大家好,我是秦明。10月27日,第三届武汉智博会开幕,我在线上看了上午的主题演讲,最想单独拿出来聊的是秦淮数据CEO吴华鹏这一场。

一家做算力中心的企业,来智能建造的博览会讲什么?看完我的感受是,他讲的其实是建筑业眼下最确定的一块增量需求,以及这块需求对建造方式提出的要求。
最直观的是一个数字:吉瓦级算力园区,客户已经开始要求把交付周期从12到18个月压到4到5个月。这样一个园区一年耗电约100亿度,占地约1000亩,算上GPU服务器总投资在2000亿元左右。体量这么大、工期这么短,传统的现场施工逻辑很难撑住。他给的解法之一是「把建筑和机电全部模块化、方舱化,在工厂一体集成」。前几天我们写过阿里云把智算中心建设周期压到100天,走的也是工厂预制、现场拼装这条路。
为什么这么急,他从中美算力格局讲起:差距约4到6倍,美国缺电,中国缺芯,而中国手里的底牌是能源。所以东数西算正在进入「算电协同」阶段,GW级园区成为主流,审批也向绿电和国产芯片倾斜。
还有一句话,我觉得做建筑设计的朋友值得琢磨:「今年的建筑设计怎么才能适应未来的需求」。一栋按几十年折旧的建筑,要装下可能一年一代的芯片,这对设计的弹性提出了新问题。
后半场他讲秦淮数据自己的做法:东阳光这笔IDC行业史上最大的并购带来的液冷和能源协同、1+N战略,以及算电、算水协同的具体实践,数字都比较实。
如果你在做数据中心相关的设计、机电或施工,或者在找建筑业的下一个增量,建议读完。
以下是吴华鹏的演讲实录(经整理,未经本人审核):
主持人:结合行业趋势,为我们带来重构智算时代AIDC的产业共生范式主题分享,有请吴总。
开场:AI超级周期,底层资产是算力
吴华鹏(秦淮数据CEO):各位来宾,快中午了,中午好。我们正处在一场历史性的生产力革命中,人人都在说AI、用AI,在我的PPT里面,也有很多图片是AI生成的。AI不只是效率工具,而且是重塑生产方式与竞争格局的核心竞争力。支撑这场浪潮的底层资产就是算力。
今天我的主题叫「智算浪潮范式重构」。我想用两部分来展开:第一部分看AI超级周期给算力基础设施提出了哪些新的要求,第二部分看秦淮数据怎么回答这道新课题。
先正视差距:中美算力相差4到6倍
在讨论机会之前,我们要先正视一个前提,就是差距。现在AI已经进入到了军备竞赛的阶段,主要玩家就是中国和美国,但我们与美国存在着明显的差距。左边第一张图可以看到,2025年底,全球算力60%到70%集中在美国,大约10%到15%的算力在中国,我们现有的算力差距大概是4到6倍。
中间两张图可以看出,中国云厂商的开支长期稳定在美国大厂的10%到20%之间。资本支出的差距也就会转化为IT容量的差距。中美差距将从今年的30GW左右拉大到2030年的50GW。如果考虑到我们芯片的能力,实际算力的差距会进一步拉大。
第四张图是赚钱效应的区别,美国两个模型大厂今年8月份的经常性收入大约是国内七大厂商的10倍。这两年有一个提法:算力就是国力。中美在算力规模上的差距会长期存在,算力基础设施有极强的先导属性,必须提前布局、超前推进。这既是现实,也是我们接下来所有机会的起点。
美国的短板是电,中国的短板是芯片
尽管中美存在一定差距,但AI的竞争不是百米冲刺,美国有短板,中国也有攻坚的机会。
左边是美国的情况。美国的短板是电力,它导致AIDC的交付跟不上整体需求的增长。美国电网的扩容是以10年为单位的,新建输电线路可能要7到15年。所以美国大量的数据中心正在使用自建发电厂,短期靠燃气轮机发电,长期靠核电,特别是对小型模块化反应堆SMR有很强的需求。但是自建电厂也面临着机电设备产能不足的供应瓶颈。
