耗資近三千億美元的中國數據中心大擴張：AI基建競賽的機遇與隱憂

2. 「東數西算」戰略

• 這項旗艦政策於2022年啟動，並在2026年3月的「十五五」規劃中再次確認，旨在將運算密集型的數據中心導向土地、再生能源和冷卻成本更低的西部地區 。
• 目前已建立8個國家算力樞紐節點和10個數據中心集群 。
• 目標是平衡區域發展、降低東部能源成本，並消化西部過剩的再生能源產能 。
• 隱憂：儘管有政策引導，實際的AI晶片部署仍高度集中在東部省份（北京、上海、廣東），導致部分分析師認為「東數西算」在實務上已「失真」 。

3. 區域競爭與地方政府過度建設

• 各省市地方政府競相爭取數據中心項目，提供補貼和快速審批，導致了投機性的過度建設 。
• 截至2025年中，已有超過100個計劃中的數據中心項目因電網不穩和供過於求而被撤回 。
• 中國現在正建立一個國家級市場來出售多餘的運算能力，等於是承認了產能過剩的問題 。
• AI算力利用率低是一個日益嚴重的問題：充裕的廉價電力並未轉化為一個統一、可運作的算力網絡 。

4. 能源優勢：「電子差距」

• 在為AI數據中心供電方面，中國相較美國擁有顯著的能源優勢，這種現象被稱為「電子差距」 。
• 中國的電力基礎設施建設速度遠快於美國，且在西部地區擁有大量過剩的再生能源（太陽能、風能、水力） 。
• 美國正面臨能源瓶頸——Wood Mackenzie報告指出，2025年底，由於電網限制，美國新增數據中心項目數量下降了50% 。
• 但需注意：中國的電力系統也有其體制上的瓶頸——僵化的定價機制、電網效率低下，以及不穩定的尖峰負載，使得數據中心難以與綠色能源供應商有效整合 。

5. AI基礎設施本土化與晶片限制

• 美國對先進AI半導體（如Nvidia H100/H200等）的出口管制，迫使中國加速發展國產晶片 。
• 中國數據中心市場現已包含約1000億元人民幣的國產AI晶片，阿里巴巴等公司也在開發自己的AI處理器 。
• 然而，性能差距依然存在：中國的AI晶片仍落後於美國最先進的同類產品，且晶片相容性問題使國家算力網絡的整合更加複雜 。
• 八大國家樞紐內的智慧算力成長迅速，但其中很大一部分仍依賴於較落後的硬體設備 。

中美比較

主要擔憂與風險

• 產能過剩與投資浪費：地方政府間的競爭導致數據中心供過於求，許多設施利用率低下，超過100個項目已被取消 。
• 電網與能源整合挑戰：中國推動數據中心與再生能源連結，面臨技術障礙——不穩定的尖峰負載和預測困難 。
• 區域發展失衡：「東數西算」未能完全將算力轉移至西部；多數AI算力仍集中在富裕的東部省份 。
• 晶片依賴：美國出口管制限制了中國取得最先進AI GPU的能力，即使模型效率提升，原始運算性能仍受限 。
• 環境成本：數據中心的快速擴張增加了電力需求和碳足跡，儘管中國正嘗試利用數據中心來消化過剩的再生能源 。

結論

中國的數據中心擴張規模巨大、速度驚人，得益於中央政府的規劃和真實的能源成本優勢。美國目前在設施總數、AI資本總支出和晶片取得方面仍保持領先。然而，中國的結構性優勢——更快的建設速度、更便宜的電力以及統一的國家戰略——正在縮小差距。最大的風險在於其負面效應：過度建設、區域政策失調、晶片瓶頸和電網整合問題，可能使這個全球最大的計劃性AI基礎設施建設，變成一個代價高昂的投機過剩案例。