产业链与市场格局
资料截至2026-10-14。本文回答“这个行业里谁在做什么、钱怎么流动、这几年发生了什么”。企业名称用于说明类型，不构成完整名单或排名；市场判断标为分析，数据注明来源与时点。
一张图看产业链
一句话概括：**上游卖设备，中游把设备放进机房、组织成服务，下游按使用量或合同付钱。**电力和光纤是两条底层输入，决定中游的成本和能卖给谁。
各环节做什么、靠什么赚钱
| 环节 | 做什么 | 收入来源 | 关键竞争要素 |
|---|---|---|---|
| AI芯片 | 设计和销售加速芯片及配套软件栈 | 芯片销售 | 性能、软件生态、供货能力 |
| 服务器整机 | 把芯片、CPU、内存、网卡集成为服务器或整柜系统 | 设备销售、维保 | 交付速度、整柜集成和液冷能力 |
| 网络与光模块 | 交换机、网卡、400G／800G光模块 | 设备销售 | 带宽升级节奏、供应链 |
| 数据中心设施 | 建设和运营机房，提供电、冷、空间和网络接入 | 按机柜或kW收托管费 | 电力指标、选址、建设速度、大客户关系 |
| 算力运营 | 购买或租入设备，组织成可售资源，对外出租或提供平台 | 按卡时、节点月、包年或token收费 | 资源规模、调度与运维、客户获取、资金成本 |
| 模型与应用 | 训练模型、开发应用，向最终用户收费 | 订阅、API调用、项目 | 模型能力、产品、用户 |
数据中心设施和算力运营常被混为一谈，但风险截然不同。设施方卖的是“地方和电”，设备由客户自带，合同常为多年长约，像收租；算力运营方自己买GPU，承担设备价格、技术换代和出租率的全部风险，更像经营一支会快速贬值的车队。同一栋楼里可以同时有这两种生意。
主要参与者
| 类型 | 典型代表 | 特点 |
|---|---|---|
| 基础电信运营商 | 中国电信（天翼云、“息壤”调度平台）、中国移动、中国联通 | 网络和政企客户是天然优势，在各地大量建设智算中心，也是地方合作项目的常见运营方 |
| 互联网云厂商 | 阿里云、腾讯云、华为云、百度智能云、火山引擎 | 既自用又对外，资本开支大，软件平台和客户最完整 |
| 第三方数据中心服务商 | 万国数据、世纪互联、润泽科技、秦淮数据、数据港、光环新网 | 以托管为主；“批发型”按整栋或整模块长约租给云厂商和大客户，“零售型”按机柜租给众多企业 |
| 专业算力服务商 | 国内如并行科技、各类GPU租赁平台；海外如CoreWeave | 专做GPU或高性能计算服务，对资金成本和出租率最敏感 |
| 地方政府与国资平台 | 各地智算中心的投资主体 | 投资往往带有产业招商目标，运营多委托运营商或专业公司 |
| 能源企业 | 水电、新能源企业跨界，如雅砻江两河口项目 | 有电、有地、有冷源，缺算力运营能力，通常与运营商合作 |
托管的两种形态
| 批发型 | 零售型 | |
|---|---|---|
| 客户 | 一两家大客户，常为云厂商或大型互联网企业 | 大量中小企业、金融机构 |
| 合同 | 整栋或整模块，期限常在5～10年以上 | 按机柜，期限1～3年 |
| 选址 | 环一线城市、能源充足地区均可 | 靠近客户，多在城市内或周边 |
| 优势 | 上架快、收入稳定 | 单价高、客户分散 |
| 风险 | 客户集中，大客户退租影响大 | 获客和运维成本高 |
托管资产已经可以进入公募REITs：2025年6月，证监会批复首批两只数据中心REITs注册，分别为南方万国数据中心REIT（江苏昆山）和南方润泽科技数据中心REIT（河北廊坊），8月上市。这说明运营稳定、长约托管的数据中心已被资本市场当作“基础设施”定价；GPU出租业务的风险结构不同，不能照搬。
芯片供应与国产化
外部约束
美国自2022年起对高端AI芯片及制造设备的对华出口实施管制，此后多次收紧，NVIDIA最高端的训练芯片无法正常进入中国市场，面向中国市场的特供型号也受到许可要求和国内政策的双重影响。对算力中心的直接影响有三点：
- 设备来源不确定。 依赖进口高端GPU的项目，采购能否完成、能否维保都存在变数。
- 存量设备的价值分化。 已在国内的高端GPU成为稀缺资源，型号老旧的设备则随新型号普及而贬值。
- 国产芯片获得政策和市场空间。 不少政府投资和国资背景的项目倾向或要求采用国产芯片。
国产AI芯片
| 厂商 | 主要产品 | 软件路线 |
|---|---|---|
