The Chinese AI Infrastructure Boom: Introducing the SemiAnalysis China Datacenter Model

中国正处于全球模型竞赛的前沿。GLM 5.3 和 Kimi K3 是一系列令人瞩目的开放权重模型发布中的最新成果。字节跳动的豆包（Doubao）作为中国的 ChatGPT 拥有 3.45 亿月活用户，而 Seedance 则是最先进的（State-Of-The-Art）视频生成模型。

上述每一个模型都运行在数据中心上，而中国建设数据中心的速度一直未在国外得到充分量化。最大的租户不提交 10-K 文件。几家最大的业主从未上市。大多数一手资料都是中文的。于是，市场形成了两个偷懒的假设：中国很大，但中国是空的。已发布的关于中国数据中心容量的估算相差高达 15 倍，而各类报告不断引用高空置率的数据。

与我们的旗舰产品 SemiAnalysis Datacenter Model 一样，我们使用建筑物级别的数据来验证哪些被广泛引用的说法站得住脚，先从市场规模有多大开始。

全球模型跟踪了四个地区的 5,000 多个设施。截至 2026 年底，美国以 56GW 的容量位居世界第一，其次是中国以外的亚太地区约 15GW，EMEA 约 14GW，拉丁美洲约 2GW。在此之前，该模型的覆盖范围止步于中国边境。今天，我们跨过了这条线。

我们对 60 多家企业的 1,000 多个数据中心设施的跟踪显示，仅中国一国就拥有超过 24GW 的数据中心集群规模。比 EMEA 更大，也比亚洲其他地区更大。这还不包括约 20GW 已过时管线和另外约 30GW 已公布的项目。

增长正处于拐点。2026 年第二季度，阿里巴巴、腾讯和百度（合称 "BAT"）的资本开支合计达到 200 亿美元，同比增长超过一倍。并且有记录以来首次，三家公司均录得负自由现金流。这是该行业历史上最大的一次资本开支跃升。

这一总额还不包括所有企业中支出最大的字节跳动，因为字节跳动尚未上市。根据我们的中国数据中心模型，仅字节跳动一家就占用了中国已交付数据中心容量的约五分之一，而且其中几乎全部是租用的，这使它成为全国所有批发型托管（wholesale colocation）企业最重要的单一客户。

上市公司获得了市场的关注，但它们只是冰山可见的一角。数据中心业主的情况也是如此。GDS 和 VNET 是仅有的两家在美国上市的中国数据中心业主，它们在 2026 年上半年签下了 1.3GW 的批发订单。但根据我们的中国数据中心模型，在 2024 年至 2026 年初期间，它们仅拿下了字节跳动和阿里巴巴订单的不到三分之一。

这场建设是全国性的工程，国有运营商也是其中的一部分。中国的数据中心市场在历史上由电信业主导。国有运营商在 2010 年代占据了大部分市场份额，如今仍拥有全国容量的三分之一。国家电网公司的投资同样非常激进。它们的合计资本开支自 2024 年起加速，最终超出 "十四五" 规划原始蓝图 24%。"十五五" 规划（2026–2030）在此基础上再增加 40%，总额超过 7,460 亿美元（5 万亿元人民币）。

由于基本不受电力约束、劳动力短缺和公众抗议的影响，中国 routinely 在 12 个月内建成 100MW 的数据中心设施。模块化数据中心是标准打法，Tencent 早在 2014 年就部署了其第三代模块化设计。在中国早已是旧闻的东西，如今才在美国被大规模采用，正如我们在《The Wild Wild West of LEGO Datacenters》中详述的那样。

增长并不止步于中国边境。中国超大规模云厂商的海外租赁量预计从 2026 年到 2029 年将翻一番，在我们的 SemiAnalysis Datacenter Model 中接近约 4GW 的租赁容量。这个数字仍然低估了他们的离岸算力，因为它不包括他们从西方云厂商租用的数十万块 GPU，这一点我们在《How Oracle Is Winning the AI Compute Market》中进行了深入分析。