饼图是摩根士丹利的预测,2026到2029年美国数据中心新增160GW的需求,考虑绕过电网的自发电项目之后,也还有77GW的电力缺口。电力缺口会直接导致大量项目延迟,所以高盛直言,电力可能是永远的瓶颈。
右侧是中国的情况。中国当前最大的短板还是硬件层面,美国禁止高端GPU进入中国,国产AI芯片面临算力不足、芯片产能不足等多方面问题。英伟达B300的单卡算力可能是华为最新产品的10倍以上。不过对于中国来说,限制只会推动整个产业更加自主,把有限的工具利用到极致。
单卡算力低,我们就用超节点集群部署;单卡内存不够,我们就有多晶圆封装与先进封测。硬件短板最终一定会被慢慢补上。右侧的柱状图是国产芯片产能的预测,预计2028年会超过700万颗。业界普遍认为,到2028年中国芯片产能的卡脖子问题会得到非常大的缓解。
中国的底牌是能源
在硬件短板补上的同时,我们手里还握着一张更重要的底牌:能源。AIDC的本质是一个吃电的行业,谁的电力稳定、充裕、便宜,谁的算力就能走得更远。
中国现在拥有全球规模最大的清洁能源体系,特别是风电和光伏。左图可以看到,我们的风光装机量在四大清洁能源中占比已经接近80%,而且增速非常快。而中国风光的潜力主要来自西部,特别是内蒙古加西北五省市,占全国风光可开发资源的60%。
东数西算的三个阶段
中国的风光资源集中在西部,算力需求大部分在东部,这种错位推动了东数西算工程,2022年底正式落地。我们内部把东数西算分成三个阶段。
阶段一是枢纽定型期,大约在2022年到2023年,工程正式启动。这个时候西部节点开始试点智算,但主要需求还是通算,集中在张家口、长三角等靠近一线城市的地方。
阶段二叫算力扩张期,大概从2024年到2025年,大模型驱动的智算需求爆发,电价、绿电、电力容量成为核心的约束条件。左边这张图可以看到,和林格尔集群、中卫集群的规划规模已经远超其他集群。
大家稍微注意一下中间这张地图上的数据,这个数据可能大家在其他地方看不到,这是我们内部通过调研统计的:在国家主要的东数西算集群里面,现阶段能够供给的资源大概就是这样一个数。大家算一下就能知道,如果不加新的区域和规划,中国整个数据中心未来3到5年的供给大概就是这样。
到阶段三,2026年以后,开始走向算电协同一体化,GW级园区的时代来了。我们判断在这个阶段,西部集群仍将是算力高地,新疆、青海、黑龙江等算电协同示范区将承接新增算力需求。
大型算力中心要过审批:绿电和国产芯片优先
另外还要多讲一点,2025年以来,大型算力中心的落地都需要经过相关部门的审批。窗口指导是为了更好地将能源与算力融合在一起。一方面,阻止供给侧一哄而上,避免造成资源浪费和内卷式竞争、拉低算电协同的配置效率;另一方面,绿电和国产芯片占比高的项目优先审批,引导算力中心合理布局,更好地支持国产算力的发展。
吉瓦级园区有多大
前面是对行业的基本介绍,第二部分我们聊聊一些思考。刚刚说到吉瓦级园区从2026年开始密集出现,其实秦淮数据是国内最早提出并落地吉瓦级园区的算力中心企业。我们认为吉瓦级园区与传统IDC不同,它会带来更多的挑战。
先给大家简单讲一下吉瓦级园区的概念。一个GW园区,这个GW指的是IT负载。一个GW的园区通常一年耗电量在100亿度,占地规模大概在1000亩左右,数据中心相关的投资大概在200亿左右。如果加上里面的GPU服务器,按现在GPU服务器的价格,估计一个GW总投资在2000亿左右。
吉瓦级园区的五大挑战
在吉瓦级园区的实际建设过程中,有几大类挑战。
第一类是资源挑战,包括绿电和水资源。从实际配套需求来看,一个GW级数据中心的年耗电差不多接近100亿度电,大约相当于800万人一年的生活用电。如果要用绿电供给,需要配套2到4个GW的新能源装机,才能满足80%到100%的绿电需求。即便在西部区域,风光资源的扩容空间也开始变小。
