編者按：當全球投資者把目光集中在英偉達 GPU、AI 模型性能和美国科技巨頭的資本開支時，中國正在經歷另一場規模龐大的 AI 基礎設施擴張。9 月 25 日，半導體與 AI 研究機構 SemiAnalysis 發布中國數據中心研究報告，基於對 60 多家運營商、超過 1,000 座數據中心設施的追蹤，估計中國數據中心容量到 2026 年底將超過 24GW，規模僅次於美國。與此同時，阿里巴巴、騰訊和百度在第二季度的合計資本開支達到約 200 億美元，同比翻倍以上。

但這場擴張背後有一個看似矛盾的現象：一方面，中國數據中心行業長期被高空置率、價格競爭和產能過剩困擾；另一方面，AI 數據中心卻正在迅速獲得訂單，部分超大規模項目甚至要求在半年內完成交付。市場究竟是產能過剩，還是算力供不應求？

SemiAnalysis 在報告中提出，問題的關鍵不在於數據中心總量，而在於供給結構。中國早期數據中心主要圍繞電信運營商、小型機架和傳統雲計算需求建設，大量舊設施無法經濟地改造成高密度 AI 機房。如今，字節跳動、阿里巴巴、騰訊等企業正在推動新的批發型數據中心建設，電力成本、芯片供應與建設速度成為更重要的競爭變量。

這也意味着，理解中國 AI 基礎設施，不能只看上市公司的資本開支或行業平均上架率。誰在購買算力、誰在提供機房、產能建在哪裡，以及多少資金真正轉化為可用的 AI 計算能力，才是判斷行業景氣度的重要線索。報告描繪的並非簡單的建設熱潮，而是中國數據中心市場從傳統電信基礎設施向 AI 算力基礎設施轉型的過程。

以下為原文編譯：

中國數據中心市場的規模，可能比許多海外投資者此前估計的更大。

SemiAnalysis 最新發布的 China Datacenter Model（中國數據中心模型）顯示，按其設施容量口徑，中國到 2026 年底預計擁有超過 24GW 的數據中心容量，超過歐洲、中東和非洲地區的約 14GW，也超過除中國以外亞太地區的約 15GW，僅次於美國預計的 56GW。

註：GW 為吉瓦，1GW 等於 1,000MW。這裡衡量的是數據中心設施的電力容量，並不等同於已經安裝、正在運行的 AI 芯片算力。

這一統計尚不包括約 20GW 有明確時間安排的後續項目，以及約 30GW 已宣布、但交付確定性相對較低的項目。兩類儲備產能不能簡單視為已經建成或全部確定會投入使用。

圖：2026 年全球主要地區數據中心容量比較。來源：SemiAnalysis

支撐這輪擴張的，是中國互聯網巨頭重新加速的資本支出。

根據 SemiAnalysis 統計，2026 年第二季度，阿里巴巴、騰訊和百度的合計資本開支約為 200 億美元，同比增長超過一倍。報告同時指出，三家公司當季均出現負自由現金流，反映其投資強度明顯提升。

但這還沒有算上中國最大的單一數據中心租戶——字節跳動。

SemiAnalysis 的建築級追蹤模型估計，字節跳動佔中國已交付數據中心容量的約五分之一，其中絕大多數來自租賃。對於整個第三方批發型數據中心行業而言，字節跳動已經成為最重要的需求來源。

也正因如此，傳統統計方法可能低估中國 AI 基礎設施的真實投資規模：最重要的算力買家之一尚未上市，一部分規模最大的運營商也沒有公開上市，投資者難以僅憑公開財報還原整個市場。

中國數據中心不是沒有需求，而是舊產能無法承接 AI

SemiAnalysis 認為，要理解中國數據中心行業目前的供需矛盾，首先需要回到行業的建設歷史。

美國數據中心產業較早圍繞大型雲廠商發展，數百兆瓦級園區往往為少數大型客戶定製。而中國市場最初由中國移動、中國電信和中國聯通等電信運營商主導，主要服務網站、網絡遊戲、內容分發網絡（CDN）以及政府和企業客戶。

