乌兰察布正在成为观察中国AI基础设施经济账的一扇窗口。对阿里云而言，这座内蒙古城市的价值不只是“地大电便宜”：当地具备相对低价的电力、利于散热的冷凉干燥气候，并通过网络连接贴近北京这一需求中心。阿里云所称的100天模块化交付能力，则进一步压缩了扩容时间。

不过，数据中心建得更快，并不等于AI算力就能无限增长。GPU等加速器的供应、稳定的电网容量，以及水等运行资源，仍决定着一个园区究竟能装下并持续运行多少有效算力。1618

AI时代，电力不再只是运营成本

AI训练和推理推高了单机柜的功耗密度。报道援引的数据称，传统数据中心机柜平均功率约为10至15千瓦，AI数据中心则可达到约100千瓦。在这种密度下，电力、制冷和并网接入已不只是运营支出，而会直接决定可部署、可运行的算力规模。13

乌兰察布的吸引力首先在于电价。据报道，当地电价约为每千瓦时0.32至0.35元。阿里云数据中心业务负责人王朝阳曾表示，同等规模的机房设在乌兰察布，相比其他城市每年电费可节省约50亿元；这一数字属于企业所作比较，并非统一口径下的独立基准测试。1216

当地风电、光伏资源为低成本电力提供了条件，但火电仍是区域电力结构的一部分。因此，低电价并不自动意味着AI算力完全由可再生能源驱动。37

距北京足够近，能覆盖更多工作负载

低电价地点要真正有价值，还得能稳定服务需求所在的市场。乌兰察布距北京约350公里，数据往返时延据报约为4毫秒。阿里云认为，这一时延能够满足对话式AI的需求。516

两条专用光纤线路改变了当地的定位。报道称，2017年和2019年建成的线路将时延降至5毫秒以内，使乌兰察布不再只适合耗时较长的模型训练，也可支持更广泛的一部分推理任务。14

这并不意味着所有推理都应集中部署在远端。对时延极为敏感的应用，仍会倾向于靠近用户。但对通常更能容忍距离的训练任务，以及部分在低时延条件下可集中提供服务的交互式推理，乌兰察布这样的低成本、能源充足节点更具可行性。313

气候帮助降低制冷负担

乌兰察布地处高原，冬季较长且气候干燥，可相对减少机械制冷需求。对于高功率密度的AI机柜，这一点尤其重要：制冷系统必须持续带走服务器产生的大量热量，其耗电往往也不可忽视。314

换言之，乌兰察布的区位优势是一套组合：较低的电力成本、较有利的散热条件、通往北京的高速网络，以及接近大型需求中心的能力。这也解释了为何包括阿里巴巴在内的多家大型科技企业在当地布局基础设施。1622

模块化交付，把建设速度变成竞争变量

阿里云表示，其CUBE 5.0模块化架构已将大型AI数据中心的交付周期缩短至100天，建设成本降低10%。25

模块化的意义不只是“盖楼更快”。在AI算力需求快速上升时，配电、制冷和园区设施等传统建设环节，本身就可能成为独立于服务器采购之外的瓶颈。将这些系统标准化、模块化，有助于让扩容变得更可复制，并在设备和接入条件具备后更快上线。28

阿里云还表示，计划在2026年将全球模块化数据中心产能提高一倍以上。这也说明，在其判断中，可快速部署的基础设施能力本身正成为稀缺资源。31

GPU依然是最硬的瓶颈

更快的交付速度并不能制造AI加速器。王朝阳曾称，“没有一张AI卡是闲置的”，反映出即使土地、厂房、制冷与电力可以扩展，GPU等加速器的可得性仍是决定性限制。20

据8月报道，阿里巴巴预计国产自研芯片的产能将逐步提升，并在未来承担更大比例的算力供给。这有望缓解部分供应压力，但并不代表不同芯片可以无差别替代：面向高要求AI任务的有效算力，还取决于芯片性能、软件生态、网络互连，以及稳定供电等整套系统能力。18

乌兰察布揭示了什么

乌兰察布显示，AI基础设施越来越是一项系统工程。竞争优势来自低成本能源、制冷条件、骨干网络、建设速度与需求中心之间的协同，而不只是拥有更多土地或建起更多机房。

它的限制同样值得注意：园区可能在GPU到位前就已建成；低电价模式也依赖持续可得的发电能力和电网容量。另有报道指出，水资源也是乌兰察布整体算力建设面临的本地约束。7

核心结论是：低价电力和模块化设施，能够改善AI算力扩张的经济性并加快部署节奏；但它们无法消除先进硬件、网络互连，以及高密度集群连续运行所需物理资源带来的更深层限制。

