但到了AI时代，这个逻辑正在改变。
一个真正高性能的AIDC，不是把GPU买回来、塞进机房就可以了，而是要把算力芯片、服务器、存储、网络、供电、液冷、能源和软件调度进行协同。
英伟达把下一代数据中心叫做“AI Factory”（AI工厂）。传统工厂消耗电力和原材料，生产商品；AI数据中心消耗电力和数据，最终生产的是Token。
未来看AIDC，可以抓住一条主线：数据中心正在从“出租机柜”，变成“电力转Token”的AI基础设施。
AIDC到底看什么传统IDC主要给服务器提供场地、电力、网络、制冷和运维。以前看一家数据中心好不好，主要看有多少机柜、多少MW电力、上架率多高、PUE多少、客户是谁。
传统服务器机柜，可能只有几千瓦到十几千瓦。到了GPU集群时代，GB200 NVL72一个机柜满载功率，已经达到120kW左右；再往后走，AI机柜还会继续向几百千瓦，甚至MW级发展。
这时候，过去普通IDC的供电、制冷和机房设计，很多都要重新做。
另一个变化，是计算单元变了。
以前一台服务器可以独立工作。但现在训练或者推理一个大型AI模型，需要几十颗、几百颗甚至上万颗GPU同时协同。
比如VeraRubin，一个NVL72机柜有72颗RubinGPU和36颗VeraCPU，再通过NVLink和高速芯片连接更多机柜。
所以AIDC卖的不是一个机柜，而是高密度电力、高速网络、稳定散热和整个集群的运行能力。
AIDC产业链拆解
从产业结构看，AIDC大致可以分成几个层级。最底层是土地、厂房、电力、制冷和机柜。
往上一层是GPU、AI服务器、存储、交换机和网络。再往上是算力调度、云平台和算力租赁。
最上面才是模型训练、推理、Agent及各种AI应用。
未来看AIDC要多看几个指标：一兆瓦能部署多少有效算力，一度电能生产多少Token，一个Token最终需要多少成本。
这也是AIDC和传统IDC最大的区别。
产业链拆解
如果把AIDC产业链完整拆开，我认为可以分成四个层面。
第一层是资源层。包括土地、电力指标、电网接入、变电站、绿电资源、光纤和骨干网络。
过去传统IDC选址，看重距离北京、上海、深圳这些核心城市远不远。因为互联网业务强调低时延。
但AI训练不一样。大量训练任务没有那么强的实时性，真正紧张的资源反而变成了电力。
国际能源署预计，全球数据中心用电量将从2025年的485TWh，提高到2030年的950TWh，接近翻倍。
其中AI数据中心的用电，增速更快。
所以很多大型AIDC项目，首先问的已经不是有没有土地，而是：这里有没有几百MW甚至GW级电力？电价多少？有没有绿电？多久能送电？
第二层是机电基础设施。包括变压器、开关柜、UPS、电源模块、母线、柴油发电机、储能、冷水机组、CDU、冷板、泵阀和热交换设备。
这一块过去关注度没有GPU那么高，但现在越来越重要。
原因还是功耗。
当机柜进入100kW、200kW甚至更高，风冷很难解决问题。液冷正在从过去的“可选配置”，变成高密度AIDC的基础配置。VeraRubin这一代已经采用100%液冷架构，并支持45℃温水冷却。
国内冷板式液冷也进入标准化阶段。我国已经累计建成306家国家绿色算力设施，平均PUE已降到1.25，一些新建的算力中心，要求设计PUE低于1.2。
所以这一轮AIDC扩建，增加的不只是GPU。背后的变压器、UPS、HVDC、液冷、CDU、冷板、泵阀、温控设备，都在一起升级。
第三层是IT设备层。包括GPU、ASIC、CPU、HBM、DDR、SSD、AI服务器、交换机、网卡、光模块和高速铜连接。
这里面最大的变化，是行业正在从“单卡竞争”走向“系统竞争”。模型越来越大，一颗GPU再强也解决不了全部问题。
GPU之间怎么连接，数据怎么送进去，HBM够不够，交换机延迟高不高，光模块带宽够不够，都会影响最终算力效率。
所以AI服务器正在从单台服务器，向Rack Scale，也就是机柜级计算发展。
Scale-up负责把几十颗GPU连成一个大的计算单元。Scale-out再把几百、几千个计算单元继续连起来。以后衡量一个AIDC，不能只看装了多少GPU。还要看这些GPU，到底有多少能够真正跑起来。
这就是有效算力。
第四层是运营和应用层。包括三大运营商、IDC运营商、云厂商、智算运营商，及互联网公司、大模型公司、金融、制造、科研和政府客户。
对于AIDC运营商来说，过去几个核心指标仍然重要：签约率、上架率、电价、PUE、单位功率租金。
但现在又多了几个指标：机柜功率密度、GPU利用率、网络效率和Token产出效率。
行业最新产业趋势未来的AIDC，我认为第一个最重要的变化，是需求正在从训练进一步扩散到推理和Agent。
过去大家讲AI数据中心，首先想到训练大模型。但模型训练完以后，并不是算力需求就结束了。
真正长期持续消耗算力的，反而是推理。尤其Agent进入真实工作场景，一次任务可能不只是问一句、答一句。而是要连续完成规划、搜索、调用工具、运行代码、检查结果，再决定下一步动作，整个过程消耗大量Token。
国内这个趋势已经很明显。
截至2026年6月，豆包大模型日均Token调用量已经达到180万亿。相比2024年5月的1200亿，增长1500倍。