當時的數據中心更接近一種電信基礎設施租賃業務：運營商提供機櫃、網絡和帶寬，客戶按需租用。設施規模通常較小，機架功率密度也較低。

到了 2015 年前後，阿里雲、騰訊雲等開始快速擴張，數據中心建設進入雲計算驅動階段。大型雲廠商不斷增加資本開支，第三方運營商跟隨擴張，大量開發商則押注雲計算需求會長期增長。

然而，2022 年至 2023 年，互聯網企業增長放緩，雲業務競爭加劇，前期建設的產能開始集中釋放，行業進入消化期。數據中心租賃價格承壓，部分老舊設施的利用率持續下降。

按照報告引用的世紀互聯數據，其數據中心整體利用率曾從約 70% 的水平下降至 50% 多。但 2023 年之後，市場開始出現明顯分化：受 AI 需求推動，批發型數據中心的利用率重新升至 70% 以上，而傳統零售機架仍徘徊在 60% 左右。

圖：世紀互聯整體及不同業務的數據中心利用率走勢，批發與零售業務逐步分化。來源：世紀互聯披露、SemiAnalysis

原因在於，傳統機房與 AI 機房對基礎設施的要求並不相同。

過去的伺服器機架往往只需要較低功率，而現代 GPU 集群對供電、散熱、機櫃功率密度和集群互聯提出了更高要求。一座仍在運營、部分機架已經出租的傳統數據中心，即便存在空餘面積，也未必能夠經濟地改造成大型 AI 計算設施。

對運營商來說，改造既可能涉及供配電和冷卻系統升級，也可能影響原有客戶，經濟性未必優於新建。因此，傳統設施的高空置率並不能直接證明 AI 數據中心也供給過剩。

SemiAnalysis 將中國數據中心產業劃分為四個階段：2015 年之前的運營商託管時代、2015 年至 2021 年的雲計算擴張期、2022 年至 2023 年的產能消化期，以及 2024 年以來由 AI 驅動的新一輪建設週期。

最重要的變化是，AI 需求不再只是填滿過去建設的機架，而是在創造一套新的數據中心供給體系。

報告估計，字節跳動、阿里巴巴、騰訊和百度的合計資本開支從 2024 年約 350 億美元增至 2025 年超過 500 億美元，按照報告當時觀察到的支出趨勢，2026 年可能接近 1,000 億美元。但這一數字仍屬於趨勢推算，而非全年已確認支出。

需求結構也在發生變化。

2026 年上半年，萬國數據（GDS）和世紀互聯（VNET）合計簽署約 1.3GW 的批發型數據中心訂單，而同期新增零售訂單不足 10MW。

所謂批發型資料中心（Wholesale Colocation），通常是向大型雲廠商等客戶提供成規模的機房、電力和基礎設施容量；零售型資料中心則更偏向向分散客戶出租機櫃及配套服務。

這組訂單數據說明，新增需求正高度集中在大型客戶和高密度設施，而不是傳統的小規模機架租賃業務。但 SemiAnalysis 同時提醒，萬國數據和世紀互聯僅獲得了其追蹤範圍內 2024 年至 2026 年迄今字節跳動與阿里巴巴訂單的約三分之一。只看兩家美股上市資料中心運營商的表現，仍然會遺漏大量需求。

字節跳動成為最大買家，五大巨頭走出不同的算力路線

這一輪 AI 基礎設施擴張與上一輪雲計算競爭的另一個區別，是需求高度集中在少數大型科技企業手中。

SemiAnalysis 重點研究了字節跳動、阿里巴巴、騰訊、百度和華為五家公司。儘管都在加大 AI 投入，但各自的商業模式、資本開支方式和資料中心策略存在明顯差異。

字節跳動：租下全國約五分之一的已交付資料中心容量

字節跳動是報告中最重要的需求來源。

根據 SemiAnalysis 模型，其在國內租賃的已交付資料中心容量超過 4GW，合作夥伴包括秦淮數據、中聯數據、世紀互聯等多家運營商。部分供應商對字節跳動的收入依賴程度超過 80%，其中秦淮數據在 2026 年初的相關佔比仍約為 90%。

