2025中国算力产业全景扫描：狂欢之后的冷静账本

PART 01

Key Takeaways（核心要点速览）

• 规模与增速背离：2024年中国智能算力725.3EFLOPS，同比暴增74.1%，但平均上架率不足60%，基建投资明显跑在需求前面
• 结构性错配凸显：训练算力占比将从当前70%+下滑至2027年的27.4%，推理算力需求跃升至72.6%，存量资产面临技术折旧风险
• 国产替代进入深水区：华为昇腾910B实现65%国产替代率，但HBM内存、先进制程仍被卡脖子，软件生态碎片化拖累商业化节奏
• 液冷成为必选项：单机柜功耗突破50kW后，风冷触及物理极限，液冷方案PUE可降至1.09，投资回收期2-3年，2026年将迎来爆发
• 区域智算中心泡沫化：全国超200个区域中心，部分地方政府主导项目上架率低于40%，若补贴退坡恐现烂尾风险
• 端侧算力崛起隐患：AI PC/手机渗透率2025年将达38%/50%，本地推理需求增长可能削弱云端算力溢价

PART 02

宏观格局：政策红利与产能过剩的一线之隔

坦白讲，2024年的算力产业呈现典型的"政策市"特征。国家定下的300EFLOPS目标（2025年达成，智能算力占比35%）确实给足了确定性，各地方政府拿着税收优惠和电价补贴蜂拥而上。但问题在于，当太多玩家同时涌入，供给过剩只是时间问题。

数据不会说谎。截至2024年6月，全国数据中心机架总规模超830万标准机架，算力总规模246EFLOPS，位居世界前列。但与之形成反差的是，部分中西部智算中心的实际利用率堪忧。我们注意到，某些省份为了完成"数字经济考核指标"，仓促上马了一批PUE漂亮但业务空置的"形象工程"。

更值得关注的是投资回报率。2024年中国智能算力市场规模190亿美元，增速86.9%看似亮眼，但对比全球AI服务器市场588亿美元的盘子，以及国内动辄千亿级的基建投入，收入增速明显滞后于资本开支增速。说白了，现在还是在"赔本赚吆喝"的阶段。

政策驱动的双刃剑效应正在显现。《算力基础设施高质量发展行动计划》确实加速了行业成熟，但也催生了重复建设。北京、上海、广东等一线城市的智算中心基本满负荷运转，但部分二三线城市的项目却面临"建成即闲置"的尴尬。这种区域间的不平衡，未来可能通过"算力券"等市场化手段进行调节，但短期内仍将拖累行业整体ROE（净资产收益率）。

从产业链价值分布看，利润向上游集中趋势明显。英伟达、AMD、华为海思等芯片厂商拿走了产业链60%以上的利润，中游服务器厂商毛利率压缩至10-15%，下游IDC运营商更是陷入了"重资产、低周转"的泥潭。这种"微笑曲线"的变形，对中游制造业投资者并不友好。

PART 03

基础设施：四国杀格局下的生存博弈

当前的算力基础设施市场，可以用"四国杀"来概括：基础电信运营商、互联网云厂商、区域智算中心、国家级超算中心，四方势力在有限的市场空间里激烈博弈。

三大运营商凭借"云网融合"战略占据了先发优势。

• 中国电信构建"中心、省、边缘、端"四级算力体系，IDC对外机架数53.4万架，上半年智算规模4.7EFLOPS，增幅62%。
• 中国移动的"4+N+31+X"布局更为激进，算力规模达9.4EFLOPS。
• 中国联通则聚焦"5+4+31+X"，建了20个国家级数据中心集群。

他们的核心壁垒在于光纤网络和土地资源，特别是在"东数西算"八大枢纽节点上，运营商几乎垄断了优质地段。

但互联网云厂商的反击同样犀利。阿里云、腾讯云、华为云在公有云市场占据主导地位，2024年"双11"阿里云应对每秒超1亿笔交易峰值，腾讯云将某头部游戏公司卡顿率降低80%。这些厂商正在从IaaS向MaaS（模型即服务）转型，通过AI开发平台（如华为ModelArts）锁定高毛利业务。

风险最大的当属区域智算中心。截至2024年底，全国已建成和在建的区域中心超200个，但多数由地方政府主导建设，市场化运营能力薄弱。我们发现，某些中心为了吸引入驻企业，推出了"前两年免租、电价0.3元/度"的超优惠条件，这种依靠补贴的商业模式在地方财政收紧的背景下难以为继。

国家级超算中心（天津、深圳、广州、长沙等）正处于艰难转型期。从传统科研计算向AI训练和工业仿真拓展，技术门槛不低。天津超算中心"天河三号E级"实现每秒1.3百亿亿次计算，深圳超算中心依托昇腾910B实现16.8EFlops/mm³的算力密度，技术指标亮眼。但问题是，如何平衡公共服务属性与商业盈利能力？目前看，超算中心主要依靠政府科研项目维持运转，企业客户渗透率仍有待提升。

