SemiAnalysis的中国数据中心调研：字节租了全国20%可用地

编者按：当全球投资者把目光集中在英伟达 GPU、AI 模型性能和美国科技巨头的资本开支时，中国正在经历另一场规模庞大的 AI 基础设施扩张。 9 月 25 日，半导体与 AI 研究机构 SemiAnalysis 发布中国数据中心研究报告，基于对 60 多家运营商、超过 1,000 座数据中心设施的追踪，估计中国数据中心容量到 2026 年底将超过 24GW，规模仅次于美国。 与此同时，阿里巴巴、腾讯和百度在第二季度的合计资本开支达到约 200 亿美元，同比翻倍以上。 但这场扩张背后有一个看似矛盾的现象：一方面，中国数据中心行业长期被高空置率、价格竞争和产能过剩困扰； 另一方面，AI 数据中心却正在迅速获得订单，部分超大规模项目甚至要求在半年内完成交付。 市场究竟是产能过剩，还是算力供不应求？ SemiAnalysis 在报告中提出，问题的关键不在于数据中心总量，而在于供给结构。 中国早期数据中心主要围绕电信运营商、小型机架和传统云计算需求建设，大量旧设施无法经济地改造成高密度 AI 机房。 如今，字节跳动、阿里巴巴、腾讯等企业正在推动新的批发型数据中心建设，电力成本、芯片供应与建设速度成为更重要的竞争变量。 这也意味着，理解中国 AI 基础设施，不能只看上市公司的资本开支或行业平均上架率。 谁在购买算力、谁在提供机房、产能建在哪里，以及多少资金真正转化为可用的 AI 计算能力，才是判断行业景气度的重要线索。 报告描绘的并非简单的建设热潮，而是中国数据中心市场从传统电信基础设施向 AI 算力基础设施转型的过程。 以下为原文编译： 中国数据中心市场的规模，可能比许多海外投资者此前估计的更大。 SemiAnalysis 最新发布的 China Datacenter Model（中国数据中心模型）显示，按其设施容量口径，中国到 2026 年底预计拥有超过 24GW 的数据中心容量，超过欧洲、中东和非洲地区的约 14GW，也超过除中国以外亚太地区的约 15GW，仅次于美国预计的 56GW。 注：GW 为吉瓦，1GW 等于 1,000MW。 这里衡量的是数据中心设施的电力容量，并不等同于已经安装、正在运行的 AI 芯片算力。 这一统计尚不包括约 20GW 有明确时间安排的后续项目，以及约 30GW 已宣布、但交付确定性相对较低的项目。 两类储备产能不能简单视为已经建成或全部确定会投入使用。 图：2026 年全球主要地区数据中心容量比较。 来源：SemiAnalysis 支撑这轮扩张的，是中国互联网巨头重新加速的资本支出。 根据 SemiAnalysis 统计，2026 年第二季度，阿里巴巴、腾讯和百度的合计资本开支约为 200 亿美元，同比增长超过一倍。 报告同时指出，三家公司当季均出现负自由现金流，反映其投资强度明显提升。 但这还没有算上中国最大的单一数据中心租户——字节跳动。 SemiAnalysis 的建筑级追踪模型估计，字节跳动占中国已交付数据中心容量的约五分之一，其中绝大多数来自租赁。 对于整个第三方批发型数据中心行业而言，字节跳动已经成为最重要的需求来源。 也正因如此，传统统计方法可能低估中国 AI 基础设施的真实投资规模：最重要的算力买家之一尚未上市，一部分规模最大的运营商也没有公开上市，投资者难以仅凭公开财报还原整个市场。 中国数据中心不是没有需求，而是旧产能无法承接 AI SemiAnalysis 认为，要理解中国数据中心行业目前的供需矛盾，首先需要回到行业的建设历史。 美国数据中心产业较早围绕大型云厂商发展，数百兆瓦级园区往往为少数大型客户定制。 