烏蘭察布位於內蒙古，正成為觀察中國 AI 基建經濟學嘅一個重要窗口。阿里雲喺當地嘅園區，既靠近相對便宜嘅電力同天然冷涼氣候，又有足夠快嘅網絡接駁北京，唔止可以處理遙距、批量式運算。阿里雲所講嘅「100 日模組化交付」令擴容更快，但數據中心起得再快，都唔會憑空增加 GPU 同其他 AI 加速卡供應；硬件依然係最難解嘅關口。1618

AI 時代，電力本身就係產能

AI 工作負載令電力、散熱同電網接入，由以往嘅營運成本項目，變成決定可裝多少算力嘅核心條件。有報道指，傳統數據中心平均每個機櫃耗電約 10 至 15 kW；AI 數據中心則可升至約 100 kW。去到呢個密度，有冇足夠電，直接影響伺服器同加速卡可唔可以裝落去並持續運行。13

烏蘭察布嘅吸引力之一，係當地電價據報約為每度 人民幣 0.32 至 0.35 元。阿里雲數據中心主管王朝陽曾表示，同樣規模嘅機房若設於烏蘭察布，每年電費可較其他城市節省約 人民幣 50 億元。不過，呢個係企業提出嘅比較，並非一個經獨立統一標準核實嘅基準。1216

當地風電、太陽能資源豐富，令低電價更有吸引力；但火電亦仍然係本地供電結構一部分。換言之，電力便宜唔等於整個 AI 擴建完全由可再生能源支持。37

離北京夠近，唔只做模型訓練

平電價地點要真正有用，仲要能夠可靠服務需求所在嘅市場。烏蘭察布據報距離北京約 350 公里，而兩地數據傳輸往返延遲約 4 毫秒。阿里巴巴形容，呢個延遲水平足以應付對話式 AI。516

兩條分別於 2017 年及 2019 年建成嘅專用光纖線路，改變咗當地定位。報道指，線路令延遲降至 5 毫秒以下，令烏蘭察布除咗適合長時間模型訓練，亦可承接更多推理工作負載。14

呢個唔代表所有推理服務都毋須靠近用戶部署。模型訓練通常最適合放喺距離較遠嘅地方，因為對延遲容忍度較高；不過，當延遲夠低，部分需要互動嘅服務亦較有條件由集中式、低成本嘅算力中心提供。313

冷涼乾燥，散熱成本可以再落一截

烏蘭察布海拔較高、冬季漫長而寒冷、氣候偏乾，有助比炎熱地區減少機械製冷需要。對高密度 AI 機櫃而言，呢點尤其重要：伺服器本身已經非常耗電，冷卻系統仲要處理大幅增加嘅散熱負荷。314

所以，當地嘅優勢唔只係「地點靚」：較低電價、可減少冷卻需求嘅氣候，以及通往大型需求中心嘅高速網絡，合起來先係完整公式。呢幾個條件亦解釋咗點解包括阿里巴巴在內嘅多間大型科技公司，都向該區投放基建資金。1622

模組化建設，將「起得快」變成競爭力

阿里巴巴表示，旗下 CUBE 5.0 模組化架構已將大型 AI 數據中心嘅交付時間縮短至 100 日，同時把建設成本降低 10%。25

模組化嘅戰略價值，唔只係縮短工期。AI 算力需求急升時，供配電、冷卻與機房系統等傳統工程，本身就可以成為另一個瓶頸，並非買到伺服器就解決到。將呢啲系統標準化，可令擴容更容易複製；只要設備與接駁條件準備好，設施就有機會更快投入服務。28

阿里巴巴亦表示，計劃在 2026 年將全球模組化數據中心產能增加超過一倍，反映可迅速部署嘅基建能力本身，正變成稀缺資源。31

真正卡住嘅，仍然係 GPU

快速建設數據中心，並不會製造 AI 加速卡。王朝陽曾表示，市場上「冇一張 AI 卡係閒置」，反映即使土地、樓宇、散熱同供電可以擴張，加速卡供應仍是實際制約。20

按 8 月報道嘅說法，阿里巴巴預期國產自研芯片產量會增加，並在日後佔更大容量比例。呢個或有助紓緩供應壓力，但唔代表所有芯片都可以互相替代。能否提供可用嘅 AI 算力，取決於芯片能力、軟件支援、網絡互連，以及穩定供電能否配合成一個整體。18

烏蘭察布揭示咗中國 AI 算力競爭乜嘢？

烏蘭察布說明，AI 基建愈來愈係一條系統題：競爭優勢來自平價能源、散熱條件、骨幹網絡、建設速度同接近需求中心嘅組合，而唔係單靠買多啲地、起多幾棟樓。

不過，當地嘅局限同樣值得留意。園區可能已經建好，卻未必有足夠加速卡填滿；而低成本電力嘅前提，是發電與電網容量能否持續供應。另有報道指出，水資源亦是烏蘭察布整體擴建面對嘅本地關注點。7

最核心嘅結論係：廉價電力同模組化設施，可以改善擴展 AI 算力嘅成本與速度；但佢哋無法消除先進硬件、互連能力，以及高密度 AI 叢集長時間運作所需實體資源嘅限制。