从投资视角，我们更看好与互联网大厂深度绑定的第三方IDC（如万国数据、世纪互联、秦淮数据），以及具备液冷技术优势的设备商。传统IDC如果不加速向AIDC转型，未来三年可能面临被边缘化的风险。

PART 04

硬件层：国产替代的窗口期与天花板

硬件层是这场算力战争的核心战场，也是投资风险收益比最显著的环节。

英伟达依然统治着训练市场，A100、H100占有率据估计超80%。但H20被禁售后，国产芯片迎来了难得的窗口期。华为昇腾910B的表现超出市场预期，在FP16精度下算力密度达到行业领先水平，已能为65%的国产大模型提供训练支持。摩尔线程的夸娥集群支持DeepSeek分布式部署，说明国产GPU在特定场景下已具备可用性。

但冷静来看，国产芯片面临三重天花板。首先是制程限制，7nm及以下先进制程受限于设备禁运，国产厂商只能通过Chiplet（芯粒）和先进封装技术迂回突破。其次是内存瓶颈，HBM（高带宽内存）被海力士、三星、美光垄断，如果美国进一步限制HBM对华出口，国产算力卡的性能将很快被触达天花板。最后是软件生态，异构计算架构（CPU+GPU+FPGA+ASIC）虽然灵活，但CUDA生态的迁移成本极高，不同芯片间的软件适配工作量巨大。

液冷技术可能是2025年硬件层最大的 Alpha（超额收益）来源。当单机柜功耗突破50kW，传统风冷已触及物理极限。报告数据显示，阿里云单相浸没式液冷方案PUE达1.09，机柜功耗密度提升至100千瓦以上。联想问天系列实现100%全覆盖冷板式液冷，PUE低至1.2以下，每年可为500kw数据中心节省电费90万元。按当前电价计算，投资回收期约2-3年，在经济下行周期中显得相当有吸引力。

服务器市场呈现"AI化"趋势。2024年全球AI服务器市场规模预计588亿美元，同比增长16.6%，占整个服务器市场的65%。Gartner预测全球服务器市场规模将达2164亿美元，AI服务器独占七成。DeepSeek一体机凭借运算速度比竞品快20%的优势，在金融、政务等隐私敏感领域打开市场，这种"软硬一体"的差异化策略值得持续关注。

值得注意的是，算力需求结构正在发生根本转变。大模型训练过程中70%开销在算力，但推理阶段这一比例高达95%。随着AI应用落地，推理算力需求正在快速超过训练算力。IDC预测到2027年，推理算力占比将从当前不足30%升至72.6%。这意味着硬件架构需要从"训练优化"（高吞吐、大显存）向"推理优化"（低延迟、高能效）切换，存量训练卡资产面临技术折旧风险。

PART 05

应用层：从概念验证到商业落地的鸿沟

算力最终要通过应用变现，而这恰恰是目前产业链最薄弱的环节。

大模型市场2024年全球规模突破1800亿美元，中国占比超35%，但市场集中度正在快速提升。国内通用大模型市场呈现"三巨头"格局：百度文心（22%份额）、腾讯混元（18%）、阿里通义（15%）。DeepSeek-R1的推理成本仅为国际同类模型的1/30，这一数据极具冲击力，意味着大模型竞争正从"技术壁垒"转向"成本竞争"，对算力提供商的定价权构成压力。

具身智能（人形机器人）是2025年最性感的叙事。高盛预测2035年全球出货量140万台，市场规模380亿美元。截至2024年12月，全国共有45.17万家智能机器人产业企业，注册资本总计超6万亿元。但坦率地说，商业化进度比市场预期慢。特斯拉Optimus、波士顿动力Atlas的技术确实先进，但BOM（物料清单）成本居高不下。国内企业虽然在电机、减速器等硬件上有突破，但在AI决策算法、高精度传感器上仍有差距。我们认为，具身智能对算力的实际需求被高估，至少未来3年内不会成为算力消耗的主力。

智能网联汽车是实打实的算力黑洞。地平线征程6芯片算力1531TOPS，支持L4级自动驾驶全栈计算。蔚来汽车"SkyAI"超算集群拥有2EFLOPS算力，模型训练效率提升300%。中国移动建成10万个5G-V2X边缘节点，传输延迟控制在10ms以内。2024年Q1智能座舱市场渗透率已达68%，语音交互日均使用频次45次。随着L3/L4级自动驾驶落地，车端和路端算力需求将呈指数级增长。

端侧AI（AI PC、AI手机）的崛起值得警惕。2025年AI PC预计出货1.2亿台（渗透率38%），AI手机12.5亿台（渗透率50%）。微软Copilot与Windows深度集成，苹果Apple Intelligence实现跨设备协同，华为HarmonyOS AI框架推动端侧标准化。但这对云端算力厂商未必是好消息，如果大模型量化压缩技术继续进步，未来70%的推理可能在本地完成，云计算厂商的IaaS收入可能受到冲击。

垂直行业应用方面，金融、医疗、法律等场景正在孕育专业化模型服务商。商汤科技医疗大模型集成3000万病例库，诊断建议采纳率91%；第四范式"式说"企业决策大模型覆盖500+行业知识图谱。这些垂直应用虽然市场规模不及通用大模型，但客户粘性和付费意愿更强，可能是算力变现的更优路径。