而中国市场最初由中国移动、中国电信和中国联通等电信运营商主导，主要服务网站、网络游戏、内容分发网络（CDN）以及政府和企业客户。 当时的数据中心更接近一种电信基础设施租赁业务：运营商提供机柜、网络和带宽，客户按需租用。 设施规模通常较小，机架功率密度也较低。 到了 2015 年前后，阿里云、腾讯云等开始快速扩张，数据中心建设进入云计算驱动阶段。 大型云厂商不断增加资本开支，第三方运营商跟随扩张，大量开发商则押注云计算需求会长期增长。 然而，2022 年至 2023 年，互联网企业增长放缓，云业务竞争加剧，前期建设的产能开始集中释放，行业进入消化期。 数据中心租赁价格承压，部分老旧设施的利用率持续下降。 按照报告引用的世纪互联数据，其数据中心整体利用率曾从约 70% 的水平下降至 50% 多。 但 2023 年之后，市场开始出现明显分化：受 AI 需求推动，批发型数据中心的利用率重新升至 70% 以上，而传统零售机架仍徘徊在 60% 左右。 图：世纪互联整体及不同业务的数据中心利用率走势，批发与零售业务逐步分化。 来源：世纪互联披露、SemiAnalysis 原因在于，传统机房与 AI 机房对基础设施的要求并不相同。 过去的服务器机架往往只需要较低功率，而现代 GPU 集群对供电、散热、机柜功率密度和集群互联提出了更高要求。 一座仍在运营、部分机架已经出租的传统数据中心，即便存在空余面积，也未必能够经济地改造成大型 AI 计算设施。 对运营商来说，改造既可能涉及供配电和冷却系统升级，也可能影响原有客户，经济性未必优于新建。 因此，传统设施的高空置率并不能直接证明 AI 数据中心也供给过剩。 SemiAnalysis 将中国数据中心产业划分为四个阶段：2015 年之前的运营商托管时代、2015 年至 2021 年的云计算扩张期、2022 年至 2023 年的产能消化期，以及 2024 年以来由 AI 驱动的新一轮建设周期。 最重要的变化是，AI 需求不再只是填满过去建设的机架，而是在创造一套新的数据中心供给体系。 报告估计，字节跳动、阿里巴巴、腾讯和百度的合计资本开支从 2024 年约 350 亿美元增至 2025 年超过 500 亿美元，按照报告当时观察到的支出趋势，2026 年可能接近 1,000 亿美元。 但这一数字仍属于趋势推算，而非全年已确认支出。 需求结构也在发生变化。 2026 年上半年，万国数据（GDS）和世纪互联（VNET）合计签署约 1.3GW 的批发型数据中心订单，而同期新增零售订单不足 10MW。 所谓批发型数据中心（Wholesale Colocation），通常是向大型云厂商等客户提供成规模的机房、电力和基础设施容量； 零售型数据中心则更偏向向分散客户出租机柜及配套服务。 这组订单数据说明，新增需求正高度集中在大型客户和高密度设施，而不是传统的小规模机架租赁业务。 但 SemiAnalysis 同时提醒，万国数据和世纪互联仅获得了其追踪范围内 2024 年至 2026 年迄今字节跳动与阿里巴巴订单的约三分之一。 只看两家美股上市数据中心运营商的表现，仍然会遗漏大量需求。 字节跳动成为最大买家，五大巨头走出不同的算力路线 这一轮 AI 基础设施扩张与上一轮云计算竞争的另一个区别，是需求高度集中在少数大型科技企业手中。 SemiAnalysis 重点研究了字节跳动、阿里巴巴、腾讯、百度和华为五家公司。 尽管都在加大 AI 投入，但各自的商业模式、资本开支方式和数据中心策略存在明显差异。 字节跳动：租下全国约五分之一的已交付数据中心容量 字节跳动是报告中最重要的需求来源。 根据 SemiAnalysis 模型，其在国内租赁的已交付数据中心容量超过 4GW，合作伙伴包括秦淮数据、中联数据、世纪互联等多家运营商。 