中国数据中心由盛转衰：为何产能过剩如此严重？
近年来，中国大力推进数字基础设施建设，在全国各地投入数十亿美元新建数据中心。这一由政府和私人投资共同推动的快速扩张，旨在使中国成为人工智能（AI）、云计算和先进数字服务领域的全球领先者。然而，扩张的结果是大量设施利用不足，利用率徘徊在20%至30%之间。如今，中国政府提出了一项大胆的新方案：建设全国云网络，重新分配并变现这些过剩算力。
目录
中国数据中心产能过剩的经历，是一则关于投机性投资、技术趋势变化，以及快速发展行业中集中规划基础设施所面临挑战的警示故事。了解中国如何走到这一步，以及它希望通过新的国家云计划实现什么目标，有助于洞察中国更广泛的技术抱负及其在全球舞台上面临的障碍。
中国数据中心产能过剩的原因是什么？
产能过剩的根源在于2022年启动的“东数西算”工程。该计划鼓励地方政府和企业在中国人口较少、能源资源丰富的西部地区建设数据中心，以服务东部蓬勃发展的经济区域。其逻辑很简单：西部电力成本更低，将计算密集型工作负载转移到那里，可以降低成本并支撑东部数字经济发展。
但现实证明情况更为复杂。许多地方政府急于吸引投资、提振区域经济，仓促批准并资助数据中心项目，却往往并不清楚市场需求，也不了解AI和云计算工作负载的技术要求。结果是，数百座大型数据中心拔地而起，其中许多位于偏远地区，远离主要客户。
与此同时，全球对生成式AI和大型语言模型（如ChatGPT）的热情引发了芯片采购和基础设施建设热潮。企业和政府机构争相采购英伟达高端GPU以及华为昇腾芯片等国产替代产品，希望从AI热潮中获利。但随着市场降温，行业关注点从构建大型AI模型转向高效使用模型，对原始算力的需求大幅下降。
据行业分析人士称，中国新建算力资源中，闲置比例最高可达80%。许多设施的建设是为了获得政府补贴、贷款或税收优惠，而非满足实际业务需求。有些运营商利用这些优惠，却从未打算运行大规模AI工作负载。结果是，昂贵且利用率低下的数据中心遍布各地，其中许多如今已成为财务负担。
产能过剩带来的经济与技术挑战
运营数据中心成本高昂。除了土地、建筑和硬件的初期投入外，电力、制冷和维护等持续支出也十分可观。高性能CPU和GPU即使闲置，仍会耗电并需要维护，侵蚀潜在投资回报。此外，数据中心硬件的使用寿命有限，随着技术进步，很快就可能过时。
财务影响十分严重。过去18个月，已有100多个数据中心项目取消，远高于2023年的11个。尽管遭遇这些挫折，国家投资仍然高企：仅2024年，政府数据中心采购额就达到247亿元人民币（约合34亿美元），另有124亿元人民币已拨作2025年预算。
但挑战不只是经济层面的。许多新建数据中心位于偏远的西部省份，网络延迟——即数据在数据中心与东部用户之间传输所需的时间——可能过高，无法满足金融交易或交互式AI服务等实时应用的要求。政府最初设定的目标是将延迟控制在20毫秒以内，但许多设施未能达到这一标准。
另一个主要难题是硬件多样化。一些数据中心使用英伟达GPU和CUDA软件栈，另一些则依赖华为昇腾加速器和CANN软件栈。要将这些不同系统整合进一个统一、无缝的云环境，技术上十分复杂，也给政府建设统一国家网络的愿景带来了重大障碍。
国家云网络：中国应对产能过剩的方案
面对日益加重的财务和运营压力，中国政府正着手集中管理并优化数据中心资源。工业和信息化部（MIIT）正与中国三大国有电信运营商（中国移动、中国电信和中国联通）合作，开发一项由国家运营的云服务，旨在整合并销售利用不足的数据中心所闲置的算力。
这一目标雄心勃勃：中国计划到2028年实现全国公共算力的标准化互联。届时，无论是企业、研究人员还是政府机构，都可以按需获取算力资源，指定所需的处理能力和网络容量，而无需担心底层硬件或地理位置。
中国信息通信研究院副总工程师陈屹力近日在一场行业会议上描述了这一愿景：
一切都将交由云端进行统一组织、编排和调度。
政府希望，这种做法不仅能提高现有数据中心的经济可行性，还能支撑中国在AI和云服务领域的更广泛抱负。通过更充分地利用闲置基础设施，政府力图减少浪费、降低成本，并在全球科技竞争中保持优势。
监管收紧：加强管控并制定新标准
为防止过度建设危机重演，中国国家发展和改革委员会（NDRC）已出台更严格的监管措施。新的数据中心项目必须达到特定利用率门槛，并在获批前落实采购协议。地方政府不得在缺乏明确经济依据的情况下启动小规模算力基础设施项目。
