梳理AIDC的算力产业链

AIDC算力产业链覆盖从底层硬件支撑、算力整合运营到下游场景落地的全链路，核心分为上游设施层、中游运营层、下游应用层三大环节，形成了完整的算力价值转化体系 【1】 【2】 。

作为产业链的底层支撑，上游设施层分为两大板块：一是基建基础设施环节，涵盖基建施工、制冷/液冷温控系统、供配电系统（含柴油发电机组、UPS、配电柜等）、基础网络设施等；二是IT基础架构环节，涵盖AI芯片、AI服务器、HBM显存、高速光模块、网络交换机、高端存储设备、数据中心管理系统等核心软硬件，是AIDC算力落地的硬件基石 【1】 【2】 。从当前上游核心硬件的供给与竞争格局来看，各细分品类均处于快速扩容阶段：AI算力芯片作为AIDC产业链的核心底座，当前全球AI训练与推理需求持续爆发，算力缺口不断扩大，带动AI芯片需求快速放量，国内也在加速推进国产替代进程，寒武纪、海光信息等国产厂商的相关产品已进入产业落地阶段 【21】 。全球范围内英伟达、AMD、Intel等海外厂商处于技术领先位置，其中英伟达的GPU在深度学习训练场景占据主导地位，2023年在全球AI芯片市场拿下较高份额；国内参与玩家包括寒武纪、海光信息、壁仞科技、登临科技、摩尔线程等多家企业，正逐步打破海外厂商的技术垄断，推进自主可控的算力芯片供给体系建设 【3】 【20】 。AI服务器作为AIDC的核心算力载体，算力需求的指数级增长带动服务器出货量持续攀升，是当前上游硬件环节放量速度较快的品类之一，国内市场的核心参与企业包括浪潮信息、中科曙光、华为、中兴、联想等本土厂商，占据了国内服务器市场的主要份额，同时配套的服务器电源环节也有欧陆通、麦格米特等国内厂商布局 【20】 【21】 。光模块/光芯片领域，随着AIDC对高速大容量数据传输的需求激增，800G等高速光模块已经成为主流配置方向，国内头部厂商已经具备100G、400G和800G光模块的批量交付能力，能够为高算力场景提供稳定的传输支撑 【7】 【3】 ，光迅科技、源杰科技、仕佳光子、长光华芯等企业布局深入，在高速光模块研发和落地方面具备明显优势，在国内市场占据主要份额，产品广泛覆盖数据中心、5G通信等算力相关场景 【3】 。其余配套核心硬件方面，液冷温控、高端存储、供配电设备等配套硬件也随着AIDC高功耗的适配需求快速扩容，液冷技术已经成为应对高功耗算力芯片的主流方案，相关产品渗透率持续提升 【7】 ，液冷赛道国内有英维克、申菱环境、高澜股份等核心厂商；存储芯片领域兆易创新、江波龙、佰维存储等企业可提供多种存储芯片产品及解决方案；供配电相关的变压器、柴油发电机等环节也分别有金盘科技、科泰电源等国内头部厂商参与布局，整体上游硬件的自主供给能力正在持续提升 【21】 【3】 。

作为算力整合与输出的核心环节，AIDC产业链中游主要由云厂商、IDC服务商、专业智算服务供应商等主体参与，覆盖智算中心建设、系统集成、算力池化调度、弹性共享、云边端协同、机房运维等算力管理环节，同时对外提供智算服务、IDC服务、云服务、算力租赁、数据服务、算法服务等多元算力相关服务，承担算力搭建、优化、运营的核心作用 【1】 【2】 。当前该环节已经形成了成熟的差异化商业模式，按服务层级可分为四类主流模式：IaaS层包含传统机房托管、算力租赁两个细分模式，也是目前国内AIDC的主流落地模式，其中机房托管的下游需求方以头部云厂、AI公司、大型央国企为主，算力租赁的下游需求方集中在中小型科技公司、IT公司、有非连续算力需求的科研机构等 【8】 ；PaaS层主要提供AI应用开发平台及配套工具，降低下游用户搭建AI应用的技术门槛 【23】 ；MaaS层覆盖模型定制、微调、部署等AI开发全流程服务，面向有模型落地需求的行业客户提供轻量化解决方案 【23】 ；SaaS层直接输出可落地的AI场景化应用，面向终端用户提供即开即用的智能服务 【23】 。而按服务商类型划分，国内智算中心服务商又可分为批发型、零售型两类：批发型服务商自建大型算力中心，以机房模块单元为最小出租单位，主要面向大型云计算厂商等大客户，提供托管、运维、云服务一站式服务，这类模式深度绑定头部云厂商，毛利率偏低，但客户需求稳定性强，对企业的资源整合能力、快速建设扩张能力、大客户服务能力要求较高 【26】 ；零售型服务商一般自建算力中心或租用基础电信运营商的算力资源，面向中小客户以机柜为最小出租单位，提供托管及增值服务，这类模式毛利率相对更高，但需求存在一定不确定性，对企业的精细运维能力、市场销售能力要求较高 【26】 。目前中游环节正处于高景气增长通道，市场参与主体涵盖政府、云服务供应商、三方IDC服务商、上游服务器/芯片渠道商等不同类型，2024年我国AIDC算力规模份额中，互联网及云厂商占35.0%、基础电信运营商占25.6%、地方政府占14.2%，是当前供给端的核心力量 【23】 。同时中游运营服务能力持续升级，已从基础的资源出租，逐步延伸出算力池化、算力调度、弹性共享、云边端协同等进阶的调度管理能力，资源利用效率大幅提升，受AI大模型研发、AI推理场景多行业渗透的双重驱动，算力需求持续释放，行业整体正从早期规模扩张向提质增效方向升级 【1】 【7】 。

