【摘要】
算力已经成为与土地、能源并列的基础性资源。围绕算力基础设施，国家布局了”东数西算”工程与算力枢纽节点，地方则在智算中心、绿色数据中心、算力调度平台等方向密集投入。对相关企业而言，这既是一个巨大的建设市场，也是一个必须算清”能耗账”和”利用率账”的领域。
本文拆解算力基础设施的政策框架、算力中心建设的四类主体、智算中心与传统数据中心的差异、绿色低碳要求、企业的参与路径，以及算力项目最容易被质疑的三个问题。附 3 张表与行动清单。
一、政策框架：从”东数西算”到算力一张网
算力基础设施的政策逻辑，可以用三句话概括：
- 布局上分区——通过国家算力枢纽节点与数据中心集群，引导算力向资源禀赋更优的地区集中；
- 结构上优化——从通用算力为主，向”通用 + 智能 + 超算”多元算力协同演进；
- 效率上提升——对能效（PUE 等）、上架率、绿电占比等提出明确要求。
企业需要理解的判断是： 算力基础设施的竞争，已经从”建多少”转向”用得怎么样“。新建项目如果利用率低、能效差，将在政策与市场两端都受到压力。
二、四类建设主体与各自定位
| 主体类型 | 主要角色 | 关注重点 |
|---|---|---|
| 基础电信运营商 | 网络与算力底座 | 网络时延、覆盖广度 |
| 互联网与云厂商 | 大规模算力供给 | 弹性、成本、生态 |
| 地方国资平台 | 区域算力枢纽 | 区域服务能力、招商引资 |
| 行业/企业自建 | 专用算力 | 数据安全、业务适配 |
给企业的建议： 除非企业本身是算力服务商，否则不建议盲目自建大规模算力中心。更务实的路径是“租用为主 + 适度自建推理算力”——训练用云上弹性算力，推理等常用算力可适度自建以控制成本与数据安全。
三、智算中心与传统数据中心的差异
智能算力（智算）与传统通用算力（通算）在多个维度上差异明显：
| 维度 | 通用数据中心 | 智算中心 |
|---|---|---|
| 核心设备 | CPU 服务器 | GPU/AI 加速卡服务器 |
| 功率密度 | 相对较低 | 显著更高 |
| 制冷要求 | 常规风冷 | 液冷等高效制冷 |
| 网络要求 | 常规以太网 | 高速互联（RDMA 等） |
| 电费占比 | 高 | 更高 |
| 关键指标 | PUE、上架率 | PUE、算力利用率、MFU |
最关键的一条：智算中心的功率密度与电费占比远高于传统数据中心。 这意味着选址、供电、制冷方案在项目立项阶段就决定了成本结构，后期难以调整。
建智算中心必须先答的三个问题
- 电从哪来、多少钱——是否有稳定的电力供应与合理的电价；
- 散热怎么解决——液冷方案的可行性与改造代价；
- 算力卖给谁——需求方是否明确、是否有意向协议。
这三个问题答不上来，项目的可行性就是空的。
四、绿色低碳：算力项目的硬约束
算力基础设施是能耗大户，绿色低碳是绕不开的要求。核心指标与做法包括：
| 指标/措施 | 说明 |
|---|---|
| PUE | 数据中心总能耗与 IT 设备能耗之比，越低越好 |
| WUE | 水资源利用效率 |
| 绿电占比 | 可再生能源使用比例 |
| 余热回收 | 将废热用于供暖等场景 |
| 高效制冷 | 液冷、间接蒸发冷却等 |
| 智能运维 | 通过调优降低非 IT 能耗 |
实操建议： 新建算力项目应当在设计阶段就确定分项计量方案（IT 设备、制冷、供配电分别计量）。没有分项计量，就无法核算 PUE，也无法申请绿色数据中心等资质。
五、企业的四类参与路径
路径一：算力使用方
- 通过云服务或算力租赁使用算力；
- 适用于绝大多数制造企业。
路径二：算力服务商
- 建设并运营算力中心对外提供服务；
- 需要资金、电力、客户三重条件。