国家发改委还在对该行业开展全国性评估，旨在筛除不合格项目，并确保新设施达到基本能效标准。此举旨在避免资源浪费，将投资集中于能够为经济创造实际价值的项目。
中国国家主席习近平曾对各省“跟风”发展AI、算力和新能源汽车表达担忧，并质疑是否每个地区都需要发展这些产业。这反映出一项更广泛的政策导向：使地方发展与国家战略相协调，避免投资分散、缺乏统筹带来的弊端。
技术障碍：延迟、硬件多样化与整合
政策框架逐步成形之际，建设统一国家云网络面临的技术挑战依然严峻。其中首要问题是网络延迟。许多西部地区的数据中心为利用廉价电力而建，但它们远离东部主要经济中心，导致数据传输耗时更长，因而不适合对延迟敏感的应用。
另一大障碍是不同数据中心的软硬件种类繁多。一些设施配备英伟达GPU，另一些使用华为昇腾芯片，还有一些则混用国产和国外组件。不同类型的硬件需要各自的软件栈和管理工具，因此很难在整个网络中无缝调度工作负载。
分析人士认为，政府可能需要让用户选择硬件平台，这或许有助于提高搭载英伟达芯片集群的利用率，但对采用华为设备的设施改善有限。缺乏标准化也使打造真正具备“云端体验”的服务更加困难；在这种体验中，用户无需顾虑底层基础设施即可访问资源。
尽管存在这些挑战，官员们仍持乐观态度。他们认为，算力的集中调度和编排最终将支撑中国在AI和云服务领域的抱负，即便不同硬件的整合需要时间，短期内也无法完全兑现预期。
经济与战略影响：AI、产业政策与全球竞争
中国力图将过剩算力变现，不只是为了解决国内基础设施问题，也是其更广泛的AI和先进技术产业政策的重要组成部分。北京设定了雄心勃勃的目标：到2030年成为全球AI领域的领先者，打造规模达1000亿美元的AI产业，并为经济增加1万亿美元的附加值。
为实现这一目标，政府正运用多种政策工具，包括由国家主导的投资基金、对国产芯片研发的支持，以及建设国家一体化算力网络。阿里巴巴、腾讯和百度等民营科技巨头也是重要参与者，推动创新并大力投资AI研究和基础设施。
然而，中国面临显著的外部压力。美国主导的先进AI芯片和制造设备出口管制限制了中国获取最新技术，迫使其转向国产替代产品。华为等企业虽有所进展，但其芯片在性能和普及程度上仍落后于全球领先产品。
国家支持对于解决芯片研发瓶颈、人才短缺和数据中心能源供应问题至关重要。但其中也存在风险：资源配置效率低下、被迫采用不够先进的国产平台，以及项目与真实市场需求不符而造成投资浪费。
行业应对：整合、创新与未来发展
行业反应不一。一些运营商为避免持续亏损，正在关闭利用率低下的设施；另一些则向本地科技企业免费发放算力券，以吸引客户。阿里巴巴和字节跳动等大型企业计划大举投资，押注AI和云服务需求最终会赶上供给。
行业还在从训练大型AI模型转向运行推理工作负载。训练需要庞大的高端GPU集群，而推理可以由更专业、成本更低的加速器承担。这种需求变化正在重塑市场，并可能随着时间推移帮助消化部分过剩产能。
专家认为，目前的产能过剩只是一个暂时阶段。随着应用普及率提高、国产芯片生态日趋成熟，算力需求预计将会上升。政府整合并规范该行业的努力，也可能有助于提高效率，并从长远来看支撑可持续增长。
更广泛的启示：集中规划与市场现实
中国数据中心产能过剩的经历，凸显了在快速变化的行业中集中规划基础设施所面临的挑战。国家支持可以加快发展进程、提供必要资源，但如果与实际市场需求和技术现实脱节，也可能造成浪费和低效。
民营企业仍是AI和云服务创新的主要推动力量。产业政策只有在支持这一生态、而非规定其发展方向时，才能发挥最大作用。中国国家云网络能否成功，取决于其能否在中央统筹与市场响应、技术灵活性，以及对人才和研究的持续投入之间取得平衡。
总结
- 中国数据中心快速扩张导致严重产能过剩，利用率低至20%至30%。
- 政府拟建设国家云网络，整合并变现过剩算力，目标是到2028年实现标准化互联。
- 技术挑战包括偏远地区数据中心网络延迟过高，以及软硬件平台种类繁多。
- 监管部门已加强对新项目的管控，要求达到利用率门槛并落实采购协议。
- 产能过剩既是经济负担，也是战略机遇；中国正寻求在AI和先进计算领域取得领先地位。
- 在有针对性的国家政策支持下，民间创新将是化解产能过剩、实现可持续增长的关键。
- 中国的经历为快速发展的科技行业进行大型基础设施规划带来的风险与机遇提供了借鉴。