這意味著，字節跳動的資本開支決策不僅影響自身 AI 業務，也可能直接改變整個第三方資料中心產業的訂單和收入。

其需求主要來自兩端：一方面是抖音、TikTok 原有的推薦、廣告及全球業務；另一方面是豆包、Seedance、火山引擎等 AI 產品帶來的訓練和推理需求。

據報告，截至 2026 年 3 月，豆包月活躍用戶已達到 3.45 億，進一步增加了字節跳動對 AI 推理基礎設施的需求。

在投入規模上，SemiAnalysis 援引的預算信息顯示，字節跳動 2026 年 AI 基礎設施預算最初約為 240 億美元，到 5 月已上調至超過 300 億美元。媒體曾提出最高達 700 億美元的潛在支出規模，但報告明確說明，這只是討論中的上限，並非已經確定的年度預算。

長期以來，字節跳動依靠租賃快速擴張。但隨著需求持續增長，其也開始通過火山引擎增加自建園區，在山西、安徽和內蒙古佈局大型計算設施，並在寧夏出現新的項目籌備跡象。

在 SemiAnalysis 看來，這意味著字節跳動正在從主要依賴租賃的模式，逐漸轉向租賃與自建並行，以降低長期成本並提高對核心算力的控制能力。

阿里巴巴：把模型、雲服務和數據中心整合成一門生意

相比字節跳動，阿里巴巴的優勢在於更加完整的雲計算商業模式。

SemiAnalysis 將阿里巴巴視為中國最接近 AWS 模式的雲廠商：以基礎設施即服務（IaaS）為基礎，再向企業提供模型即服務（Model-as-a-Service，MaaS），將大模型能力轉化為雲收入。

根據報告數據，AI 相關產品收入已佔阿里雲外部收入的約 35%。

與單純購買 GPU 或建設數據中心不同，阿里巴巴還通過投資大模型企業來擴大雲生態。SemiAnalysis 提到，阿里巴巴對月之暗面、MiniMax、智譜等公司的投資，不僅帶來股權敞口，也可能通過雲資源採購形成持續的計算需求。

阿里巴巴的另一項優勢是軟硬件協同。

報告提到，平頭哥自研芯片已開始服務阿里雲實際工作負載。2026 年 4 月，中國電信與阿里雲在韶關部署了採用平頭哥真武芯片的萬卡集群，並規劃進一步擴容。

在數據中心建設上，阿里巴巴並不堅持完全自建，而是混合使用自建、第三方租賃和合作開發模式，將部分基礎設施資本開支轉移給合作夥伴。

騰訊、百度與華為：資本開支增加，並不意味著擴張方式相同

騰訊的策略相對謹慎。

SemiAnalysis 指出，騰訊在 2022 年至 2023 年主動整合數據中心資源，關閉部分小型租賃設施，並將需求集中到大型自建園區。雖然 2026 年上半年資本開支已超過 2025 年全年，但報告觀察到，其數據中心容量增長並未出現同等幅度的躍升。

分析師據此推測，新增支出中有較大一部分可能用於晶片和存儲設備採購，而非單純建設更多機房。與字節跳動和阿里巴巴相比，騰訊的數據中心佈局也更加偏向東部地區，與微信、遊戲和視頻業務對網絡延遲的要求相符。

百度則面臨不同的挑戰。

報告認為，百度在 AI 研發上起步較早，但基礎設施投入規模落後於其他主要互聯網巨頭。其差異化方向正逐漸轉向崑崙芯等自研晶片，以及面向企業和政府客戶的 GPU 雲服務。

據報告，2026 年第二季度百度 GPU 雲收入同比增長 283%。SemiAnalysis 將其理解為百度正在強化晶片與算力服務業務，而不只是參與大模型訓練規模競爭。

華為的角色更加特殊。

其不僅運營華為雲，也是中國 AI 晶片與計算系統的重要供應商。報告估計，華為的數據中心自建比例超過 90%，高於其他被追蹤的大型企業。

SemiAnalysis 認為，華為雲可以被理解為昇騰算力的商業化渠道：客戶不一定需要直接購買伺服器，而可以通過雲服務租用相關計算能力。

由此，中國 AI 基礎設施市場形成了不同於簡單雲廠商競爭的結構：字節跳動主要拉動外部租賃需求，阿里巴巴推動模型與雲服務協同，騰訊更加注重既有業務整合，百度強化晶片與 GPU 雲，而華為同時參與算力供給和基礎設施建設。

