产能过剩赛道，应主动规避。

• 重构资产估值逻辑，聚焦效率与合规指标：从传统“机柜数量、硬件规模”的重资产估值导向，转向以“算力资源利用率、词元产出效率、异构调度技术能力、行业合规资质”为核心的多维估值框架；同等资产规模下，算力利用率、词元产出效率更优的运营企业，具备明确估值溢价空间。

• 分周期布局高景气配套赛道，匹配行业成长节奏：结合行业技术落地节奏，分阶段配置标的、把握结构性机会：短期（2026-2027年）重点关注液冷配套、800G/1.6T高速光模块行业，直接受益高密智算建设；中期（2028-2029年）布局国产AI芯片、算力调度软件企业，受益国产化替代、算力规模化交易；长期（2030年及以后）聚焦算电协同配套、边缘算力运营服务商，匹配行业绿色化、协同化发展趋势。

• 重点规避四类明确投资风险：政策端规避非枢纽地区算力项目、不符合国产化率和PUE管控标准的标的；供应链端规避依赖单一海外芯片供给、无国产化替代预案的运营企业；技术端缺乏调度技术储备、未提前适配国产算力生态的主体；经营端规避重资产投入规模过大、长期订单不足、液冷运维能力薄弱的标的。

  
  

• 面向政策制定者：统筹标准、引导布局、设计交易、完善激励

• 政策规划聚焦打通行业底层发展壁垒，以标准建设、梯度布局、政策激励为抓手，推动行业高质量发展，避免同质化、低水平重复建设：

• 完善全国统一标准体系，打通跨域调度底层壁垒：加快制定算力资源池化、并网、监测、安全管控、异构调度统一技术规范，统一算力资源计量、评价、定价标准；重点推动“1+M+N”三级调度体系全国落地，打通不同架构芯片、不同厂商设备、不同区域算力资源的通信接口，从技术层面破除行业异构流通壁垒。

• 差异化规划枢纽产业布局，引导区域协同分工：强化八大枢纽区域差异化定位，引导西部枢纽重点承接训练算力、数据存储业务，发挥其绿电资源优势；东部枢纽聚焦推理算力、行业专属算力定制，贴近产业应用端；建立全国算力项目统筹协调机制，严控非枢纽地区新建大型商业算力项目，避免区域间同质化、低水平重复建设。

• 设计分层算力交易制度，培育市场化流通机制：借鉴电力市场成熟交易经验，结合算力行业场景特性，构建“中长期合约+现货交易+辅助服务”的多层次算力交易体系；牵头制定全国统一词元计量标准、跨区域结算规则、数据安全治理规范，逐步培育算力商品流通市场，以交易机制倒逼行业运营效率提升。

• 组合配套激励政策，引导行业绿色化、高质量发展：从四个维度完善配套支持体系：绿色端出台绿电应用补贴、PUE达标奖励政策；资产端支持算力基础设施类REITs项目落地，盘活存量资产；国产化端对适配国产芯片、构建全栈国产化能力的项目给予政策扶持；低效资产端推动高PUE老旧IDC项目出清，优化行业整体资源供给效率。