行业机构预计，Amazon、Microsoft、Google、Meta 四大云厂商2026年AI资本支出将达数千亿美元级别。

过去一年，全球科技产业几乎所有的核心战略都围绕一个关键词展开：算力。

随着生成式AI和大模型进入商业化阶段，科技公司正在以前所未有的规模投资算力基础设施。从GPU集群到电力系统，从液冷技术到超大型数据中心，一场围绕AI算力的基础设施竞赛正在全球展开。

越来越多分析机构认为，AI基础设施建设正进入一个持续多年的“超级周期”（Supercycle）。

一、AI需求推动算力基础设施爆发

在传统云计算时代，数据中心的建设节奏相对稳定。但在AI时代，算力需求出现了爆炸式增长。

训练一个先进的大模型需要数万甚至数十万块GPU。与此同时，AI推理服务也在快速扩大规模——从搜索引擎到办公软件，从广告推荐到自动驾驶，大量互联网产品正在嵌入AI能力。

这使得科技公司不得不建设更多的数据中心，并不断升级其计算能力。

全球最大的云计算企业——包括 Amazon、Microsoft、Google、Meta Platforms——已经将AI算力基础设施列为未来几年最重要的资本开支方向。

一些行业研究预计，未来几年全球AI基础设施投资规模可能达到数万亿美元级别。

二、算力的真正瓶颈：电力与散热

很多人认为AI竞争的核心是芯片。但在数据中心运营者看来，电力与散热才是更大的挑战。

新一代AI服务器的功耗正在快速上升。例如，搭载高端GPU的服务器机架功率已经达到传统服务器的数倍。某些AI集群的单机架功率甚至超过100千瓦。

这意味着传统数据中心架构已经无法满足需求。

为了支持高密度AI计算，数据中心正在进行大规模技术升级，包括：

• 液冷系统（Liquid Cooling）
• 高压电力分配系统
• 高密度机架设计
• AI专用数据中心布局

这些变化正在催生一个新的产业链。提供电力系统、冷却设备和数据中心基础设施的公司正在成为AI浪潮的重要受益者。

例如，数据中心基础设施公司 Vertiv 就是这一趋势的典型代表。该公司主要提供数据中心电源、UPS系统和散热设备，其业务在AI基础设施建设浪潮中迅速增长。

三、AI产业竞争从模型走向基础设施

在过去两年，AI产业的焦点主要集中在模型能力上，例如谁拥有更强的大语言模型。

但随着AI商业化推进，竞争正在从模型能力转向基础设施能力。

企业之间的差距越来越体现在以下几个方面：

1 算力规模

谁拥有更多GPU和计算资源。

2 数据中心建设速度

谁能更快建设和部署AI数据中心。

3 能源获取能力

谁能获得足够的电力支持AI计算。

在这一背景下，大型科技公司开始建设所谓的**“AI工厂”（AI Factory）**——专门用于训练和运行大模型的超大型数据中心。

例如，GPU巨头 NVIDIA 就提出了“AI工厂”的概念，将未来数据中心视为生产AI模型和智能服务的工业基础设施。

四、AI基础设施投资规模正在快速扩大

近年来，科技巨头的资本开支正在迅速增加，而其中很大一部分都流向AI算力。

例如云计算公司扩大GPU采购、新建AI数据中心园区、投资电力和冷却系统、建设AI超级计算集群等等，这种趋势已经开始改变整个科技产业的资本结构。

过去，互联网公司更多将资金投入软件和产品开发。而在AI时代，越来越多资金流向硬件基础设施。

这也是为什么许多投资者开始关注数据中心产业链，例如电力系统供应商、液冷技术企业、数据中心运营商、GPU服务器制造商，这些企业正在成为AI基础设施周期的重要参与者。

五、AI算力超级周期可能持续十年以上

历史上，每一次重大技术革命都会带来基础设施建设周期。继互联网时代的光纤网络建设，移动互联网时代的4G/5G基站建设，云计算时代的数据中心建设之后，AI时代，很可能对应的是算力基础设施建设周期。

与以往不同的是，AI对计算资源的需求几乎是指数级增长。随着模型规模扩大和AI应用普及，算力需求仍在不断提升。

因此，一些行业分析师认为，AI算力投资周期可能持续十年以上。

结语：AI革命背后的基础设施战争

AI革命往往被视为算法和模型的竞争。但在更深层次上，它也是一场基础设施竞争。未来AI产业的关键问题不只是谁拥有更先进的模型，而是谁拥有更多算力，谁拥有更大的数据中心，谁能支撑更高的电力消耗？

在这一背景下，AI基础设施已经成为科技产业最重要的战略资产之一。随着全球科技公司持续加大投资，一场围绕数据中心、算力与能源的万亿美元级产业周期正在展开。