下游应用层作为算力价值的最终落地环节，覆盖AI全商业化应用场景，不同场景的需求特征各有差异 【1】 【5】 。其中核心算力基础场景主要面向AI大模型训练、模型推理、智慧科研等方向，这类场景普遍对算力的性能、规模要求极高，相关需求虽然目前在整体SoC市场份额中占比不高，但增速十分迅猛 【30】 。低延时高实时性的AI融合场景方面，AI+视频通话、AI+在线游戏竞技这类对低延时要求很高的应用持续落地，不仅会拉动一线热点城市的AIDC资源及边缘算力资源需求，也对算力响应的实时性提出了严苛要求，同时AIGC技术落地到教育、代码、游戏等行业后，随着用户使用量提升，会逐步释放大量推理算力需求 【29】 。实体产业智能化场景覆盖自动驾驶、智慧医疗、智慧金融等行业的数字化、智能化转型场景，这类场景往往需要算力和行业特性深度适配，比如自动驾驶相关应用对算力的实时性、可靠性要求极高，智慧医疗场景则对算力运行的稳定性、数据安全性有突出要求 【1】 。除此之外，不同下游关联领域的算力配套需求也呈现差异化特征：消费电子领域对应算力相关芯片需要满足高性能、高集成度、低功耗的要求，手机、PC、平板等相关产品占据了SoC市场一半左右的份额；汽车电子领域相关算力支撑芯片需要具备高可靠性、实时性、多接口的特性，覆盖智能娱乐、智能座舱、开关控制等场景，目前在SoC市场中占据小部分份额；物联网IoT领域相关算力芯片主打超低功耗、小尺寸、低成本，覆盖蓝牙、WiFi、蜂窝基带芯片等场景，占据小部分市场份额；工业控制领域算力相关芯片需要满足抗干扰、高稳定性、支持工业总线的要求，适配机器视觉、自动化等场景，需求规模占比不高但整体需求十分稳定 【30】 。

当前国内AIDC算力产业链发展仍面临多重布局痛点，技术层面高密度算力部署场景下，高功耗芯片带来的散热、算力调度平衡等技术难题尚未完全解决，同时部分核心环节仍存在卡脖子风险，技术迭代适配速度暂时跟不上AI算力需求的爆发节奏 【31】 ；产业生态协同度不足，产业链各相关方此前多处于“各自为战”的状态，行业内普遍存在接口不兼容、数据不互通的痛点，完整的协同共建生态还在培育过程中 【31】 ；综合成本居高不下，AIDC建设涉及高密度机房部署、专用算力设备、绿电配套等多个高投入环节，整体落地与运营成本偏高，一定程度上限制了算力普惠化的推进速度 【31】 ；供需适配仍有优化空间，此前部分区域算力布局存在错配，核心城市低时延算力供给紧张，而西部算力资源的跨区域调度协同效率还有提升空间，不同场景的算力供给层次还不够丰富 【9】 。针对上述问题，国内也出台了一系列引导政策推动产业健康发展，首先是构建全国一体化算力体系，国家层面先后出台《算力基础设施高质量发展行动计划》《关于深入实施“东数西算”工程，加快构建全国一体化算力网的实施意见》等政策，明确推进全国算力枢纽节点、数据中心集群的科学布局，推动云、网、算资源深度融合，实现全国大型算力的协同调度与高效计算，目标到2025年全国算力规模超过300EFLOPS，智能算力占比达到35% 【33】 【34】 ；其次是推动产业向提质增效升级，引导AIDC产业从早期的规模扩张转向提质增效，一方面强化绿色低碳技术的推广应用，鼓励液冷等技术规模化落地解决高密度部署的散热问题，助力“双碳”目标达成，另一方面加快完善算力计量体系，针对性破解行业接口不统一、数据不互通的痛点，推动产业生态从“各自为战”转向“生态共建” 【31】 【9】 ；同时政策明确要求加快智算中心等算力基础设施建设，逐步提高算力设施国产化率，推动算力资源跨区域均衡调配，缩小不同区域的数字鸿沟，让算力资源可以更公平地支撑各行业的数字化转型，引导算力资源普惠化与国产化 【33】 【31】 ；最后鼓励地方结合区域产业特色出台配套扶持政策，既在西部算力枢纽等区域布局面向超大规模AI训练的集中式智算基地，也在北上广等产业发达区域布局面向行业推理需求的边缘算力节点，形成层次丰富的算力供给体系，匹配不同场景的算力需求 【9】 。