然而，这个市场也面临一些阴云。空置率居高不下，数据中心开发商在价格上竞争激烈。由于出口管制，芯片供应也受到限制。但正如下文所解释的，这两者都没有阻止 AI 数据中心以惊人的速度建设和填满。

在这份报告中，我们依次涵盖以下内容：

介绍 SemiAnalysis China Datacenter Model

本报告是 SemiAnalysis China Datacenter Model 的预览版。它是我们全球 SemiAnalysis Datacenter Model 的中国对应版本，采用同样的标准构建——自下而上、逐栋梳理。

如需更多信息，请联系我们的销售团队：sales@semianalysis.com。

你将在其中看到：

可以将它视为开篇之作。正如我们的全球 Datacenter Model 一样，我们将在每次更新中持续添加新的层次（AI 容量、电力、供应商、供需分析）。

让我们开始吧。

中国数据中心产业：以零售业态起家，被 AI 重新洗牌

美国在 AI 基础设施竞赛中的关键优势之一，在于其数据中心产业从诞生之初就是超大规模的。数百兆瓦级别的园区早已存在多年，专为少数几家超大租户定制建设。而中国的数据中心产业则由电信运营商和数以千计的小型零售部署所塑造。理解这段历史，就能解释当今市场上种种反常现象：整体高空置率与 AI 算力短缺并存，以及运营商为何仍然坐拥全国三分之一的数据中心资产。

下面的图表概括了整个故事。2010 年至 2022 年间，中国一家头部第三方托管服务商的机柜使用率从 75% 左右一路下滑至 55% 左右。而自 2023 年起，其分部数据揭示了一个双速分化的市场：批发型楼宇在 AI 需求的推动下快速填满，使用率回升至 70% 以上，而存量零售机柜的使用率仅维持在 60% 附近。

时代一 —— 运营商托管（2015 年以前）：数据中心即电信地产

与超大规模云厂商和第三方托管商主导的世界其他地区不同，中国的数据中心市场在历史上由电信运营商主导。三大国有运营商（中国移动、中国电信、中国联通）合计占据 60–70% 的市场份额，而最大的两家第三方服务商 GDS 和 VNET 各自的份额都不到 5%。运营商在牌照和网络资源方面享有结构性优势，并受益于内生的 captive 需求。中国数据中心需求中有很大一部分来自政府、国有企业和受监管行业，而这些客户天然倾向于选择国有供应商。

在其发展的头二十年里，中国的数据中心本质上就是电信地产：以低密度零售机柜为主（约 90% 的设施单机柜功率低于 2kW），租户是网站、网络游戏和 CDN 客户。这类产品通常与带宽捆绑销售，依托分布在北京、上海和珠三角周边的小型城市交换中心提供服务。第三方运营商在很大程度上只是运营商机房和带宽的转售商。超大规模云厂商当时几乎不成气候——阿里云 2009 年才发布，腾讯云直到 2013 年才向公众开放。

这个时代之所以在今天依然重要，是因为当时的存量恰恰就是现在闲置的产能。传统零售机柜已经无法满足 H20 或昇腾（Ascend）服务器的需求，而考虑到部分出租和高昂的改造成本，进行升级改造也不现实。约 50% 的整体使用率数字，很大程度上就是这个时代（以及后文将看到的时代三）留下的遗产。

时代二 —— 云计算的圈地运动（2015–2021）：不计代价的增长

云时代大约始于 2015 年。两大领军者阿里和腾讯判断这是一个赢家通吃的市场，随即展开了资本开支竞赛。2015–2019 年间，阿里云收入以约 110% 的复合年增长率增长，代价是惨烈的价格战和 EBITA 亏损。在 12 个月内连续 17 次降价后，其核心产品价格被下调超过 50%。腾讯也以同样方式应战，推动超大规模云厂商的合计资本开支在 2021 年达到峰值。

第三方托管平台（GDS、VNET、Chindata）随之同步扩张。与此同时，零售型开发商仍在不断建设小型城市数据中心，寄望于云需求能够无限外溢。

第三阶段——消化期（2022–2023）：音乐骤停

2022 年，疯狂扩张戛然而止。政策逆风、宏观经济放缓以及国有云的份额增长，使阿里云的增速从 2021 年的 +50% 降至 2022 年的 +23%，随后几乎归零。腾讯管理层将其定位为“从追求收入增长转向健康增长”的战略调整，也出现了类似的放缓。腾讯在 2022 年年中将资本开支预算削减近一半，阿里则在 2023 年跟进。