部分供应商对字节跳动的收入依赖程度超过 80%，其中秦淮数据在 2026 年初的相关占比仍约为 90%。 这意味着，字节跳动的资本开支决策不仅影响自身 AI 业务，也可能直接改变整个第三方数据中心产业的订单和收入。 其需求主要来自两端：一方面是抖音、TikTok 原有的推荐、广告及全球业务； 另一方面是豆包、Seedance、火山引擎等 AI 产品带来的训练和推理需求。 据报告，截至 2026 年 3 月，豆包月活跃用户已达到 3.45 亿，进一步增加了字节跳动对 AI 推理基础设施的需求。 在投入规模上，SemiAnalysis 援引的预算信息显示，字节跳动 2026 年 AI 基础设施预算最初约为 240 亿美元，到 5 月已上调至超过 300 亿美元。 媒体曾提出最高达 700 亿美元的潜在支出规模，但报告明确说明，这只是讨论中的上限，并非已经确定的年度预算。 长期以来，字节跳动依靠租赁快速扩张。 但随着需求持续增长，其也开始通过火山引擎增加自建园区，在山西、安徽和内蒙古布局大型计算设施，并在宁夏出现新的项目筹备迹象。 在 SemiAnalysis 看来，这意味着字节跳动正在从主要依赖租赁的模式，逐渐转向租赁与自建并行，以降低长期成本并提高对核心算力的控制能力。 阿里巴巴：把模型、云服务和数据中心整合成一门生意 相比字节跳动，阿里巴巴的优势在于更加完整的云计算商业模式。 SemiAnalysis 将阿里巴巴视为中国最接近 AWS 模式的云厂商：以基础设施即服务（IaaS）为基础，再向企业提供模型即服务（Model-as-a-Service，MaaS），将大模型能力转化为云收入。 根据报告数据，AI 相关产品收入已占阿里云外部收入的约 35%。 与单纯购买 GPU 或建设数据中心不同，阿里巴巴还通过投资大模型企业来扩大云生态。 SemiAnalysis 提到，阿里巴巴对月之暗面、MiniMax、智谱等公司的投资，不仅带来股权敞口，也可能通过云资源采购形成持续的计算需求。 阿里巴巴的另一项优势是软硬件协同。 报告提到，平头哥自研芯片已开始服务阿里云实际工作负载。 2026 年 4 月，中国电信与阿里云在韶关部署了采用平头哥真武芯片的万卡集群，并规划进一步扩容。 在数据中心建设上，阿里巴巴并不坚持完全自建，而是混合使用自建、第三方租赁和合作开发模式，将部分基础设施资本开支转移给合作伙伴。 腾讯、百度与华为：资本开支增加，并不意味着扩张方式相同 腾讯的策略相对谨慎。 SemiAnalysis 指出，腾讯在 2022 年至 2023 年主动整合数据中心资源，关闭部分小型租赁设施，并将需求集中到大型自建园区。 虽然 2026 年上半年资本开支已超过 2025 年全年，但报告观察到，其数据中心容量增长并未出现同等幅度的跃升。 分析师据此推测，新增支出中有较大一部分可能用于芯片和存储设备采购，而非单纯建设更多机房。 与字节跳动和阿里巴巴相比，腾讯的数据中心布局也更加偏向东部地区，与微信、游戏和视频业务对网络延迟的要求相符。 百度则面临不同的挑战。 报告认为，百度在 AI 研发上起步较早，但基础设施投入规模落后于其他主要互联网巨头。 其差异化方向正逐渐转向昆仑芯等自研芯片，以及面向企业和政府客户的 GPU 云服务。 据报告，2026 年第二季度百度 GPU 云收入同比增长 283%。 SemiAnalysis 将其理解为百度正在强化芯片与算力服务业务，而不只是参与大模型训练规模竞争。 华为的角色更加特殊。 其不仅运营华为云，也是中国 AI 芯片与计算系统的重要供应商。 报告估计，华为的数据中心自建比例超过 90%，高于其他被追踪的大型企业。 