“十五五”首提算电协同，AI算力基础设施从政策驱动走向业绩兑现

1、AI算力基础设施行业概况

（1）基本定义

AI算力基础设施是指专门面向人工智能大模型训练和推理场景打造的新一代高性能数据中心及其配套软硬件体系。它在产业语境中特指承载GPU/ASIC服务器集群的算力环境，区别于以CPU为主导的传统通用数据中心。

当前的政策文件对这一产业的定位已十分清晰。“十五五”规划纲要着重强调要夯实数智化发展的底座能力，其中算力设施的统筹建设被放在了突出位置。这意味着AI算力基础设施的定义已超越“机房”概念，而是将其定位为像交通、能源一样不可或缺的支撑性基础设施。

（2）核心构成

从物理形态看，AI算力基础设施主要由三大系统耦合构成。

第一是供电系统，负责将电网输入的电力经过多级变换，最终以合适的电压和电流形态输送给每一颗GPU芯片，这其中涉及高压直流（HVDC）、电源插框（Power Shelf）、电源模组（PSU）乃至远期规划的固态变压器（SST）等环节。

第二是散热系统，由于GPU芯片功耗密度极高，必须依靠液冷（冷板式或浸没式）才能将热量高效导出。

第三是算力承载系统，即GPU服务器集群、高速互联网络和分布式存储系统的综合体。这三大系统相互制约——供电效率决定了发热量，散热能力反过来又限制了供电密度，必须协同设计。

（3）与传统IDC的本质区别

如果用一个词来概括AI算力基础设施与传统数据中心（IDC）的区别，那就是“量变引发质变”。传统数据中心的单机柜功耗普遍在5-10千瓦，用风冷空调就能解决散热；而AI算力基础设施的单机柜功耗已跃升至40-140千瓦，相当于几十个电磁炉同时在一个机柜内工作。

功耗的两个数量级跃升带来了根本性变革——供电架构必须从传统UPS交流方案切换为高压直流方案以降低损耗，散热必须从风冷全面转向液冷才能维持芯片正常工作。

这种“功耗密度决定技术路线”的强约束关系，是理解AI算力基础设施产业逻辑的出发点。

2、AI算力基础设施行业产业链分析

AI算力基础设施行业产业链分析

资料来源：普华有策

3、AI算力基础设施行业竞争格局分析

（1）供电侧竞争格局

AI服务器电源领域呈现出极高的集中度。台达电子与光宝科技两家台系厂商在全球AI服务器电源市场占据主导份额，这种双寡头格局在短期内难以被撼动。其核心壁垒在于多年来与英伟达等芯片厂商的深度绑定——电源方案需要与芯片供电规格同步定义，后来者很难在缺乏原厂协同的情况下实现兼容。

大陆厂商中，麦格米特是唯一进入英伟达全球原生供应链的电源供应商，在Vera Rubin等新一代平台上具备核心卡位优势。中恒电气在国内HVDC细分市场居于领先地位，2026年获得了宁德时代的战略投资。科华数据和欧陆通也分别在HVDC和高功率服务器电源领域占据一席之地。整体来看，国内企业在全球供应链中的地位正在提升，但距离挑战台厂寡头格局仍有距离。

（2）散热侧竞争格局

散热领域的全球格局由奇鋐科技主导——该企业同时打入英伟达与AMD两大芯片阵营的供应链，在数据中心水冷散热模组市场占据领先份额。双鸿与奇鋐并称“散热双雄”，共同构成台系散热厂商的第一梯队。

国内散热市场尚处于“群雄并起”的阶段。英维克已建立起全链条液冷解决方案能力，是国内唯一获得英伟达NPN Tier1认证的液冷供应商。高澜股份则同时布局冷板式和浸没式两条技术路线，相关产品已通过英伟达服务器认证。随着英伟达积极推动整柜式液冷方案，高阶数据中心的水冷渗透率持续看升，国内散热厂商的市场空间有望进一步打开。

4、AI算力基础设施行业发展趋势

（1）供电架构向高压直流全面演进

AI服务器电源从传统48V低压供电架构向800V直流供电的跃迁，是产业界已形成共识的确定性方向。这一趋势的直接驱动力是功耗大幅攀升带来的配电损耗问题——电压越高、同功率下电流越小，线缆损耗和发热就越低。HVDC替代传统UPS、Power Shelf与PSU的功率密度持续提升已是进行时。远期SST的产业化将从更根本上重构供电架构——以半导体器件替代工频变压器，实现供电系统的“小型化、高效化、智能化”。