這也意味著，不能用同一個資本開支指標來判斷所有公司的 AI 競爭力。

中國建數據中心越來越快，真正的瓶頸卻在晶片

如果說需求端由少數科技巨頭驅動，那麼供給端最重要的變化，就是數據中心建設開始向能源豐富、土地成本較低的地區集中。

2022 年，中國正式啟動「東數西算」工程，規劃八大國家算力樞紐和十大數據中心集群，希望引導大型計算設施向具備能源及土地優勢的地區佈局。這一政策框架也得到國家發改委公開文件確認。

SemiAnalysis 認為，這一政策真正發揮作用的地方，不只是規劃了數據中心應該建在哪裡，而是通過節能審查、項目審批和資源配置，影響了開發商的實際選址。

但政策並非唯一的決定因素。

過去，雲端運算、遊戲和電商業務對網路延遲要求較高，因此資料中心更傾向靠近北京、上海和深圳等人口與商業活動密集地區。

AI 訓練任務則不同。大型模型訓練通常更關心電力供應、運行成本和叢集規模，對距離終端用戶的網路延遲相對不那麼敏感。這使內蒙古、寧夏等地區更具吸引力。

SemiAnalysis 特別強調了內蒙古的優勢。

據其估算，內蒙古部分地區電價約為一線城市的一半，再加上較為充足的土地、能源及大型項目審批條件，使其成為超大規模 AI 資料中心的重要目的地。

圖：中國主要算力樞紐及資料中心叢集佈局。來源：SemiAnalysis

不過，資料中心並非只要電力便宜就可以建設。

SemiAnalysis 指出，山西雖然不屬於「東數西算」八大國家樞紐，卻憑藉廉價電力、靠近北京和較早的產業佈局，吸引了字節跳動、百度和京東等企業接近 2GW 的自建及租賃容量承諾。

這說明政策決定大方向，但電價、地理位置和既有基礎設施仍然決定具體項目的競爭力。

中國的另一項優勢是建設速度。

根據 SemiAnalysis 調研，中國一座 100MW 資料中心的標準建設週期，已從雲端運算時代約 18 個月縮短至 AI 時代約 12 個月，部分項目甚至更快。

相比之下，報告估計，美國較理想的全模組化資料中心項目，施工本身通常仍需 12 至 18 個月，且可能需要額外等待較長的審批週期。不過，具體工期仍取決於電網接入及當地條件。

中國之所以能夠縮短工期，一個重要原因是建築結構和建設流程改變。

過去，資料中心往往採用傳統多層混凝土結構。如今，大型 AI 資料中心越來越多使用低層、大跨度鋼結構，並將部分電氣、機械和冷卻設備提前在工廠生產。

建築施工與設備製造可以同步進行，而不是等待建築完成後再逐項安裝。

阿里巴巴 CUBE 5.0 模組化方案便是例子。報告介紹，其所謂的「100 天資料中心」包括 30 天工廠生產及現場準備、50 天現場安裝和 20 天調試。

需要注意，這裡的 100 天並非完整項目從拿地到投運的全過程，而是從建築外殼具備條件到伺服器進場的特定階段。報告估計，這類方案可以將從破土動工到調試的總體時間縮短至約 7 至 9 個月。