PART 06

产业链全景图谱，按图索骥寻找价值洼地

坦白说，这份报告最有价值的部分，可能是它那张庞大的"产业全家福"。市面上的研究往往只聚焦产业链的某一环，要么只讲芯片，要么只聊应用。但这份报告罕见地把从硅片到应用层的玩家全部拉通，做了一张完整的生态地图。对于投资者而言，这相当于提供了一份"寻宝图"，让我们可以按图索骥，识别哪些环节已经红海，哪些仍是价值洼地。

先来看最上游的芯片层。国际巨头当然少不了英伟达、AMD、英特尔这三座大山，还有Arm、高通、IBM、谷歌这些在特定架构上有优势的玩家。但报告真正用心的地方在于对国产芯片的全面梳理。华为海思的昇腾系列、寒武纪的思元系列、地平线的征程系列、海光信息的DCU、摩尔线程的夸娥、壁仞科技的通用GPU、还有天数智芯、沐曦、黑芝麻智能、燧原科技等，几乎涵盖了所有活跃的国产GPU/AI芯片厂商。这种全面的Mapping在当下的投研报告中相当稀缺，特别是在地缘政治敏感的今天，完整掌握国产替代的全阵容对资产配置至关重要。

往下游走是服务器和硬件设备。国际品牌戴尔、HPE、IBM、思科依然占据高端市场，但国内厂商的崛起速度惊人。浪潮信息作为全球第二大服务器厂商，在AI服务器领域具有先发优势；新华三（紫光股份）和超聚变在电信和政企市场根基深厚；中科曙光的液冷服务器已经大规模部署；宁畅、华勤技术、中国长城、工业富联、联想等则在细分场景各有千秋。报告甚至细分到了液冷产业链，提到了英维克、高澜股份等散热方案提供商，这种颗粒度对产业投资很有帮助。

在算力服务层，报告对基础设施运营商的覆盖堪称无死角。基础电信运营商这边，中国电信、中国移动、中国联通这三大传统巨头自不必说，连中国广电、中国铁塔的算力布局都有涉及。互联网云厂商阵营，国际的AWS、Azure、GCP，国内的阿里云、腾讯云、华为云、百度云、京东云，以及运营商旗下的移动云、天翼云、联通云，全部在列。更难得的是对第三方IDC和AIDC服务商的详细梳理，万国数据、世纪互联、秦淮数据这些头部玩家就不用说了，光环新网、润泽科技、数据港、奥飞数据、首都在线、科华数据等第二梯队的厂商也都有收录。对于想要布局算力地产的投资者来说，这份名单基本覆盖了所有可投标的。

区域智算中心部分，报告列出了超过20个中心的名字，从哈尔滨先进计算中心到深圳人工智能融合赋能中心，从东部沿海到中西部地区，形成了完整的地理分布图。这种全景式的梳理让我们可以清晰地看到哪些区域已经过度建设，哪些区域仍有供给缺口，对判断区域性的投资机会很有帮助。

应用层是这份报告另一个亮点。大模型赛道，国际上的OpenAI、Google、Anthropic、Meta、Mistral、xAI、Stability AI、Cohere，国内的百度文心、阿里通义、腾讯混元、华为盘古、DeepSeek、商汤日日新、科大讯飞星火、智谱AI、月之暗面Kimi、MiniMax、百川智能、零一万物、阶跃星辰等，几乎把市面上所有有头有脸的模型厂商都囊括在内。更重要的是，报告还细分了垂直领域的突破者，比如商汤在医疗大模型、第四范式在金融决策、科大讯飞在语音交互等，这种细分对寻找差异化投资机会很关键。

具身智能和机器人领域，特斯拉、Figure AI、波士顿动力这些国际先驱都在列，国内的小米、阿里巴巴、智元机器人、优必选、宇树科技、银河通用、千寻智能、傅利叶智能、星动纪元等新兴玩家也一个没有落下。

智能网联汽车板块，从整车厂特斯拉、蔚来、小鹏、理想、比亚迪，到芯片方案商地平线、黑芝麻智能，再到自动驾驶方案商百度Apollo、华为、Momenta、Waymo、文远知行、小马智行，整条产业链的公司都梳理得清清楚楚。

甚至连相对边缘的量子计算（IBM、国盾量子、本源量子等）和边缘计算（新华三、网宿科技、Akamai等）赛道，报告也都有专门的厂商列表。说白了，这份报告的价值在于它提供了一个"菜单式"的投资图谱，无论你想投硬件、投基建、投应用还是投细分赛道，都能在这里找到对应的标的清单。

对于专业投资者而言，这种全景式的覆盖最大的意义在于帮助识别"生态位"的机会。当所有人都盯着英伟达和华为的时候，或许为国产芯片做软件适配的中间件厂商、为智算中心做精密温控的细分设备商、或者在特定垂直领域深耕的大模型公司，反而存在更大的预期差。完整的产业链图谱，正是发现这些预期差的基础工具。

END