路径三：设备与方案供应
- 提供服务器、液冷、网络、运维系统；
- 面向算力中心建设方。
路径四：算力应用开发
- 基于算力开发行业模型与应用；
- 把算力转化为可交付的业务价值。
对制造业企业最现实的是路径一与路径四。 用好算力、做好应用，比自建算力中心的投入产出比更高。
六、最容易被质疑的三个问题
问题一：算力利用率多高？
新建算力项目最常见的问题是”建成后闲置”。评审与投资方都会追问意向客户与签约情况。
问题二：能耗指标从哪来？
在能耗双控与碳达峰的背景下，新增高耗能项目需要能耗指标支撑。没有指标，项目无法落地。
问题三：与本地产业有什么关系？
地方推动算力项目，核心诉求是服务本地产业。如果项目与本地产业无关联，说服力不足。建议在方案中明确服务本地哪些行业、解决什么问题。
七、FAQ
Q1：制造企业有必要自建算力吗？
多数情况下不必。建议按”训练上云、推理适度自建”的思路配置。只有当数据安全要求极高、且推理负载稳定时，自建才更划算。
Q2：算力中心一定要建在西部吗？
不一定。国家布局引导算力向资源更优地区集中，但对时延敏感的业务（如工业实时控制）仍需在本地部署。“东数西算”是布局优化，不是一刀切。
Q3：绿色数据中心和算力中心是一回事吗？
不完全相同。绿色数据中心是能效维度的评价，算力中心是功能维度的定位。一个算力中心可以申报绿色数据中心，但两者评价口径不同。
八、行动建议：本月就能做的三件事
- 算一次算力需求账——统计企业当前的算力使用场景与规模；
- 做一次成本对比——把云上租用与自建的成本做三年对比测算；
- 检查一次数据合规——明确哪些数据可以上云、哪些必须本地处理。
算力是工具，不是目的。 企业真正需要的是”用算力解决业务问题”的能力，而不是”拥有多少算力”的数字。
八、算力成本的三笔账
算力决策最需要的是把成本算清楚。建议按三笔账展开：
账一：建设成本
| 项目 | 内容 |
|---|---|
| 设备 | 服务器、加速卡、存储、网络 |
| 基础设施 | 机房、供电、制冷、消防 |
| 软件 | 调度平台、运维系统 |
| 实施 | 集成、调试、迁移 |
账二：运营成本
| 项目 | 内容 | 占比特点 |
|---|---|---|
| 电费 | 设备与制冷耗电 | 通常最大 |
| 运维 | 人员、备件、维保 | 中等 |
| 网络 | 带宽与专线 | 视业务而定 |
| 折旧 | 设备折旧 | 按年限分摊 |
账三：机会成本
- 算力闲置带来的浪费；
- 技术快速迭代带来的贬值风险；
- 自建带来的组织与管理负担。
三笔账合起来看，多数制造企业的结论是： 通用训练算力用云更划算，少量稳定的推理算力可以考虑自建。
九、能耗与碳排放的协同
算力中心的绿色化，与企业的碳管理需求可以形成协同：
| 措施 | 能效收益 | 碳管理收益 |
|---|---|---|
| 提高绿电比例 | 降低间接排放 | 提升碳足迹表现 |
| 余热回收 | 提高综合能效 | 替代部分供热能耗 |
| 智能调优 | 降低 PUE | 减少总碳排放 |
| 分项计量 | 精准管理 | 支撑碳核算 |
一个值得提前布局的动作：在算力中心的计量体系中，同时配置能耗与碳排放核算的口径。 未来在做产品碳足迹或企业碳报告时，这部分数据可以直接调用。
十、安全与合规要点
算力基础设施涉及数据集中，安全要求更高：
| 方面 | 要求 |
|---|---|
| 物理安全 | 门禁、监控、消防、防灾 |
| 网络安全 | 边界防护、访问控制、入侵检测 |
| 数据安全 | 分类分级、加密、备份、审计 |
| 供应链安全 | 设备来源可控、服务商资质 |
| 合规要求 | 等级保护、数据出境等相关规定 |