| 华为 | 昇腾910B、910C，CloudMatrix 384超节点 | 自研CANN软件栈，MindSpore框架，同时适配PyTorch |
| 海光 | DCU系列 | 与类CUDA的通用编程生态兼容，迁移成本相对较低 |
| 寒武纪 | 思元系列 | 自研软件栈 |
| 昆仑芯 | 昆仑系列 | 百度体系内大规模使用 |
| 沐曦、摩尔线程、壁仞、燧原、天数智芯 | 各类GPU和AI加速芯片 | 多数提供CUDA兼容层或迁移工具 |
分析： 国产芯片的单卡性能在追赶，CloudMatrix 384这类超节点用“更多芯片加高速互联”的方式提升系统总算力，代价是更高的功耗和机房密度。更大的差距在软件：模型和训练框架首先针对CUDA开发，迁移到其他软件栈需要工程投入。所以国产卡在推理、政务和国资项目、合作方愿意投入适配的场景中推进最快；大规模前沿模型训练对生态成熟度要求最高，替代最慢。评价一个国产芯片项目，要问客户的模型是否已经适配、适配工作由谁承担。技术原理见技术原理篇。
2023年以来的市场周期
以下是对公开报道和政策的归纳，属于分析判断。
2023年：抢卡。 大模型训练需求爆发，高端GPU一卡难求，租赁价格高企，“建智算中心、出租GPU”被视为确定的生意，各地政府和企业纷纷立项。
2024年：供给集中释放。 大量项目在一两年内建成，供给迅速增加，租赁价格回落。MIT Technology Review 2025年3月的报道援引国内信息称，全国宣布了500多个智算中心项目，到2024年底至少150个建成，部分地方报道的新建算力闲置比例很高。具体比例各方说法不一，但“建得多、用得少”的结构性问题已经显现。
2025年：需求结构变化。 DeepSeek等模型以较低训练成本达到较强能力，市场对“必须用超大集群训练”的预期下降，推理需求随应用普及快速增长。推理客户更分散、更在意时延，偏远地区、型号老旧、规模小又缺乏运营能力的中心更难找到客户。
2026年：从建设转向用好。 政策重心转向利用率、集约化和算电协同：国家数据局披露截至2026年7月底全国智算规模245万PFLOPS（FP16），其中145万PFLOPS纳入国家级平台监测；国家层面陆续出台人工智能与能源双向赋能、多用户绿电直连等政策；四川等能源大省推出算电融合方案，两河口这类依托能源基地的项目开始出现。
从周期中能学到什么
| 现象 | 原因 | 对项目判断的启示 |
|---|---|---|
| 有的中心满载，有的闲置 | 需求集中在少数大客户和头部平台，他们自己选址或长租头部资源 | 先有客户再建设，至少要有约束性合同 |
| 小型分散中心最难出租 | 训练需要大集群，单个几百卡的中心不够用；推理又需要靠近用户 | 规模和位置要匹配目标任务 |
| 设备贬值快 | 新一代芯片每1～2年推出一次，旧型号租金下降 | 回收期要按设备寿命算，不能按机房寿命算 |
| 有设备没运营 | 地方投资方懂建设、不懂软件和销售 | 运营方的能力和激励比硬件更关键 |
| 电价便宜也没客户 | 电费只占GPU服务总成本的一部分，客户更看重交付和生态 | 低电价是必要条件之一，不是充分条件 |
读行业新闻的常见误读
| 说法 | 问题在哪 | 应该追问 |
|---|---|---|
| “某地智算规模全国第X” | 多为规划或峰值，精度口径不一 | 已建成还是规划？什么精度？实际出租了多少？ |
| “签约算力××亿元” | 框架协议常无约束力 | 是否有最低采购量、期限和付款主体？ |
| “算力租赁概念股大涨” | 资本市场情绪不代表单个项目的经营 | 企业实际的合同、回款和设备折旧 |
| “国产卡性能超过NVIDIA” | 常比较不同精度或系统级总算力 | 同精度单卡对比、每瓦性能、软件适配 |
| “智算中心过剩” | 总量过剩与局部紧缺可以同时存在 | 过剩的是哪类型号、哪些地区、哪种规模？ |
参考来源
- China built hundreds of AI data centers to catch the AI boom. Now many stand unused.，MIT Technology Review，2025-03-26。
- 首批数据中心REITs获批注册报道，新华网，2025-06-19；国家发展改革委发行进展，2025-06-20。
- 国家数据局2026年8月29日活动披露：全国智算规模与纳入监测规模。
- CoreWeave价格页：海外GPU云的产品化与定价方式。
- CloudMatrix 384第三方分析：The Register。