（2）液冷从AI服务器的可选配置走向标配

液冷在AI算力基础设施中的定位正在发生根本性变化。当单机柜功耗超过40千瓦时，风冷在物理上已无法有效带走热量，液冷不再是“更好的选择”而是“唯一的选择”。新一代AI运算平台已全面转向系统级全水冷设计，电源机柜本身也在从气冷向搭配水冷板及冷却分配系统的方向演进。冷板式液冷当前占据主流，浸没式液冷的渗透率将随新建超大规模智算中心的增加而持续提升。

（3）算电协同重塑产业的能耗逻辑

“算电协同”写入“十五五”规划和2026年政府工作报告，标志着算力产业的能耗管理逻辑正在经历制度性重构。算电协同的核心内涵是将算力基础设施视为电网的“柔性负荷”——在绿电充裕时加大算力输出，在电网紧张时适度调节算力负载。全国首个大规模算电协同绿电直供项目的投运已证明这一模式的可行性。未来算力基础设施的选址、设计、运营都将越来越多地考虑电力协同因素，这将对产业链的竞争要素产生深远影响。

（4）竞争焦点从“订单获取”转向“盈利兑现”

AI算力基础设施行业正在经历从“有没有订单”到“能不能赚钱”的转换。随着Rubin、ASIC等新一代平台放量，行业将从普遍景气走向份额和盈利能力分化。产能效率——固定资产周转率、良率、直通率——将取代“是否进入供应链”成为更核心的竞争指标。海外交付能力同样是关键分水岭——能够在泰国、墨西哥等海外基地实现稳定量产的企业，将获得北美CSP的溢价采购份额。产业链利润沿着“芯片—算力基础设施—大模型—行业应用”逐级递减的特征将更加明显。

（5）全国一体化算力网重塑空间布局

“十五五”规划纲要明确要求加快建设全国一体化算力网。目前全国已形成以8大国家算力枢纽、10个国家算力集群、3个算电协同发展区域为重点的“8+10+3”空间布局。这种空间结构的演化将带来产业要素的重新配置——东部枢纽侧重算力调度与核心数据交换，西部节点依托绿电优势承接非实时训练任务，算电协同区域探索新型供电模式。不同区位的AIDC对供电、散热、网络的技术要求各有侧重，这将直接拉动差异化产品需求。

北京普华有策信息咨询有限公司《2026-2032年AI算力基础设施产业深度研究及趋势前景预判报告》

目录

核心摘要

AI算力基础设施行业核心结论

AI算力基础设施行业关键指标观测图谱

第一章 AI算力基础设施行业全球及中国发展概况

1.1 AI算力基础设施行业定义：什么是AIDC

1.2 AI算力基础设施行业发展历程：传统数据中心→智算中心→AIDC的演进路径

1.3 AI算力基础设施行业基本特征

1.3.1 高功耗密度特征

1.3.2 技术密集型特征

1.3.3 资本密集型特征

1.4 AI算力基础设施行业全球及中国供需数据

1.4.1 全球算力规模与分布

1.4.2 中国算力总规模与智能算力规模

1.5 AI算力基础设施行业全球及中国市场规模

1.5.1 全球人工智能基础设施市场规模

1.5.2 中国算力市场规模

1.6 AI算力基础设施行业下游主要应用市场需求规模及前景

1.6.1 大模型训练与推理需求

1.6.2 自动驾驶算力需求

1.6.3 智慧金融、智慧医疗等垂直领域算力需求

1.7 AI算力基础设施行业PEST分析

1.7.1 政治环境（Political）：国家战略与政策导向

1.7.2 经济环境（Economic）：资本开支周期与投资规模

1.7.3 社会环境（Social）：数字化转型与智能化需求

1.7.4 技术环境（Technological）：芯片、供电、散热技术迭代

第二章 AI算力基础设施行业宏观政策与产业规划

2.1 “十五五”规划纲要：算力基础设施上升为国家战略

2.1.1 第四篇“深入推进数字中国建设，提升数智化发展水平”

2.1.2 第十二章“强化算力算法数据高效供给”：统筹推进算力设施建设

2.1.3 算力网纳入国家“十五五”规划重大工程项目

2.1.4 算力网首次纳入国家战略性基础设施阵列

2.2 2025年中央经济工作会议：因地制宜发展新质生产力

2.2.1 新质生产力稳步发展，人工智能研发应用走在全球前列

2.2.2 为“十五五”良好开局奠定基础

2.3 2026年政府工作报告与两会：打造智能经济新形态

2.3.1 政府工作报告首提“打造智能经济新形态”

