全球热议“北美科技企业可于中国建设AI数据中心”，影响几何？

21世纪经济报道记者 赵云帆

近日，受美国中期选举结果影响，金融市场普遍预期美国大规模AI数据中心建设或出现大面积的暂停或延期。

与此同时，全球投资者热议北美科技企业可于中国建设AI数据中心，以对冲本地算力基础设施进度减缓的影响。

据悉，美国科技企业今年以来普遍采取激进的资本开支策略，并进行了大规模的提前融资，这导致相关资本开支指引偏刚性。若美国本土数据中心建设受阻，美国科技企业将大概率寻求在美国之外兴建更多离岸数据中心。

对此，业内人士指出，美国限制算力中心建设或者抬高其成本，这将利好中国算力产业链。中国算力的成本优势能弥补性能不足，助力其持续扩大市场份额。中国算力产业链相关上市公司业绩成长性也将获得更大想象空间。

北美科技公司刚性算力需求难满足

根据北美调研机构Ballotpedia统计，中期选举期间，美国10个州38个辖区的选民就41项涉数据中心提案投票，这41项投票结果倾向于限制AI数据中心兴建。

相关限制决定中，俄亥俄州18个辖区共提出21项限制令，为全美最多。而从兴建和保有数据中心规模来看，该州目前数据中心保有量位居全美第四。2020年至2025年，俄亥俄中部数据中心数量增长1800%，位列全美第一。

其他州方面，伊利诺伊州、缅因州、堪萨斯州分别提出7项、4项和3项数据中心建造或相关土地交易的限制令，加州、佛罗里达州、内华达州、新泽西州、北达科他州、威斯康星州则各提出1项。

随着民主党在美国中期选举中获得两院多数席位，市场普遍预期美国本土推动建设大规模AI算力中心的效率将受显著影响。

此前，美国AI大模型企业、大规模云厂商等制定了相对激进的资本开支计划。

财报数据显示，2026年第三季度，微软、Alphabet、亚马逊和Meta四家企业合计购置物业及设备的现金支出达2019亿美元。四家企业的全年资本开支指引合计超过7000亿美元，高于全球绝大多数国家的GDP。

与此同时，受美联储加息预期影响，大规模云厂商普遍采取超前融资的策略，为未来数据中心锁定部分融资成本。

数据显示，截至10月，Alphabet、亚马逊、Meta、甲骨文已经合计发行公开市场债券2280亿美元，为2025年全年的两倍有余。

债券发行期限亦在拉长。英国资管机构TwentyFour今年9月撰文指出，2025年以来，41%的云厂商债券发行期限在15年以上。

据摩根士丹利测算，到2028年，美国数据中心需约116吉瓦电力，在建项目与已获并网容量分别只能覆盖25吉瓦和21吉瓦，缺口约70吉瓦；计入表后发电、核电同址等方案，净缺口仍有38吉瓦，约为总需求的三分之一。

同时，数据中心相关设备亦面临订单积压。数据显示，美国通用电气旗下GE Vernova燃机订单排到2029年；大型变压器交货期为3至4年。高盛统计，发电与储能项目从申请并网到投运的中位时间达到5年。

中国基础设施优势

相比之下，中国是全球为数不多的具备设备供应链和电力网络配套支持的经济体。

工信部数据显示，截至2026年6月底，中国智能算力规模达到2185 EFLOPS，同比增长177%；全国算力设施上架率71.4%；八大枢纽贡献全国80%以上智能算力；近两年建成70余条算力大通道，枢纽间初步形成20毫秒时延圈。

以近期落成的内蒙古和林格尔集群为例，其到京津冀的时延在5毫秒以内，绿电使用率超85%，工业电价约0.35元/千瓦时，全年近10个月可实现可靠自然冷却。

SemiAnalysis测算，中国100兆瓦级项目标准交付周期已从云时代的约18个月缩短至约12个月，施工前审批通常3至6个月；美国同类项目即便采用全模块化方案，项目交付周期亦需三年以上。

伍德麦肯兹《2026年全球数据中心建设成本调查》显示，中国AI数据中心的单兆瓦建设成本为550万至650万美元，美国为800万至1200万美元。折算到每吉瓦，中国单位成本约55亿至65亿美元，美国约80亿至120亿美元。

“词元出海”仍有挑战

事实上，“词元出海”已经成为中国算力中心今年建设运营的一大亮点，并已打通“南北”两条通路。

2026年6月，中国联通联合港澳企业启动“港数韶算”“澳数韶算”业务试点，同步发布“跨境引算”“算力外销”“私域建算”三项试点应用成果，并与港澳企业签订算力服务协议，向东南亚开放算力出口。

而在北线，内蒙古呼和浩特等地的跨境算力服务已延伸至德国、比利时、英国、新加坡；下一步也计划开通呼和浩特、乌兰巴托至俄罗斯远东专用算力传输链路。

但需要指出的是，虽然中国拥有着广泛的算力中心产能和电网、环境配套优势，能够满足北美科技企业扩张算力基础设施的刚性需求，但这些企业在中国建设或租赁算力中心也面临除产业竞合关系之外的技术限制。

业内人士指出，目前人工智能大模型训练、深度推理、智能体循环等均依赖区域低延迟集合通信。而在跨地域分布式训练中，为降低通信开销，通常采用数据并行、流水线并行等通信密度相对较低的并行策略，且仍须配合梯度压缩与分层同步机制，工程难度大，无法将通信扩展至有超大带宽需求的AI预训练或智能体调用场景。

因此，中美开展算力与数据中心合作还需克服更多政策障碍，推动设立本地化分支机构，深化数据合规合作，发展人工智能大模型并行异步任务工程，以推动全球大模型训练与推理合作。