1. 首頁 > 生活百科 > >

AIDC訂單瘋漲，哪些賽道受益？

it芯片人工智能英偉達gpuai芯片

AIDC訂單瘋漲，哪些賽道受益？

文章圖片




一般而言 ， IDC可分為三類：通用型數據中心基于CPU芯片服務器提供算力 ， 聚焦傳統數據存儲、處理與管理 ， 對計算、存儲、網絡傳輸能力要求均衡；智算型數據中心依托GPU、FPGA、ASIC等AI芯片的加速計算平臺 ， 主打人工智能與機器學習領域的大規模模型訓練；超算型數據中心則由高性能計算集群構成 ， 主要服務于行星模擬、天體物理、基因分析等尖端科學研究 。

而智算型數據中心也被稱為AIDC 。 AIDC是AI Data Center（人工智能數據中心）的簡稱 ， 特指專門部署和運行人工智能計算任務（尤其是大規模GPU/算力芯片）的數據中心 。
隨著生成式AI迭代催生算力指數級需求 ， 從“通用計算”向“智能計算”躍遷 ， 疊加國內“東數西算”政策加持 ， AIDC（人工智能數據中心）成為數字經濟核心基建 ， 行業景氣度持續攀升 。
01大廠訂單密集落地 ， AIDC再升溫2025年Q2曾因英偉達H20芯片斷供導致國內多個AIDC項目延期 ， 而H200芯片的重新供貨 ， 為國內AIDC需求的釋放按下“加速鍵” 。 與此同時 ， 國產AI芯片企業的大規模上市帶來充足現金流 ， 為國產AI芯片的研發擴產提供堅實支撐 。
隨著中國頭部科技企業力求跟上美國競爭對手的步伐 ， 字節跳動計劃明年擴大其在人工智能領域的投入 。 報道稱 ， 字節跳動計劃明年增加資本支出 ， 進一步建設人工智能基礎設施 。 2026年資本開支擬達到約1600億元人民幣 ， 高于2025年約1500億元人民幣的投入 。 字節的AI芯片預算約為850億元人民幣 ， 并已經下了2萬顆H200的測試單 。 若獲準采購更多先進芯片 ， 字節可能會大幅增加資本開支 。
另外 ， 阿里已明確將AI作為未來優先級方向之一 ， 計劃在未來三年內投入超過3800億元人民幣用于技術研發和基礎設施 ， 并有望上移該目標 。
此外 ， 密集的招中標項目 ， 直觀反映了AIDC從科技領域向傳統行業滲透的廣泛需求 。
首先是備受關注的中國移動2025年至2026年（一年期）人工智能通用計算設備（推理型）集中采購項目終于落下帷幕 。 本次集采共分為兩輪 ， 第一輪采購規模為7058臺 ， 隨后的補充采購規模約為441臺 。 兩次采購需求滿足期均為1年 ， 也就是說 ， 2025年至2026年中國移動總計采購推理型AI服務器7499臺 。 2026年1月公示補充采購中標結果 ， 昆侖技術等企業分食441臺人工智能通用計算設備訂單 。 而本次補采共分為2個標包 。 其中標包1為CANN生態設備 ， 標包2為類CUDA生態設備 。
傳統行業的智能化轉型同樣催生AIDC需求 。 2026年1月 ， 阿里云以185.6萬元中標中糧集團AI基礎平臺二標段 ， 聚焦智能問數與智能體平臺搭建 ， 為企業業務智能化升級提供支撐 ， 標志著AIDC需求已逐步滲透至傳統產業領域 。
02黃仁勛“五層蛋糕”理論近期 ， 英偉達CEO黃仁勛在達沃斯論壇提出AI基礎設施“五層蛋糕”結構 ， 從底層到頂層依次為：能源層（AI的“氧氣” ， 含電網、新能源、儲能）、芯片與計算層（GPU等核心硬件 ， 英偉達主?。 ?、云数据中心层（算力罪嗈造v澹I模型層（大模型賽道）、應用層（創造經濟價值的核心場景） 。
第一層：能源層
作為AI產業的“氧氣” ， 是蛋糕的底層基礎 ， 涵蓋電網、新能源、儲能等設施 ， 為AIDC及各類計算設備提供穩定動力 。 AI計算的巨大算力需求帶來海量能源消耗 ， 因此能源的穩定供應與成本控制成為AI產業發展的關鍵前提 。