烏蘭察布位於內蒙古，正成為觀察中國 AI 基建經濟學嘅一個重要窗口。阿里雲喺當地嘅園區，既靠近相對便宜嘅電力同天然冷涼氣候，又有足夠快嘅網絡接駁北京，唔止可以處理遙距、批量式運算。阿里雲所講嘅「100 日模組化交付」令擴容更快，但數據中心起得再快，都唔會憑空增加 GPU 同其他 AI 加速卡供應；硬件依然係最難解嘅關口。1618

AI 時代，電力本身就係產能

AI 工作負載令電力、散熱同電網接入，由以往嘅營運成本項目，變成決定可裝多少算力嘅核心條件。有報道指，傳統數據中心平均每個機櫃耗電約 10 至 15 kW；AI 數據中心則可升至約 100 kW。去到呢個密度，有冇足夠電，直接影響伺服器同加速卡可唔可以裝落去並持續運行。13

烏蘭察布嘅吸引力之一，係當地電價據報約為每度 人民幣 0.32 至 0.35 元。阿里雲數據中心主管王朝陽曾表示，同樣規模嘅機房若設於烏蘭察布，每年電費可較其他城市節省約 人民幣 50 億元。不過，呢個係企業提出嘅比較，並非一個經獨立統一標準核實嘅基準。1216

當地風電、太陽能資源豐富，令低電價更有吸引力；但火電亦仍然係本地供電結構一部分。換言之，電力便宜唔等於整個 AI 擴建完全由可再生能源支持。37

離北京夠近，唔只做模型訓練

平電價地點要真正有用，仲要能夠可靠服務需求所在嘅市場。烏蘭察布據報距離北京約 350 公里，而兩地數據傳輸往返延遲約 4 毫秒。阿里巴巴形容，呢個延遲水平足以應付對話式 AI。516

兩條分別於 2017 年及 2019 年建成嘅專用光纖線路，改變咗當地定位。報道指，線路令延遲降至 5 毫秒以下，令烏蘭察布除咗適合長時間模型訓練，亦可承接更多推理工作負載。14

呢個唔代表所有推理服務都毋須靠近用戶部署。模型訓練通常最適合放喺距離較遠嘅地方，因為對延遲容忍度較高；不過，當延遲夠低，部分需要互動嘅服務亦較有條件由集中式、低成本嘅算力中心提供。313

冷涼乾燥，散熱成本可以再落一截

烏蘭察布海拔較高、冬季漫長而寒冷、氣候偏乾，有助比炎熱地區減少機械製冷需要。對高密度 AI 機櫃而言，呢點尤其重要：伺服器本身已經非常耗電，冷卻系統仲要處理大幅增加嘅散熱負荷。314

所以，當地嘅優勢唔只係「地點靚」：較低電價、可減少冷卻需求嘅氣候，以及通往大型需求中心嘅高速網絡，合起來先係完整公式。呢幾個條件亦解釋咗點解包括阿里巴巴在內嘅多間大型科技公司，都向該區投放基建資金。1622

模組化建設，將「起得快」變成競爭力

阿里巴巴表示，旗下 CUBE 5.0 模組化架構已將大型 AI 數據中心嘅交付時間縮短至 100 日，同時把建設成本降低 10%。25

模組化嘅戰略價值，唔只係縮短工期。AI 算力需求急升時，供配電、冷卻與機房系統等傳統工程，本身就可以成為另一個瓶頸，並非買到伺服器就解決到。將呢啲系統標準化，可令擴容更容易複製；只要設備與接駁條件準備好，設施就有機會更快投入服務。28

阿里巴巴亦表示，計劃在 2026 年將全球模組化數據中心產能增加超過一倍，反映可迅速部署嘅基建能力本身，正變成稀缺資源。31

真正卡住嘅，仍然係 GPU

快速建設數據中心，並不會製造 AI 加速卡。王朝陽曾表示，市場上「冇一張 AI 卡係閒置」，反映即使土地、樓宇、散熱同供電可以擴張，加速卡供應仍是實際制約。20

按 8 月報道嘅說法，阿里巴巴預期國產自研芯片產量會增加，並在日後佔更大容量比例。呢個或有助紓緩供應壓力，但唔代表所有芯片都可以互相替代。能否提供可用嘅 AI 算力，取決於芯片能力、軟件支援、網絡互連，以及穩定供電能否配合成一個整體。18

烏蘭察布揭示咗中國 AI 算力競爭乜嘢？

烏蘭察布說明，AI 基建愈來愈係一條系統題：競爭優勢來自平價能源、散熱條件、骨幹網絡、建設速度同接近需求中心嘅組合，而唔係單靠買多啲地、起多幾棟樓。

不過，當地嘅局限同樣值得留意。園區可能已經建好，卻未必有足夠加速卡填滿；而低成本電力嘅前提，是發電與電網容量能否持續供應。另有報道指出，水資源亦是烏蘭察布整體擴建面對嘅本地關注點。7

最核心嘅結論係：廉價電力同模組化設施，可以改善擴展 AI 算力嘅成本與速度；但佢哋無法消除先進硬件、互連能力，以及高密度 AI 叢集長時間運作所需實體資源嘅限制。