几乎在同一时间，2022 年 2 月，国家发改委推出了“东数西算”指导意见，并在八大国家枢纽节点内规划了十大数据中心集群。这些地区，尤其是西部枢纽，享有审批快速通道和廉价的绿电资源。

结果是在交付放缓的情况下仍出现供过于求，受冲击最大的是定价。电力独占的市场价格从约 80 美元/kW/月被砍半。在 2026 年 8 月的财报电话会上，GDS 管理层估计，尽管价格重置已持续数年，仍需再过 18 个月才能完全消化。

第四阶段——AI 超级周期（2024 至今）：全速前进

DeepSeek 的崛起以及超大规模云厂商自身的 GenAI 雄心，在 2024–2025 年间唤醒了市场。BATB（字节跳动/阿里/腾讯/百度）合计资本开支从 2024 年的约 350 亿美元增至 2025 年的超过 500 亿美元，并有望在 2026 年达到 1000 亿美元。

批发订单以前所未有的规模回归，西部枢纽也终于迎来了自己的租户。GDS 和 VNET 在 2026 年上半年合计签约了约 1.3GW 的批发容量，而零售订单不足 10MW。AI 时代属于批发模式，存量零售机房并未参与其中。

但只看这两家上市公司会严重低估总需求。根据我们的中国数据中心模型，2024 年至 2026 年至今，它们仅承接了字节跳动和阿里订单的约三分之一。

总结一下，这段四阶段的历史解释了中国数据中心市场的现状：（1）围绕一线城市的、以零售为主的存量机房，利用率仅 30-50%，且在物理条件上往往无法满足 AI 级功率密度；（2）由 AI 驱动的批发型建设热潮则完全发生在别处；（3）运营商份额结构性下滑，因为超大规模云厂商自建与第三方批发正在接管增长。

SemiAnalysis 是一份依靠读者支持的出版物。如需接收新文章并支持我们的工作，欢迎考虑成为订阅用户。

东数西算：算力正涌向西部

“东数西算”（EDWC）政策规划了 8 个全国一体化算力网络枢纽节点，具体落地为 10 个数据中心集群，既覆盖需求中心（京津冀、长三角、粤港澳大湾区、成渝），也覆盖资源富集的西部地区（内蒙古、宁夏、甘肃、贵州）。

这是中国数据中心产业的顶层设计蓝图。与大多数“指导性”文件不同，这份文件切实改变了行业的发展路径。

政策本身已被广泛报道，真正缺失且真正重要的，是其传导机制。

在中国，数据中心开发商在拿到土地后申请的第一个许可，就是向当地发改委提交的能耗审查。该指标是决定设施规模上限的硬约束。任何年综合能耗超过 1 万吨标准煤（约大于 10MW）的项目，未通过这项审查就无法合法开工。

这套审查制度始于 2010 年，并逐渐演变为一种配给工具。2022 年“东数西算”政策出台后，能耗指标体系成为最有效的执行机制——因为发放指标和执行“东数西算”政策的是同一批部门，指标分配实际上阻断了流向非枢纽地区的项目建设。

广东是最典型的例子。该省在 2021–2022 年间停止发放数据中心能耗指标，之后仅对韶关这一“东数西算”枢纽区域重新开放申请。其他东部发达地区也实行类似的指标管控。与此同时，“东数西算”枢纽地区则大手笔地发放能耗指标、批地并提供税收优惠。

尽管有这套机制，政策落地后的头两年，迁移进展依然缓慢。原因在于，当时的需求（云计算、游戏、电商）要求贴近人口的低时延网络，因此超大规模云厂商仍在争夺一线城市周边本就稀缺的能耗指标。