第二層：芯片與計算系統層
這層是AI算力的核心載體 ， 相當于蛋糕的第二層 ， 以GPU、CPU等芯片為核心“引擎” ， 搭配相關計算硬件與加速器 ， 是實現高效計算的核心環節 。 英偉達等芯片廠商在此層具有重要地位 。
第三層：基礎設施層
包括數據中心、網絡架構、存儲系統、云服務等 ， 相當于蛋糕的第三層 。 這一層的作用是整合能源與芯片資源 ， 構建成能夠對外提供智能算力的“工廠” ， 負責算力的整合、調度與服務輸出 ， 是連接算力與實際應用的關鍵橋梁 。 基礎設施層是AI從算力轉化為實際智能應用的關鍵環節 ， 需要強大的軟件和硬件支持 。
第四層：AI模型層
AI的“大腦”所在 ， 相當于蛋糕的第四層 ， 涵蓋大語言模型、多模態模型、垂直行業模型等 ， 是實現智能推理、決策與生成能力的核心 。 模型層的研發創新是AI技術迭代的關鍵動力 ， 不同領域的模型針對特定任務和場景優化 ， 可以滿足多樣化應用需求 。
第五層：應用層
蛋糕的頂層 ， 是AI技術轉化為商業價值的最終環節 ， 覆蓋自動駕駛、智能制造、醫療診斷、金融風控、教育娛樂等各類行業場景 。 通過將AI模型與具體業務深度融合 ， 形成智能化解決方案 ， 為社會經濟創造實際價值 。
值得注意的是 ， 當前多數資本聚焦于模型層 ， 但真正的經濟價值最終源于應用層 ， 而底層的能源與基建則是整個生態體系的根基 ， 這一邏輯也為AIDC的發展路徑提供了明確指引 。
同時 ， AIDC高功率密度的特性 ， 對電力供給、散熱系統等提出了嚴苛要求 ， 直接推動能源、基建領域的技術升級與人才需求 。 其中 ， 契合“五層蛋糕”底層能源層需求的“新型水電工人”成為行業香餑餑——這并非傳統意義上的水電工種 ， 而是指掌握高壓直流供電、液冷系統運維、儲能設備調試的復合型基建人才 ， 以及電力配套、變電站建設等領域的專業人員 ， 他們將成為AI基建落地的關鍵支撐力量 。
03AIDC產業鏈生態多領域受益AIDC行業的高景氣度 ， 本質是“算力剛需+技術革命”的共振結果 ， 其爆發式增長不僅帶動核心環節發展 ， 更輻射全產業鏈多個細分領域 ， 形成協同受益的產業生態 。
（一）電源系統：高壓化、直流化轉型成主流
借鑒汽車行業已有的技術趨勢 ， 英偉達在2025年臺北國際電腦展（Computex 2025）上推出了800V直流（800-VDC）供電架構 ， 旨在高效支撐下一代AI工廠計算機架所需的兆瓦級電力需求 。 同時 ， 英偉達 GB200 服務器已將 BBU（電池備份單元）作為標配 。 BBU 依托鋰電池實現高能量密度、高倍率的電力供應 ， 可在瞬間大功率放電場景下保持供電穩定 。 相較于傳統 UPS ， BBU 在靈活性、轉換效率、使用壽命上均具備顯著優勢 ， 且故障影響范圍更小 。
（二）液冷系統：算力密度飆升催生滲透率提升
AI 服務器搭載的 GPU、ASIC 芯片功耗大幅攀升 ， 以 NVIDIA GB200/GB300 NVL72 系統為例 ， 其單柜熱設計功耗 (TDP) 高達 130kW-140kW ， 遠超傳統氣冷系統的散熱處理極限 。
液冷技術滲透率的持續提升 ， 直接帶動冷卻模塊、熱交換系統及外圍零部件的市場需求擴張 。 冷水板 (Cold Plate) 作為接觸式熱交換的核心元件 ， 核心供應商包括 Cooler Master（酷冷至尊）、AVC（奇鋐科技）、BOYD 與 Auras（雙鴻科技）；其中除 BOYD 外 ， 其余三家企業均已在東南亞地區擴建液冷產能 ， 以匹配美系 CSP 客戶的高強度采購需求 。