水资源方面,一个吉瓦级园区的耗水量从百万吨到千万吨不等,而我们绿电丰富、风光丰富的西部,恰巧又是水资源匮乏的区域。
第三个是电网波动挑战。AI负载的波动非常大,难以主动控制;新能源发电本身偏柔性,不是特别强大和稳定。两者叠加,会冲击电网的稳定性。
第四个是交付周期的挑战。传统IDC在中国的交付周期大概是12到18个月,而AIDC需求增长快速,客户已经开始要求把交付周期压缩到4到5个月。
第五点是成本效率的挑战,包括两个方面:一是AIDC用水用电极大,必须提升效率来节约成本;二是AIDC是一个重资产行业,折旧周期数十年,但是芯片迭代的周期很快,可能一年一代。今年的建筑设计怎么才能适应未来的需求,是必须要回答的问题。
五个答案:从算电协同到全流程AI
针对这些挑战,秦淮一直在思考、在探索,我们觉得以下这些是部分答案。
第一个是算电协同,这个现在很多人在讲,我今天不展开了。
第二个是算水协同,可能接下来是一个热点。总书记最近在乌兰察布考察时特别提到了算水协同。
第三点是去柴发化。去柴发化不是说完全不用,而是要尽量减少它,直到在一个园区里面不用它。柴油发电机的建设运维成本高,地下储油有安全隐患,不环保,而它只是备用电源,使用概率很低。去掉它不仅能降碳,还能重构吉瓦级AIDC园区的运营逻辑。
第四点是模块化加方舱化,把建筑和机电全部模块化、方舱化,在工厂一体集成,可以大幅压缩交付周期。前面的专家和领导也提到了建筑模块化和装配化的一些工作。
第五是全流程的AI应用,把AI深度融入到建筑设计、产品设计、项目运维等业务的全周期。
所以我们说,数据中心的旧逻辑已经无法适配吉瓦级这个新物种,未来AIDC的使命不是简单地建机房,而是围绕电算产协同,稳定产出高性价比的绿色Token。
秦淮数据是谁
简单介绍一下秦淮数据。秦淮数据是中国领先的绿色智算基础设施运营商,不到10年时间,已经成长为东数西算工程里投运规模最大、运营效率最高的企业之一。从核心运营数据来看,我们的规模、上架率、PUE、交付速度都大幅领先于行业平均水平,整体运营质量非常扎实。
从布局上看,东数西算工程的十大集群里,秦淮数据已经覆盖了一半以上,我们也正在乌兰察布、中卫、韶关、庆阳、张家口等区域建设吉瓦级的超大规模数据中心园区。
在数据中心行业里,秦淮数据一直是敢为人先的开拓者,大部分人提到秦淮数据,第一印象就是行业新锐。我们开创了一系列行业关键的业务模式和技术,包括超大规模数据中心定制化模式、集装箱出海模块化建造、无水冷却技术等等。可以说,我们不断在行业的无人区探索,推动数据中心产业向前发展。
运维:从计划性维护到预测性维护
超大规模数据中心是一个系统性工程,所以秦淮数据提前布局,2023年就发布了算力中心全栈解决方案,覆盖综合开发、建筑设计、建设交付、冷却、供电、运维全流程。
以智慧运维为例,行业过去的运维模式是计划性维护,运维人员定期现场排查,出了问题再抢修。面对超大规模数据中心,这套做法容易出现漏检、处置不及时等问题。行业数据也显示,人工周期巡检只能发现30%到40%左右的设备异常。我们把AI融入运维全流程,提前预判可能产生的故障,把计划性维护变成预测性维护。我们现在的故障预测准确率已经达到了行业领先水平,把看不见的风险压缩了好几倍。
东阳光并购:IDC行业史上最大一笔
因为今天在湖北,我也要介绍一下东阳光,东阳光是秦淮数据现在的大股东。2025年,秦淮数据迎来了发展历程中最重要的里程碑:我们与中国民营企业500强之一的东阳光集团正式牵手,这也是中国IDC行业有史以来最大的一笔并购。东阳光集团在湖北的宜都、武汉等区域都有产业布局。无论对于我们,还是对于整个行业,这都是一次非常关键的整合。