一个鲜为人知的事件，清楚地展示了指标体系在实践中的运作方式。2023 年年中，广东省能源局检查了腾讯在清远的两个自建园区，发现每个园区的实际规模约为批复规模的 13–14 倍。这些项目被定性为“批小建大”，并被责令在六个月内整改。当地电网公司被要求将供电控制在批复指标范围内。即便是腾讯，新增建设如今也只能落户于广东省指定的枢纽节点。

如今，这两个园区仍在运营，但正如我们的中国数据中心模型（China Datacenter Model）所显示的，腾讯后来的新增产能都去了韶关。其背后的原因并不仅仅是监管压力。

还有另外两个因素改变了局面。

首先，电信运营商主导的光纤投资大幅降低了时延。韶关再次成为典型案例。自 2022 年以来，地方政府已投入约 6 亿美元（约 40 亿元人民币）建设网络基础设施，建成了 13 条覆盖大湾区的超高速 400G 全光路由，实现到广州单向时延 1.3ms、到深圳 1.66ms、到香港低于 3ms。一条深圳—广州—韶关的空芯光纤直达通道已在规划中，预计从 2027 年起将时延再降低约 30%。在这样的数据下，除了对时延最敏感的工作负载之外，韶关的机柜在功能上等同于深圳的机柜。

其次，AI 需求解决了剩下的问题。训练工作负载并不在乎时延，但它们在乎电价。

内蒙古是这方面最好的例子。该地区拥有中国最大的可再生能源装机，更关键的是，内蒙古西部由蒙西电网供电，这是国家电网和南方电网之外中国唯一的省级电网，拥有自己的多边交易机制和独立定价。

因此，内蒙古已成为中国的“柔佛”，即超大规模 AI 算力的默认落点：配额指标充裕、土地以平方公里计，最重要的是，电价大约只有一线城市的一半。

与柔佛的相似之处不止于土地和电力。从经济性上看，中国的租金要低得多，但建设成本（capex）也更低；柔佛的租金更高，但建设成本也更高。我们的数据显示，两个市场的成本收益率区间存在重叠，内蒙古最优质的园区在测算时能达到柔佛国际开发商的回报水平。然而，两者的趋势正在分化。随着预制化方式和国产替代的不断叠加，内蒙古的建设成本持续下降；而柔佛的开发商则在过热的供应链中面临成本通胀和超支风险。在柔佛建设的中国运营商则借助中国供应链的地理套利，获得了更高的收益率。

不过，如果把视野从内蒙古放大到这十大枢纽，它们讲述的故事大不相同。如果按照实际已投运和已承诺的项目（而非政策指定的规模）对地图进行加权，这一点最为直观，如下图所示。

媒体上一种反复出现的论调认为，“东数西算”（EDWC）不过是一场华而不实的西部空置工程。最简单的反驳方式，就是看看超大规模云厂商把自己的钱投到了哪里。正如我们的追踪所示，字节跳动目前运营着三个自建集群：山西大同（其最早的集群）、安徽芜湖（EDWC 集群，服务华东推理业务），以及内蒙古的双站点项目（和林格尔和乌兰察布）。此外，2026 年 7 月在中卫（另一个 EDWC 区域）注册的两家宁夏实体指向第四个集群。

在内蒙古之外，各集群的发展明显分化，但这种分化在很大程度上是刻意设计的。贵安从一开始就被定位为存储枢纽，因为冷数据并不介意地处山区。这里最著名的锚定租户是 Apple 的中国 iCloud 数据中心，由贵州云上贵州合作运营。较少被报道的是，华为和腾讯也都在该地区拥有自建集群。

成都和重庆则是另一番景象。它们被打造成国家级算力枢纽，但在电力价格和电网灵活性上输给了内蒙古，在与 AI 需求的竞争中落败。“东数西算”工程成功将建设集中在了规划地图之内，而市场则从中选出了赢家。

山西则恰恰相反。它是完全独立于“东数西算”枢纽体系之外最大的数据中心区域（即上图中的红色菱形），吸引了字节跳动、百度和京东合计近 2GW 的承诺，分布在自建场地和托管租赁之中。原因在于：电力充足且廉价（山西是中国的煤炭大省）、邻近北京，以及先发优势。超大规模厂商在“东数西算”出台之前就已进驻并持续扩建。这证明配额制度只是引导建设方向，而电子和地理条件才真正决定选址。