2.3.2 深化拓展“人工智能+”，推动重点行业领域人工智能商业化规模化应用

2.3.3 实施超大规模智算集群、算电协同等新基建工程

2.3.4 “算电协同”首次写入政府工作报告

2.3.5 数字经济核心产业增加值占GDP比重持续提升

2.4 AI算力基础设施行业配套产业政策与规划

2.4.1 国务院《关于深入实施“人工智能+”行动的意见》

2.4.2 《算力基础设施高质量发展行动计划》

2.4.3 《算力互联互通行动计划》

2.4.4 《促进平台经济大中小企业协同发展行动方案》

2.4.5 国家数据局明确算力基建方向：一体化算力网监测调度、算电协同、边缘算力建设

2.5 AI算力基础设施行业核心驱动因素与制约因素

2.5.1 驱动力：北美CSP资本开支加码、国内智算中心建设加速、政策持续加码

2.5.2 制约因素：技术路线不确定性、行业竞争加剧、高端芯片供应链受限

第三章 AI算力基础设施行业发展现状与核心矛盾

3.1 AI算力基础设施行业产业周期定位：从“订单验证”到“业绩兑现”的过渡期

3.2 AI算力基础设施行业核心矛盾：领先指标（订单/备料/存货）与滞后指标（利润表）的错配

3.3 AI算力基础设施行业交叉验证方法论：为何液冷是电源的先行指标，存货是交付的前置信号

第四章 AI算力基础设施行业供电侧（AI算力电源）深度分析

4.1 AI算力电源行业技术路线图与价值量提升

4.1.1 传统UPS与新一代HVDC的替代逻辑

4.1.2 Power Shelf与PSU的规格升级

4.1.3 远期架构：800V直降与SST（固态变压器）的产业化预期

4.1.4 SST产业化进展

4.2 AI算力电源行业产业节奏与关键节点

4.2.1 当前所处阶段：客户验证、小批量、备料与产能爬坡

4.2.2 核心观测指标：存货周转、在建工程转固、费用率变化

4.3 AI算力电源行业上游原料与核心受益环节

4.3.1 SiC（碳化硅）

4.3.2 高频磁性器件

4.3.3 超级电容

4.3.4 直流保护与PCB

第五章 AI算力基础设施行业散热侧（AI算力液冷）深度分析

5.1 AI算力液冷行业技术路线分野：冷板式（当前主流）与浸没式（远期方向）

5.2 AI算力液冷行业国内外景气度验证差异

5.2.1 海外台系厂（利润表已验证）与国内公司（存货/资本开支已验证）的节奏差

5.2.2 国内液冷拐点信号：购买商品现金流出、在建工程与固定资产增速

5.3 AI算力液冷行业上游原料与核心受益环节

5.3.1 冷板/快接头/管路

5.3.2 冷却工质

5.3.3 金属软磁粉芯等上游材料

第六章 AI算力基础设施行业产业节奏与投资时钟

6.1 近期验证窗口：订单确认、原材料备货与排产爬坡

6.2 近期交付窗口：批量确收、经营杠杆释放与毛利率修复

6.3 中期分化窗口：新产品放量背景下的份额竞争与盈利能力分化

6.4 AI算力基础设施行业估值切换条件：何时从“主题估值”切换至“业绩兑现”

第七章 AI算力基础设施行业竞争格局与市场集中度

7.1 AI算力电源行业全球竞争格局

7.1.1 海外龙头企业：台达、光宝、Vertiv、Eaton

7.1.2 国内龙头企业：麦格米特、欧陆通、中恒电气、科华数据

7.2 AI算力液冷行业全球竞争格局

7.2.1 海外龙头企业：奇鋐、双鸿

7.2.2 国内龙头企业：英维克、高澜股份

7.3 AI算力基础设施行业市场集中度分析

7.3.1 电源侧全球寡占格局

7.3.2 液冷侧国内市场格局

第八章 AI算力基础设施行业新场景与产业融合趋势

8.1 AI算力基础设施行业新应用场景

8.1.1 十万卡集群、超大规模智算中心

8.1.2 全国一体化算力网空间布局

8.2 AI算力基础设施行业算电协同：算力与电力深度融合

8.2.1 “十五五”规划首次明确提出“算电协同”和建设“超大规模智算集群”