早些年行业的经营逻辑相对简单,就是拿地、建机房、租服务器,很像数字地产。但现在完全不一样了,行业已经进入了一个拼技术、拼整合、拼生态的新阶段。客户要的是从能源到算力的全链路最优解。东阳光集团掌握液冷材料、液冷设备、超级电容等核心技术产品,也有绿电开发和储能配套的能力,与秦淮数据的主营业务高度互补。
我们内部有一个判断:算力中心企业的核心竞争力,将体现在对这些关键要素的垂直整合能力上。这种垂直整合能力会带来成本、技术和服务上的复合优势。
目前双方的协同在不断加深。除了能源上的赋能,双方正共同构建全链路的液冷能力,这将把秦淮数据算力中心液冷设备的交付效率提升30%,综合成本下降10%。双方也联合行业合作伙伴,投运了全球首个固态变压器SST商业化项目。对比传统供配电方案,它的供电效率高达98.5%,占地面积缩小50%以上。在运维层面,东阳光本身的机器人等业务,也在为秦淮数据的智能运维体系提供重要支撑。
1+N战略:沿算力产业链向上下游延伸
面对产业发展的大势,基于我们与东阳光共同创建的电算产一体化发展模式,我们制定了1+N的发展战略,核心思路就是沿着算力产业链向上下游拓展业务边界。
这里的1就是数据中心核心主营业务,这是我们的立身之本。N代表多维度的业务延伸:一方面我们要聚焦能源领域,重点是电和水;第二层我们会切入到算力领域;除此之外,我们还在服务器循环经济、液冷、余热回收等配套产业上做布局。
算电协同:柔性直连,从被动适配到主动构网
具体来说,向资源侧布局的核心是算电、算水深度协同,建好生态友好型AIDC。
先说算电协同,我们重点围绕柔性供电、绿电直连、去柴发化等方向。以柔性直连为例,随着算力园区迈入GW级规模,传统的供电模式已经没法同时满足绿电消纳和园区稳定运行两大需求。为此,秦淮数据联合清华大学成立研究中心,共同攻坚柔性供电互联架构。我们把数据中心多个供电分区整合成一套可联动、可互济的微电网,让电网、绿能、储能不再各自为战,这也让AIDC彻底跳出被动适配,实现支撑电网乃至主动构网的全新升级。
算水协同:污水近零排放、无水冷却
再看算水协同。凭借行业领先的电化学污水回用技术,秦淮数据在怀来园区做到了污水近零排放,处理后的水质可以达到灌溉标准,这在整个数据中心行业都是具有突破意义的环保创新。同时我们也首创了无水冷却技术,为缺水地区布局数据中心提供了可靠的解决方案。在张家口,秦淮数据建设了国内首个大型无水冷却数据中心,每年可以节约用水25万吨。
四个维度:把AIDC变成生产力中心
在算力和配套产业的布局上,我们聚焦四大维度。
一是进一步深化完善生态共同体,包括投资无问芯穹等上下游企业,补齐相关能力,并且把零散的能力串成闭环。
二是强化产数实融合。我们以算力中心园区为主要载体,把AIDC建设、液冷、服务器循环这些工作统一规划、一体推进,做到数字和实体双向赋能。
三是推进产学融合,与清华、北大等顶尖高校建立联合实验室,盯住产业发展过程中卡脖子的技术难题,持续攻关突破。
四是超前布局前沿领域,包括探索核小堆、可控核聚变等未来能源形式,不断拓展算力的边界和发展的可能性。
产业向实、技术向新、布局向前,是我们重要的发展思路。通过多维度的升级布局,进一步打通电算产链条,让AIDC不再是单纯的算力底座,而是真正蜕变为支撑未来发展的生产力中心。
好,我的分享就到这里,期待我们在这一场史无前例的生产力革命之中并肩前行,共同奔赴拥有无限可能的未来。谢谢大家!
主持人:感谢吴总的精彩演讲。吴总从产业趋势入手,剖析超大规模智算集群面临的挑战,分享了秦淮数据在算电融合领域的实践与探索,为行业探寻AIDC高质量发展新路径。
资料来源
本文为 AI4ELAB 编辑或原创,作者:秦明。转载请注明出处:https://ai4elab.com/11200.html