SemiAnalysis 是一份依靠读者支持的出版物。如需接收新文章并支持我们的工作，欢迎成为免费或付费订阅者。

速度与成本：另一种玩法

美国的建设受电力制约：存在并网排队、变压器交货周期、表后解决方案等问题，我们在此前文章中已有深入分析。而中国的建设受芯片制约：电力供应充足，国有公用事业单位将数据中心负荷视为发展成果，审批是政策引导通道而非瓶颈，建筑施工劳动力也很充足。由于设施端不存在物理层面的阻碍，建设周期完全由互联网平台的需求驱动。

在速度方面，100MW 设施的标准交付周期已从云时代的约 18 个月压缩到 AI 时代的约 12 个月，最先进的项目甚至更快。

作为参考，我们针对美国模块化建设的深度研究《The Wild Wild West of LEGO Datacenters》发现，美国最理想的全模块化建设仍需要 12–18 个月的施工期，且在此之前还有 12–13 个月无法并行推进的审批期。而中国施工前的审批期通常为 3–6 个月，在“东数西算”枢纽地区则更快。

几个结构性因素促成了整体上更快的速度。

首先，先于订单的投机性壳体建设。由于超大规模厂商现在在招标中要求 T+6 个月的交付，托管开发商自担风险预先完成土建工程，租户竞争实际上变成了半成品壳体之间的竞赛。当 GDS 在 2025 年初签下一份 152MW 的 AI 超大订单时，客户要求六个月内交付，并如期实现。

其次，在西部“东数西算”枢纽节点从零新建数据中心，改变了施工方式。摆脱了一线城市的土地限制后，开发商正从传统的多层混凝土结构转向低层、大跨度钢结构厂房。钢结构件在工厂生产，现场同步开挖地基，随后用卡车运抵现场，由吊车吊装到位。混凝土仅用于地面部分，因此无需等待其硬化即可进行下一层的施工。VNET 的乌兰察布项目视频显示，一座厂房从裸露的基础到建成完工，仅需一个从夏到冬的季节。

腾讯的 T-Block 则将这一逻辑推向极致。整个数据中心以工厂预制的模块运抵现场，“建筑”本身缩减为一块平整好的场地加一个简单的钢结构外壳，有时甚至完全没有建筑。

第三，预制化把串行工期变成了并行工期。大部分机电（MEP）工作转移到工厂完成，因此电气和机械安装不再需要等待建筑完工。最典型的例子是阿里巴巴的 CUBE 5.0“100 天数据中心”：从建筑外壳完工到服务器进场，总共包括 30 天的工厂生产与现场准备、50 天的现场安装和 20 天的调测。与市场标准的 6 个月相比，这大约把机电安装和调测阶段缩短了一半，并将从动工到调测的周期压缩到大约 7–9 个月。

上述每一个因素都指向同一个方向：多一些工厂，少一些现场。沿着这个逻辑推到终点，你可能会认为腾讯式的全模块化集装箱园区如今应已成为国家标准。但事实并非如此，原因有二，而且都非常“中国特色”。

首先，劳动力账算出来不一样。模块化在西方最大的收益在于避开稀缺且昂贵的熟练技工。而中国的工地劳动力价格低廉且供应充足，因此传统的钢结构加预制施工已经能满足紧张的工期要求。全面转向集装箱化所能带来的边际提速很小。

其次，融资机制也在起作用。中国的第三方数据中心开发商会将数据中心作为贷款抵押物质押给银行。一栋设计寿命 20 年的正规建筑估值良好，而一片集装箱场地的估值则较差，剩余价值也更低。当你的商业模式是“以资产作抵押借款，再租给字节跳动”时，你就会去建一栋真正的建筑。

如今，全模块化建设仍仅限于超大规模云厂商的自建项目和东南亚项目，但整体建设速度已经足够快。

在成本方面，即便速度在提升，资本开支仍在持续下降。供应链的不断压缩和国产化率的提高，已使土建加机电安装成本降至可比美国批发级成本的一小部分，我们的模型中对此有详细展示。阿里巴巴称，其模块化方案在工期优势之外，相比上一代方案还进一步降低了超过 10% 的成本。