特别提示： 若算力中心承载的数据涉及重要数据或个人信息，需要同时满足相应的合规要求。在立项阶段就应当明确数据的分类与流向。
十一、FAQ 补充
Q1：地方推动的算力券、算力补贴怎么用？
多地出台了算力券或算力使用补贴，用于降低企业使用算力的成本。使用前需确认适用对象、使用范围与申报流程，具体以属地政策为准。
Q2：智算中心一定要配液冷吗？
取决于功率密度。高密度部署下，风冷往往难以满足散热与能效要求，液冷方案会更合适。 具体选型应结合部署密度与投资预算。
Q3：算力中心的利用率多高算合理？
这取决于业务类型。关键是有明确的客户与业务支撑，而不是”建成后再找用户”。
十二、结语：算力要服务于业务，而不是相反
算力基础设施建设的最大风险，不是技术不成熟，而是建完之后没有足够的需求去使用它。设备会折旧，技术在迭代，闲置的算力就是沉没的成本。
对企业最务实的态度是：先想清楚要用算力解决什么问题，再决定用多少、从哪来、怎么用。 工具永远服务于目的，而不是相反。
十三、算力需求的估算方法
企业自建算力前，需要先估算真实需求。可按以下维度梳理：
| 维度 | 关键问题 |
|---|---|
| 业务场景 | 训练还是推理？离线还是实时？ |
| 数据规模 | 数据量多大、增长多快？ |
| 并发要求 | 峰值并发多少？ |
| 时延要求 | 对响应时间的要求是多少？ |
| 增长预期 | 未来三年需求预计增长多少？ |
估算的关键是区分”训练”与”推理”。 训练负载波动大、峰值高，适合弹性租用；推理负载相对稳定、长期运行，自建更容易控制成本。
一个实用的判断规则
如果某一类算力的日均使用率持续高于 60%，自建就可能比租用更经济。
低于这个水平，弹性租用通常更划算——因为你不用为闲置时间付费。
十四、结语：算力是基础设施，不是竞争优势
企业容易陷入一个误区：把”拥有算力”当成竞争力的来源。但算力与电力一样，是基础设施——它的价值在于支撑业务，而不是本身成为业务。
真正的竞争优势，来自”用算力解决了别人解决不了的问题”。
十五、企业算力应用的四个起步场景
对尚未使用算力的制造企业，建议从以下四个场景起步，风险低、见效快：
| 场景 | 应用方式 | 预期收益 |
|---|---|---|
| 质检视觉 | 用 AI 替代人工目检 | 提升检出率与一致性 |
| 设备预测性维护 | 基于运行数据的故障预警 | 减少非计划停机 |
| 排产优化 | 用算法优化生产排程 | 提升设备利用率 |
| 能耗优化 | 用模型优化用能策略 | 降低单位能耗 |
这四个场景的共同点是：数据已有基础、效果可量化、不涉及核心工艺外流。 适合作为企业算力应用的第一个台阶。
十六、与地方算力政策的对接
越来越多的地方在推动算力资源与产业需求对接，企业可以从三个方向参与：
| 参与方式 | 内容 | 企业收益 |
|---|---|---|
| 使用算力券/补贴 | 申请地方算力使用支持 | 降低用算成本 |
| 接入区域算力平台 | 使用本地算力资源 | 时延低、数据本地 |
| 申报算力应用项目 | 以应用场景申报支持 | 获得资金与示范 |
需要提醒的是：算力政策的地方差异较大。 支持对象、补贴方式、申报时间各不相同，企业应当以属地工业和信息化、发展改革部门的最新通知为准，避免依据过时口径准备材料。
一个务实的起步动作
对企业而言，最简单的起步动作是：先用一个真实场景跑通一次算力应用——比如用一台服务器做视觉质检的模型推理测试。跑通之后再谈规模，比较容易获得管理层支持。一次成功的应用，胜过十页可行性分析。 算力这件事，从来不是从”要不要建”开始的，而是从”用它解决一个小问题”开始的。 对制造业企业而言，这个问题的答案通常不在算力规模上，而在对自身工艺与业务的深刻理解上。
发表回复