SemiAnalysis 认为，华为云可以被理解为昇腾算力的商业化渠道：客户不一定需要直接购买服务器，而可以通过云服务租用相关计算能力。 由此，中国 AI 基础设施市场形成了不同于简单云厂商竞争的结构：字节跳动主要拉动外部租赁需求，阿里巴巴推动模型与云服务协同，腾讯更加注重既有业务整合，百度强化芯片与 GPU 云，而华为同时参与算力供给和基础设施建设。 这也意味着，不能用同一个资本开支指标来判断所有公司的 AI 竞争力。 中国建数据中心越来越快，真正的瓶颈却在芯片 如果说需求端由少数科技巨头驱动，那么供给端最重要的变化，就是数据中心建设开始向能源丰富、土地成本较低的地区集中。 2022 年，中国正式启动「东数西算」工程，规划八大国家算力枢纽和十大数据中心集群，希望引导大型计算设施向具备能源及土地优势的地区布局。 这一政策框架也得到国家发改委公开文件确认。 SemiAnalysis 认为，这一政策真正发挥作用的地方，不只是规划了数据中心应该建在哪里，而是通过节能审查、项目审批和资源配置，影响了开发商的实际选址。 但政策并非唯一的决定因素。 过去，云计算、游戏和电商业务对网络延迟要求较高，因此数据中心更倾向靠近北京、上海和深圳等人口与商业活动密集地区。 AI 训练任务则不同。 大型模型训练通常更关心电力供应、运行成本和集群规模，对距离终端用户的网络延迟相对不那么敏感。 这使内蒙古、宁夏等地区更具吸引力。 SemiAnalysis 特别强调了内蒙古的优势。 据其估算，内蒙古部分地区电价约为一线城市的一半，再加上较为充足的土地、能源及大型项目审批条件，使其成为超大规模 AI 数据中心的重要目的地。 图：中国主要算力枢纽及数据中心集群布局。 来源：SemiAnalysis 不过，数据中心并非只要电力便宜就可以建设。 SemiAnalysis 指出，山西虽然不属于「东数西算」八大国家枢纽，却凭借廉价电力、靠近北京和较早的产业布局，吸引了字节跳动、百度和京东等企业接近 2GW 的自建及租赁容量承诺。 这说明政策决定了大方向，但电价、地理位置和既有基础设施仍然决定具体项目的竞争力。 中国的另一项优势是建设速度。 根据 SemiAnalysis 调研，中国一座 100MW 数据中心的标准建设周期，已从云计算时代约 18 个月缩短至 AI 时代约 12 个月，部分项目甚至更快。 相比之下，报告估计，美国较理想的全模块化数据中心项目，施工本身通常仍需 12 至 18 个月，且可能需要额外等待较长的审批周期。 不过，具体工期仍取决于电网接入及当地条件。 中国之所以能够缩短工期，一个重要原因是建筑结构和建设流程改变。 过去，数据中心往往采用传统多层混凝土结构。 如今，大型 AI 数据中心越来越多使用低层、大跨度钢结构，并将部分电气、机械和冷却设备提前在工厂生产。 建筑施工与设备制造可以同步进行，而不是等待建筑完成后再逐项安装。 阿里巴巴 CUBE 5.0 模块化方案便是例子。 报告介绍，其所谓的「100 天数据中心」包括 30 天工厂生产及现场准备、50 天现场安装和 20 天调试。 需要注意，这里的 100 天并非完整项目从拿地到投运的全过程，而是从建筑外壳具备条件到服务器进场的特定阶段。 报告估计，这类方案可以将从破土动工到调试的总体时间缩短至约 7 至 9 个月。 图：世纪互联乌兰察布数据中心施工过程，展示低层钢结构与预制化建设的效率 但更快的建设速度，并不意味着中国会全面采用集装箱式数据中心。 SemiAnalysis 提出了两个原因。 首先，中国的施工劳动力相对充足，采用钢结构和部分预制模块，已经能够达到较短的建设周期，进一步转向完全模块化的边际收益有限。 其次，数据中心本身也是融资资产。 