乌兰察布正在成为观察中国AI基础设施经济账的一扇窗口。对阿里云而言，这座内蒙古城市的价值不只是“地大电便宜”：当地具备相对低价的电力、利于散热的冷凉干燥气候，并通过网络连接贴近北京这一需求中心。阿里云所称的100天模块化交付能力，则进一步压缩了扩容时间。

不过，数据中心建得更快，并不等于AI算力就能无限增长。GPU等加速器的供应、稳定的电网容量，以及水等运行资源，仍决定着一个园区究竟能装下并持续运行多少有效算力。1618

AI时代，电力不再只是运营成本

AI训练和推理推高了单机柜的功耗密度。报道援引的数据称，传统数据中心机柜平均功率约为10至15千瓦，AI数据中心则可达到约100千瓦。在这种密度下，电力、制冷和并网接入已不只是运营支出，而会直接决定可部署、可运行的算力规模。13

乌兰察布的吸引力首先在于电价。据报道，当地电价约为每千瓦时0.32至0.35元。阿里云数据中心业务负责人王朝阳曾表示，同等规模的机房设在乌兰察布，相比其他城市每年电费可节省约50亿元；这一数字属于企业所作比较，并非统一口径下的独立基准测试。1216

当地风电、光伏资源为低成本电力提供了条件，但火电仍是区域电力结构的一部分。因此，低电价并不自动意味着AI算力完全由可再生能源驱动。37

距北京足够近，能覆盖更多工作负载

低电价地点要真正有价值，还得能稳定服务需求所在的市场。乌兰察布距北京约350公里，数据往返时延据报约为4毫秒。阿里云认为，这一时延能够满足对话式AI的需求。516

两条专用光纤线路改变了当地的定位。报道称，2017年和2019年建成的线路将时延降至5毫秒以内，使乌兰察布不再只适合耗时较长的模型训练，也可支持更广泛的一部分推理任务。14

这并不意味着所有推理都应集中部署在远端。对时延极为敏感的应用，仍会倾向于靠近用户。但对通常更能容忍距离的训练任务，以及部分在低时延条件下可集中提供服务的交互式推理，乌兰察布这样的低成本、能源充足节点更具可行性。313

气候帮助降低制冷负担

乌兰察布地处高原，冬季较长且气候干燥，可相对减少机械制冷需求。对于高功率密度的AI机柜，这一点尤其重要：制冷系统必须持续带走服务器产生的大量热量，其耗电往往也不可忽视。314

换言之，乌兰察布的区位优势是一套组合：较低的电力成本、较有利的散热条件、通往北京的高速网络，以及接近大型需求中心的能力。这也解释了为何包括阿里巴巴在内的多家大型科技企业在当地布局基础设施。1622

模块化交付，把建设速度变成竞争变量

阿里云表示，其CUBE 5.0模块化架构已将大型AI数据中心的交付周期缩短至100天，建设成本降低10%。25

模块化的意义不只是“盖楼更快”。在AI算力需求快速上升时，配电、制冷和园区设施等传统建设环节，本身就可能成为独立于服务器采购之外的瓶颈。将这些系统标准化、模块化，有助于让扩容变得更可复制，并在设备和接入条件具备后更快上线。28

阿里云还表示，计划在2026年将全球模块化数据中心产能提高一倍以上。这也说明，在其判断中，可快速部署的基础设施能力本身正成为稀缺资源。31

GPU依然是最硬的瓶颈

更快的交付速度并不能制造AI加速器。王朝阳曾称，“没有一张AI卡是闲置的”，反映出即使土地、厂房、制冷与电力可以扩展，GPU等加速器的可得性仍是决定性限制。20

据8月报道，阿里巴巴预计国产自研芯片的产能将逐步提升，并在未来承担更大比例的算力供给。这有望缓解部分供应压力，但并不代表不同芯片可以无差别替代：面向高要求AI任务的有效算力，还取决于芯片性能、软件生态、网络互连，以及稳定供电等整套系统能力。18

乌兰察布揭示了什么

乌兰察布显示，AI基础设施越来越是一项系统工程。竞争优势来自低成本能源、制冷条件、骨干网络、建设速度与需求中心之间的协同，而不只是拥有更多土地或建起更多机房。

它的限制同样值得注意：园区可能在GPU到位前就已建成；低电价模式也依赖持续可得的发电能力和电网容量。另有报道指出，水资源也是乌兰察布整体算力建设面临的本地约束。7

核心结论是：低价电力和模块化设施，能够改善AI算力扩张的经济性并加快部署节奏；但它们无法消除先进硬件、网络互连，以及高密度集群连续运行所需物理资源带来的更深层限制。