（三）功率半導體與配套領域：SiC 與 GaN 形成互補適配
在 AI 服務器電源應用場景中 ， 第三代半導體碳化硅（SiC）與氮化鎵（GaN）展現出顯著的技術互補性 。 碳化硅擁有更低的導通電阻（RDS (on)）和更穩定的溫度特性 ， 具備優異的高電壓、高溫工作能力 ， 在硬開關、軟開關拓撲中均能實現性能優化 ， 尤其適配 AC-DC 轉換級的功率因數校正（PFC）應用 。 氮化鎵則憑借零反向恢復電荷（Qrr）實現超低開關損耗 ， 搭配極低的輸出電容電荷（Qoss）可助力實現零電壓開關（ZVS）；其高開關頻率的技術特性更適配高密度 CRPS 應用 ， 在 DC-DC 轉換級的 LLC 轉換器中表現尤為突出 。
（四）光伏：綠色算力驅動能源協同
全球 AIDC 算力需求呈指數級增長 ， 預計到 2030 年 ， 全球數據中心耗電量將較當前實現 4-5 倍增長 ， 中國、歐洲市場的綠色數據中心將逐步占據區域市場主導地位 。
AIDC 對電力的海量需求 ， 推動綠色能源與算力基礎設施的深度融合 ， 這與我國 “東數西算” 工程中西部能源基地的布局高度契合 。 光伏作為主流清潔電源 ， 其直流供電技術可直接復用于 AIDC 供電體系 ， 陽光電源等企業有望受益 。
（五）光模塊：1.6T進入商用導入期
2025 年以來 ， 800G 光模塊需求持續放量 ， 1.6T 產品正式進入商用導入期 ， 光模塊行業從此前的速率競賽全面轉向效率競爭 。
從 2025 年年度業績預告來看 ， 天孚通信、劍橋科技等國內光模塊龍頭企業交出高增長答卷 ， 歸母凈利潤同比增幅均超 40% ， 直觀印證了 AI 算力基礎設施需求激增帶來的行業高景氣 。
光模塊行業新周期已全面開啟 ， 技術迭代與供需博弈成為行業發展核心主線：800G 產品出貨量同比翻倍至近 2000 萬只 ， 1.6T 產品迎來商用元年 ， 頭部廠商正加速產能卡位與核心技術攻堅；但光芯片供應缺口仍未得到緩解 ， 供應鏈掌控力成為企業核心競爭壁壘 。
（六）國產AI算力卡：萬卡級出貨企業批量涌現
目前 ， 國產AI芯片已形成多元化競爭格局 ， 涵蓋華為昇騰、海光、寒武紀等十余個品牌 ， 至少九家企業的出貨量或訂單量突破萬卡級別 ， 既包括背靠科技大廠的華為昇騰、海光、也涵蓋寒武紀、沐曦、摩爾線程、燧原科技等上市及擬上市企業 ， 甚至包括曦望（Sunrise）、清微智能等仍處于創業階段的非上市公司 。
國產AI推理芯片的單價區間在3萬-20萬元不等 ， 萬卡級出貨量標志著其性能、穩定性和總擁有成本已獲得市場認可 ， 行業正從“技術研發”階段邁入“規?；桓厄炞C”階段 。 2026年隨著代工產能的提升 ， 國產推理芯片出貨量有望迎來爆發式增長 ， 競爭焦點也將逐步AIDC的基建能力 。
AIDC 行業的高景氣 ， 本質是 “算力剛需 + 技術革命” 雙重因素共振的結果 。 從需求端的訂單落地到供給端的國產化 ， 從核心芯片到配套基建 ， 全產業鏈均蘊藏著豐富的投資與發展機遇 。
對于中國而言 ， 雖在能源稟賦與算力基建領域具備先天優勢 ， 但在高端芯片研發與核心技術原始創新上仍需實現關鍵突破 。 值得注意的是 ， AI 產業的終極贏家 ， 從來不是某個單一國家 ， 而是能夠打通全棧技術、實現產業協同推進、全民擁抱技術變革的產業體系 。 正如黃仁勛所言：“別把 AI 簡化成 ChatGPT vs. DeepSeek ， 要看整座蛋糕 。 ”
這場AI時代的“新工業革命” ， 才剛剛開始 。
【AIDC訂單瘋漲，哪些賽道受益？】想要獲取半導體產業的前沿洞見、技術速遞、趨勢解析 ， 關注我們！

    推薦閱讀