截至2026年3月底，我国智能算力规模已经达到188.2万P，是上一年同期的2.5倍。
所以现在AIDC需求，不只是来自大模型训练。后训练、强化学习、长上下文、多模态推理和Agent，都在持续消耗算力。
第二个变化，是电力正在取代土地，成为AIDC最核心的资源。
以前建数据中心，关注的是北上广深周边还有没有机房。以后很多大型项目，首先寻找的是便宜、稳定而且规模足够大的电力。这也是为什么“东数西算”正在进一步往“算电协同”发展。
目前全国已经形成8大国家算力枢纽、10个国家数据中心集群和3个算电协同发展区域。到2025年底，围绕国家算力枢纽已经建成145条干线光缆，全国各省到八大枢纽的网络时延基本降到20毫秒以内。
背后的逻辑很清楚，利用当地风电、光伏等绿电资源，同时承接长三角的AI算力需求。
第三个变化，是液冷真正开始从概念走向基础设施。
到了100kW以上的机柜功率，液冷已经不只是降低PUE。而是GPU能不能稳定运行的问题。未来机柜功率继续提高，液冷还会进一步往更高液冷比例、更高水温、更少风扇发展。
过去制冷系统只是数据中心的辅助设施。以后它会直接决定一个数据中心能装多少算力。
第四个变化，是供电架构也在升级。
传统数据中心通过UPS、PDU，再一级一级向服务器供电。但机柜到了几百kW甚至MW级以后，电流、铜损和布线空间都会变成问题。
所以行业开始往更高电压直流供电发展。英伟达已经明确讨论，当未来IT机柜进一步走向1MW以上时，800V DC会成为重要方向。
第五个变化，是AIDC正在进入系统工程竞争。
过去AI算力产业最核心的资产是一颗GPU。但到了Vera Rubin这一代，GPU、CPU、HBM、NVLink、交换机、网卡、存储、液冷和供电已经全部开始一体化设计。行业甚至开始强调从Chip到Grid，也就是从芯片一直设计到电网。
所以，未来真正竞争的单位，已经不是一颗芯片，也不是一台服务器。而是一个Rack、一个Pod，最后是一整座AI Factory。
数据中心产业链代表性企业（最终版）
上游
1）计算芯片
海外：英伟达（美国，AI计算芯片龙头）、英特尔（美国，通用服务器CPU）、AMD（美国，服务器CPU/GPU）
国内：海光信息（天津，国产服务器CPU）、寒武纪（北京，AI加速芯片）、华为昇腾（深圳，国产AI芯片）
2）存储芯片
海外：三星（韩国，全球内存龙头）、SK海力士（韩国，DRAM/NAND）、美光（美国，存储芯片龙头）
国内：长江存储（武汉，国产NAND闪存）、长鑫存储（合肥，国产DRAM内存）、兆易创新（北京，NOR闪存龙头）
3）服务器
海外：戴尔（美国，全球服务器龙头）、HPE（美国，企业级服务器）、超微（美国，AI服务器核心供应商）
国内：浪潮信息（济南，国内AI服务器龙头、全球核心厂商）、新华三（杭州，企业级服务器）、联想（北京，通用服务器龙头）、中科曙光（北京，高性能服务器）
4）网络交换机
海外：思科（美国，全球交换机龙头）、Arista（美国，高速数据中心交换机）、Juniper（美国，高端网络设备）
国内：华为（深圳，全球交换机龙头）、新华三（杭州，数据中心交换机）、锐捷网络（福州，企业级交换机）
5）制冷系统
海外：Vertiv（美国，数据中心制冷龙头）、施耐德（法国，精密空调系统）、伊顿（美国，制冷与配电）
国内：英维克（深圳，液冷与精密空调）、佳力图（南京，机房精密空调）、申菱环境（佛山，工业级制冷系统）
6）供配电系统
海外：施耐德（法国，全球配电龙头）、伊顿（美国，UPS与配电）、ABB（瑞士，高低压配电）
国内：华为（深圳，模块化UPS系统）、科华数据（厦门，UPS与配电）、科士达（深圳，数据中心电源）
7）光模块与光连接
海外：博通（美国，高速光芯片龙头）、Coherent（美国，光器件与模块）、Infinera（美国，高速光模块）
国内：中际旭创（苏州，全球高速光模块）、新易盛（成都，国内高速光模块龙头之一）、光迅科技（武汉，光芯片与模块）、华工科技（武汉，光模块与器件）
中游
1）IDC建设与工程服务
海外：Equinix（美国，数据中心工程）、DigitalRealty（美国，全球IDC建设）
国内：中国建筑（北京，数据中心土建）、太极股份（北京，IDC系统集成）、银信科技（北京，IDC运维工程）、润泽智算（廊坊，IDC建设运营）
2）IDC运营服务
海外：Equinix（美国，全球IDC运营龙头）、DigitalRealty（美国，批发型IDC龙头）、NTT（日本，亚太IDC运营）
国内：万国数据（上海，高端第三方IDC）、世纪互联（北京，中立IDC运营商）、宝信软件（上海，钢铁系IDC龙头）、光环新网（北京，北京地区IDC）、数据港（上海，批发型IDC运营）
下游
云服务与算力服务
海外：AWS（美国，全球公有云龙头）、Azure（美国，企业级云服务）、GoogleCloud（美国，AI云服务）
国内：阿里云（杭州，国内公有云龙头）、腾讯云（深圳，云服务与算力）、华为云（深圳，国产云生态）、百度智能云（北京，AI云服务）
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。