社区

如果AI最终成为像水、电、道路和互联网一样的基础设施，那么未来各国竞争的，可能就不只是拥有多少GPU，而是谁能更稳定、更高效地“生产智能”。

当地时间9月2日，在美国北卡罗来纳州举行的G20创新部长级会议上，英伟达CEO黄仁勋再次将AI放到基础设施的维度讨论。

“最终，每个国家都必须认识到，AI是一种基础设施，就像水、道路、电力和互联网一样。”黄仁勋表示，每个国家都需要建设自己的AI基础设施，为本国研究人员、学生、产业和创业公司提供“数字智能能力”。

这也指向一个正在发生的变化：AI时代需要建设的，不只是更多数据中心、采购更多计算设备，而是一套能够持续稳定“生产智能”的基础设施体系。

传统数据中心主要承担信息存储和处理，而AI时代的数据中心开始具备新的生产职能——电力进入之后，经过计算、网络、存储和软件系统，最终生产出Token和智能服务。

这正是“AI工厂”的核心逻辑。

从拼GPU数量，到拼一整套系统能力

全球AI基础设施扩张正在变得越来越复杂。

GPU只是其中一个环节。真正建设大规模AI集群，还需要稳定电力、高密度数据中心、液冷系统、高速网络、存储，以及集群组网、调度和运维等能力。

近期全球数据中心投资持续升温，电力和冷却设备企业也成为这一轮AI资本开支的重要参与者。算力短缺的背后，实际上涉及一整套基础设施供给能力。

因此，评价AI基础设施的维度也开始发生变化。

除了“有多少算力”，这些算力放在哪里、使用什么电力、多久能够上线、能否长期稳定运行，以及单位算力最终能够产生多少有效Token，都开始成为需要考虑的问题。

从这个角度来看，“AI工厂”并非单一的硬件采购，而是一项系统工程。

两种“AI工厂”路径已经出现

系统工程的方向并不难理解，真正困难的是如何落地。

电力、土地、设备、网络、调度以及算力服务分布在产业链不同环节，过去算力企业的竞争更多集中于机房、电力或者设备等单一资源，现在则开始向更完整的服务链条延伸。

目前， $润泽科技(300442)$ 与 $粤港湾智算(01396)$ 的业务发展呈现出两条不同路径。

润泽科技走的是依托现有资源底座向上升级的路径。

多年IDC业务积累，使其拥有数据中心、电力、制冷及运维等基础资源。当行业进入高密度算力阶段，这些已有的数据中心基础设施可以进一步升级，承载AI算力需求。

2026年上半年，润泽科技AIDC业务收入达到19.95亿元，同比增长126.24%，占总营收已经超过一半。

另一边，粤港湾智算走的是一体化交付路线。

截至中期业绩公告日，公司已交付及运营FP16稠密算力超过5万P，并形成“设施、设备、技术”三位一体的交付体系。

其中既包括IDC、电力、带宽和运维，也包括服务器、存储、网络等硬件，并进一步覆盖大规模集群组网、调度和调优，同时向异构算力调度、模型部署和推理服务延伸，公司还明确提出“Token工厂”的发展方向。

一家从现有资源底座向上生长，一家通过一体化交付整合不同环节。虽然路径不同，但共同指向的是如何把分散在产业链中的资源组织起来，形成能够持续运行的“AI工厂”。

下一阶段，关键可能不是“建多少”

过去两年，AI产业首先解决的是“有没有算力”。

当基础设施持续扩张之后，另一个问题开始出现：同样规模的算力，最终能够生产多少Token？

即便数据中心规模和设备数量相同，如果电力成本、集群利用率和推理效率存在差异，最终Token产量和成本也可能完全不同。

这意味着AI工厂最终仍需要面对一笔经济账。

资本开支能否转化为稳定收入、设备生命周期内能否保持较高利用率、电力和运维成本能否持续下降，以及技术优化能否提升单位算力产出，都关系到AI基础设施能否形成持续运行的商业模式。

黄仁勋不断强调AI基础设施，也对应着人工智能产业竞争从算法和模型进一步向基础设施延伸。

对于中国而言，AI工厂并非简单复制某一种海外模式，也不只是与某一种芯片绑定，而是需要形成能够适配多元算力、实现规模化交付、持续优化效率，并稳定生产智能的基础设施体系。

当行业关注点从“拥有多少算力”进一步转向“算力能够产生多少有效产出”，AI基础设施之间的竞争，也将逐渐从资源储备延伸到Token产出、能源效率和运营能力。