对于依赖银行贷款的第三方运营商而言，一座具有较长设计寿命的固定建筑，更容易获得资产估值和抵押融资支持。 而可移动的集装箱式设施，可能面临较低残值和不同的融资条件。 因此，中国数据中心产业形成了自己的建设模式：更多工厂预制、更少现场施工，但仍保留具有融资价值的永久性建筑。 这也带来了一个看似反常的结果：在 AI 数据中心建设加速的同时，设施单位建设成本仍可能下降。 报告将这一变化归因于本土供应链、规模化采购和预制化工艺。 然而，机房建设速度并不是中国 AI 基础设施唯一的约束条件。 SemiAnalysis 将中美两国的瓶颈进行了区分：美国更容易受到电网接入、变压器交付和供电条件限制； 而在中国，先进 AI 芯片的供应可能是更重要的限制因素。 换句话说，中国能够以较快速度建设数据中心，并不代表能够以同样速度完成先进 GPU 集群的部署。 数据中心容量、电力接入、芯片供给和实际可运行算力，仍然是四个不同的指标。 算力开始走向海外，下一步要看的是产能能否转化为收入 中国 AI 基础设施的扩张并没有止步于国内。 SemiAnalysis 预计，中国大型科技企业在海外租赁的数据中心容量，将从 2026 年至 2029 年增长约一倍，到 2029 年接近 4GW。 这一数字还不包括通过海外云厂商远程租赁的 GPU，因此不能视为中国科技企业全部的境外计算资源。 字节跳动是其中最重要的参与者。 报告指出，TikTok 因全球业务和本地数据处理需求，已在美国、欧洲及东南亚租赁大量数据中心容量。 近年来，其海外基础设施扩张尤其集中在新加坡、马来西亚柔佛和印度尼西亚巴淡岛周边。 与美国和欧洲相比较，东南亚部分地区在土地、能源与建设成本方面拥有一定优势。 一批具有中国供应链背景的数据中心开发商，也正在将国内的预制化建设经验带到海外。 阿里巴巴和腾讯同样在推进全球云基础设施布局。 阿里巴巴的目标更偏向通过海外数据中心扩展 AI 云业务，同时增加对全球客户的服务覆盖。 腾讯则更多围绕游戏、互联网及 AI 应用出海，在东南亚和其他国际市场扩展云服务。 SemiAnalysis 认为，海外布局既包含业务增长的考虑，也包含获取先进计算资源的动机。 但需要区分的是，海外数据中心租赁、GPU 远程访问和先进芯片的实际获取，分别涉及不同的商业合同、技术架构和监管要求，并不能简单视为一条已经畅通的供应渠道。 从投资角度看，真正值得关注的也不只是海外容量增长，而是这些容量背后能否形成持续的客户需求和稳定收入。 报告最后回到一个问题：既然中国仍存在大量闲置机房，为什么数据中心建设还在不断加速？ SemiAnalysis 给出的解释是，传统零售机房与新一代 AI 数据中心已经形成两套不同的市场。 前者面临存量消化和价格压力，后者则由少数大型 AI 客户驱动，要求更高的功率密度、更大的园区规模以及更快的交付速度。 但新项目获得订单，也不意味着整个产业链都将获得同等收益。 未来有三个变量尤其重要。 首先是订单与实际交付之间的差距。 已经签署的租赁合同能否按期转化为投运容量，将直接影响数据中心运营商的收入兑现。 其次是资本开支与实际算力部署之间的关系。 如果科技巨头资本开支持续上升，但设施容量、芯片部署和云业务收入未能同步增长，市场就需要重新评估投资回报。 最后是先进芯片供应与设施利用率。 如果新建机房的交付速度持续超过服务器部署能力，今天针对 AI 数据中心的紧张供需关系，也可能在未来出现变化。 从这个角度看，中国 AI 基础设施扩张最值得关注的，不是最终建成多少吉瓦的数据中心，而是有多少容量真正被芯片填满、被客户使用，并转化为可持续的商业收入。 机房可以提前建成，算力却需要芯片才能兑现。 未来真正决定这轮投资回报的，将是二者能否保持同步。

📰 来源：blockbeats