8.2.2 国家发改委：构建算力、电力深度融合的算电协同发展机制

8.2.3 算电协同重点区域布局

8.3 AI算力基础设施行业新旧产业融合：从“配套”到“核心”的地位跃升

8.3.1 AI与传统能源、制造、金融等产业的深度融合

8.3.2 未来产业与新质生产力的培育

第九章 AI算力基础设施行业SWOT与波特五力模型分析

9.1 AI算力基础设施行业SWOT分析

9.1.1 优势（Strengths）

9.1.2 劣势（Weaknesses）

9.1.3 机会（Opportunities）

9.1.4 威胁（Threats）

9.2 AI算力基础设施行业波特五力模型分析

9.2.1 供应商议价能力

9.2.2 购买者议价能力

9.2.3 新进入者威胁

9.2.4 替代品威胁

9.2.5 同业竞争

第十章 AI算力基础设施行业区域结构分析

10.1 全国八大算力枢纽节点概述

10.1.1 京津冀枢纽

10.1.2 长三角枢纽

10.1.3 粤港澳大湾区枢纽

10.1.4 成渝枢纽

10.1.5 内蒙古枢纽

10.1.6 贵州枢纽

10.1.7 甘肃枢纽

10.1.8 宁夏枢纽

10.2 京津冀枢纽：产业技术基础与高成本能耗限制

10.3 长三角枢纽：完整产业链与领先网络设施

10.4 粤港澳大湾区枢纽：跨境数据流动与合规成本

10.5 成渝及西部枢纽：“东数西算”与绿电优势

10.6 AI算力基础设施行业区域发展趋势与投资重点

第十一章 AI算力基础设施行业投资机遇与策略

11.1 AI算力基础设施行业细分产品投资机遇

11.1.1 HVDC、PSU、Power Shelf、SST等电源侧产品

11.1.2 冷板式与浸没式液冷等散热侧产品

11.2 AI算力基础设施行业细分应用市场投资机遇

11.2.1 大模型训练集群

11.2.2 推理集群

11.2.3 边缘算力

11.3 AI算力基础设施行业投资策略

第十二章 AI算力基础设施行业重点企业分析（可按需定制）

12.1 台达电子

12.1.1 企业概述

12.1.2 核心竞争力

12.1.3 经营情况分析

12.2 光宝科技

12.2.1 企业概述

12.2.2 核心竞争力

12.2.3 经营情况分析

12.3 麦格米特

12.3.1 企业概述

12.3.2 核心竞争力

12.3.3 经营情况分析

12.4 中恒电气

12.4.1 企业概述

12.4.2 核心竞争力

12.4.3 重大事项

12.4.4 经营情况分析

12.5 奇鋐科技

12.5.1 企业概述

12.5.2 核心竞争力

12.5.3 经营情况分析

12.6 英维克

12.6.1 企业概述

12.6.2 核心竞争力

12.6.3 经营情况分析

12.7 其他重点企业简述

12.7.1 欧陆通

12.7.2 科华数据

12.7.3 高澜股份

12.7.4 Vertiv（VRT.US）

12.7.5 Eaton（ETN.US）

第十三章 AI算力基础设施行业主要壁垒与风险因素

13.1 AI算力基础设施行业主要进入壁垒

13.1.1 技术壁垒

13.1.2 客户壁垒

13.1.3 资本壁垒

13.1.4 海外交付壁垒

13.2 AI算力基础设施行业宏观风险

13.2.1 AI算力资本开支不及预期

13.2.2 汇率与原材料价格波动

13.3 AI算力基础设施行业产业风险

13.3.1 技术路线产业化后移

13.3.2 行业竞争加剧压制毛利率

13.4 AI算力基础设施行业财务风险

13.4.1 备料转化与存货减值

13.4.2 应收账款坏账压力

13.5 AI算力基础设施行业信息风险

13.5.1 信息披露口径不一带来的研究偏差

第十四章 AI算力基础设施行业市场规模前景预测

14.1 AI算力基础设施行业整体市场规模前景

14.1.1 全球人工智能基础设施市场规模前景

14.1.2 中国算力市场规模前景

14.1.3 “十五五”时期算力网建设投资前景

14.2 AI算力电源细分市场规模前景

14.2.1 全球AI服务器电源市场前景

14.2.2 数据中心PSU市场前景

14.3 AI算力液冷细分市场规模前景

14.3.1 全球AI数据中心液冷市场前景

14.4 AI算力基础设施行业细分产品与应用市场前景

第十五章 AI算力基础设施行业研究结论与建议