SemiAnalysis 是一份依赖读者支持的出版物。如需接收新文章并支持我们的工作，欢迎成为免费或付费订阅者。

需求侧：五大超大规模云厂商，多种打法

中国 AI 建设的需求端高度集中于少数几家公司：ByteDance、Alibaba、Tencent、Baidu 和 Huawei。

与美国的同行类似，这些公司的业务横跨社交媒体、电商、搜索、游戏和短视频。然而，成就这些公司的消费互联网已经没有新用户可挖了。如今，中国的互联网渗透率已达约 80%，每年仅增长约 1.5%。

过去的增长引擎如今都只有个位数增长。

在消费级应用之外，这些巨头同样主导着云行业，但存在一个结构性短板。市场由 Alibaba、Huawei、Tencent 以及三大电信运营商主导。不过，与超三分之一的云收入来自海外的美国超大规模云厂商不同，中国云厂商的收入主要来自国内。其中最全球化的 Alibaba Cloud，海外云收入也仅占约 20%，而运营商云则几乎 100% 来自国内。就“可触达的 GDP”而言，美国科技巨头的核心市场要大得多。

在这样的背景下，AI 成为了增长引擎，也推动了我们此前提到的 2026 年第二季度资本开支拐点。

除了资助自身的大模型研发，这些大平台还编织了一张覆盖中国 GenAI 初创公司的投资网络。Alibaba 投资了五家 LLM 独角兽，Tencent 投了六家，并在 DeepSeek 的 A 轮融资中开出了最大的一笔外部投资。

反过来，这些初创公司则在超大规模云厂商的云上训练和提供模型服务（如 Alibaba 与 Moonshot 的关系），或者让自己的模型嵌入超大规模云厂商的产品中提供服务（如 Tencent 与 DeepSeek 的关系）。无论哪种方式，超大规模云厂商的数据中心扩张都是整个国内 AI 生态系统的算力基石。这也是我们接下来进行深度分析的原因。

下面我们提供一张概览图，展示各家超大规模云厂商目前的状况：

租赁方面：如今，ByteDance 和 Alibaba 每年各自发布吉瓦级的租赁需求，并且都在积极向海外扩张。ByteDance 的规模最大，其机房大部分通过租赁获得，因此它的招标时间表实际上决定了国内每一家批发运营商的订单簿。如下文所示，Alibaba 将需求分散在自建、BOT 和批发租赁之间。Tencent 最为克制。在 2022–23 年的行业下行周期中，它关闭了小型租赁的城域机房，并将业务整合到自有园区，之后在 AI 时代租赁才再度回升。Baidu 的招标规模仅相当于其他几家的零头。

自建方面：在 2010 年代，当业务达到足够规模后，中国的超大规模云厂商开始自建数据中心，此后各家的策略逐渐分化。Alibaba、Tencent 和 Baidu 自建战略性园区，其余部分则通过租赁解决。Huawei 由于其商业模式，几乎所有设施都采用自建。而作为主要租户的 ByteDance，如今也在快速扩建自己的园区。我们的中国数据中心模型追踪所有自建项目，下面的地图展示了当前的格局。

在纯租赁和纯自建之间，还出现了一种名为 BOT 的混合结构。其真正的内核是一种两层所有权拆分：超大规模云厂商拥有土地和土建外壳，而托管合作伙伴则投资、拥有并运营机电（M&E）层，并通过 8–10 年的服务合同回收资本。通过这种方式，超大规模云厂商保留了控制权和速度，合作伙伴的资产负债表承担了资本开支，而内部收益率（IRR）是合同约定的，而非市场化的。BAT 三家都在采用某种形式的这一模式：Alibaba 与 AtHub 合作，Tencent 与 Kehua Data 合作，Baidu 与 Aofei 合作。其中 Alibaba 将混合模式运用得最为极致，如我们在下文讨论的，它在同一个园区内并行采用自建、BOT 和批发租赁。