圖：世紀互聯烏蘭察布資料中心施工過程，展示低層鋼結構與預製化建設的效率

但更快的建設速度，並不意味著中國會全面採用貨櫃式資料中心。SemiAnalysis 提出了兩個原因。

首先，中國的施工勞動力相對充足，採用鋼結構和部分預製模組，已經能夠達到較短的建設週期，進一步轉向完全模組化的邊際收益有限。

其次，資料中心本身也是融資資產。

對於依賴銀行貸款的第三方運營商而言，一座具有較長設計壽命的固定建築，更容易獲得資產估值和抵押融資支持。而可移動的貨櫃式設施，可能面臨較低殘值和不同的融資條件。

因此，中國資料中心產業形成了自己的建設模式：更多工廠預製、更少現場施工，但仍保留具有融資價值的永久性建築。

這也帶來了一個看似反常的結果：在 AI 資料中心建設加速的同時，設施單位建設成本仍可能下降。

報告將這一變化歸因於本土供應鏈、規模化採購和預製化工藝。

然而，機房建設速度並不是中國 AI 基礎設施唯一的約束條件。

SemiAnalysis 將中美兩國的瓶頸進行了區分：美國更容易受到電網接入、變壓器交付和供電條件限制；而在中國，先進 AI 晶片的供應可能是更重要的限制因素。

換句話說，中國能夠以較快速度建設資料中心，並不代表能夠以同樣速度完成先進 GPU 叢集的部署。

資料中心容量、電力接入、晶片供給和實際可運行算力，仍然是四個不同的指標。

算力開始走向海外，下一步要看的是產能能否轉化為收入

中國 AI 基礎設施的擴張並沒有止步於國內。

SemiAnalysis 預計，中國大型科技企業在海外租賃的資料中心容量，將從 2026 年至 2029 年增長約一倍，到 2029 年接近 4GW。

這一數字還不包括通過海外雲廠商遠程租賃的 GPU，因此不能視為中國科技企業全部的境外計算資源。

字節跳動是其中最重要的參與者。

報告指出，TikTok 因全球業務和本地資料處理需求，已在美國、歐洲及東南亞租賃大量資料中心容量。近年來，其海外基礎設施擴張尤其集中在新加坡、馬來西亞柔佛和印度尼西亞巴淡島周邊。

與美國和歐洲相比較，東南亞部分地區在土地、能源與建設成本方面擁有一定優勢。一批具有中國供應鏈背景的資料中心開發商，也正在將國內的預製化建設經驗帶到海外。

阿里巴巴和騰訊同樣在推進全球雲基礎設施佈局。

阿里巴巴的目標更偏向通過海外資料中心擴展 AI 雲業務，同時增加對全球客戶的服務覆蓋。騰訊則更多圍繞遊戲、互聯網及 AI 應用出海，在東南亞和其他國際市場擴展雲服務。

SemiAnalysis 認為，海外佈局既包含業務增長的考慮，也包含獲取先進計算資源的動機。

但需要區分的是，海外資料中心租賃、GPU 遠程訪問和先進晶片的實際獲取，分別涉及不同的商業合同、技術架構和監管要求，並不能簡單視為一條已經暢通的供應渠道。

從投資角度看，真正值得關注的也不只是海外容量增長，而是這些容量背後能否形成持續的客戶需求和穩定收入。

報告最後回到一個問題：既然中國仍存在大量閒置機房，為什麼資料中心建設還在不斷加速？

SemiAnalysis 給出的解釋是，傳統零售機房與新一代 AI 資料中心已經形成兩套不同的市場。前者面臨存量消化和價格壓力，後者則由少數大型 AI 客戶驅動，要求更高的功率密度、更大的園區規模以及更快的交付速度。

但新項目獲得訂單，也不意味著整個產業鏈都將獲得同等收益。

未來有三個變量尤其重要。

首先是訂單與實際交付之間的差距。已經簽署的租賃合同能否按期轉化為投運容量，將直接影響數據中心運營商的收入兌現。

其次是資本開支與實際算力部署之間的關係。如果科技巨頭資本開支持續上升，但設施容量、芯片部署和雲業務收入未能同步增長，市場就需要重新評估投資回報。

最後是先進芯片供應與設施利用率。如果新建機房的交付速度持續超過服務器部署能力，今天針對 AI 數據中心的緊張供需關係，也可能在未來出現變化。

從這個角度看，中國 AI 基礎設施擴張最值得關注的，不是最終建成多少吉瓦的數據中心，而是有多少容量真正被芯片填滿、被客戶使用，並轉化為可持續的商業收入。

機房可以提前建成，算力卻需要芯片才能兌現。未來真正決定這輪投資回報的，將是二者能否保持同步。

歡迎加入律動 BlockBeats 官方社群：

Telegram 訂閱群：https://t.me/theblockbeats

Telegram 交流群：https://t.me/BlockBeats_App

Twitter 官方帳號：https://twitter.com/BlockBeatsAsia