数据厅

1 核心摘要

数据厅（Data Hall）作为数据中心内部承载IT设备的“白空间”，是算力从芯片到服务之间最关键的物理熔炉。随着生成式AI大模型驱动万卡乃至十万卡集群部署，数据厅正经历从通用服务器机房向高密度液冷算力工厂的范式跃迁。本报告指出，全球数据厅IT负载总容量预计从2023年的约55GW增长至2028年的逾120GW，年复合增速约17%，其中液冷渗透率将从不足15%快速攀升至40%以上。单机架功率从传统的5kW向40kW、100kW演进，颠覆了既有的供电架构、冷却链路和建筑规范。我们识别出电力配电、精密制冷、高密度布线三条具备显著投资弹性的核心赛道，相关供应商有望在本轮AI资本开支浪潮中持续受益。短期看，云厂商资本开支指引保持强劲；中长期看，液冷标准化和TCO优化将定义下一个十年的竞争格局。

2 数据厅的定义与产业边界

数据厅是数据中心物理建筑内专门容纳服务器、存储设备和网络交换设备的大型开间，业界常将其称为“白空间”（White Space），以区别于配电室、柴油发电机区、冷冻站等“灰空间”。其核心特征在于：必须提供7×24小时受控的温湿度环境、持续不断的洁净电力供应，以及多层次的物理安防保障。一个典型数据厅的面积可从800平方米（小型企业机房）扩展至超过20000平方米（超大规模云园区中的单层楼面）。

从资产归属和使用模式划分，数据厅服务于零售托管（Retail Colocation）、批发托管（Wholesale）和超大规模自建（Hyperscale Self-build）三种业态。零售模式下，数据厅被分割为多个独立笼区，向不同客户提供标准化机柜；超大规模模式下，整厅专属于单一租户或自用，基础设施设计高度定制化。数据厅并不等同于整个数据中心，后者是一个涵盖土建、供配电、消防、安防及网络接入的园区级综合体，而数据厅专指IT载荷的直接物理栖息地。

更深入看，数据厅的物理边界决定了其热密度极限和电源容量上限，这两个参数是数据厅设计之初就必须锁定的核心约束。一旦建成，任何涉及供电母线和冷冻水主管网的改造都意味着高昂的停机和资本再投入。正因如此，超大规模用户越来越倾向于“大厅小做、模块化交付”——将两万平方米的数据厅划分为若干功率模块，每个模块独立供电、独立制冷，既降低了初期投资风险，又能够在单模块故障时将影响半径控制在数百千瓦范围内。这种架构思想已经渗透到几乎所有新建超大规模数据厅的设计蓝图中。

3 数据厅在数据中心产业链中的定位

在数据中心垂直产业链中，数据厅占据核心枢纽位置：上游是芯片、服务器、网络设备及机电基础设施供应商，下游是云计算服务商、互联网公司、金融、政府及政企客户。数据厅本身的构建涉及土木工程、机电总包、系统集成商和基础设施设备商的交叉协作。从生命周期价值分布看，土建和壳体折旧约占全生命周期成本（TCO）的15%-20%，而数据厅内部供配电、暖通空调、弱电智能化等机电系统占据初始资本开支的60%以上，后期运营中的电费和维护则构成运营开支的主体。

数据厅的物理属性决定了它同时具备“不动产”和“工业产线”双重特质：钢筋水泥的壳体和电气管线需要长达20-30年的折旧周期，类似基础设施资产；但其内部的电力链路、冷却管网和布线系统却必须预留面向未来5-8年技术迭代的升级弹性。这种结构性矛盾在AI算力时代被急剧放大——一个按8kW/机架设计的传统数据厅，几乎不可能原地改造为支持60kW液冷机柜的AI集群。

在价值流转链条中，数据厅的建造周期和资本密集度正成为算力供给的关键瓶颈。芯片厂商可以在18-24个月内推出新一代GPU，但一座大型数据厅从土地平整、电力批复到机电安装的周期通常需要24-36个月。这种节奏上的错配，使得具备可扩展性和快速交付能力的“预制化数据厅”成为下游客户的优先选择，也使得那些能够提前储备电力容量和冷源资源的数据厅运营商拥有极强的议价权。

4 市场规模与需求驱动力

根据结构研究公司的数据，2023年全球数据中心IT负载总容量约55GW，预计2028年将突破120GW，对应数据厅白空间面积超过4000万平方米。中国市场赶超态势尤为明显，2025年算力基础设施建设投资预计超过6000亿元，其中超大型及以上数据中心贡献了50%以上的新增机架数量。需求驱动因素呈现结构性分层：

首先，云计算企业的大模型预训练和推理部署形成最强边际拉动。单次千亿参数模型的万卡级训练集群，往往需要独占一整个数据厅，且要求在6-12个月内快速交付，直接点燃了批发型数据厅的定制化建设浪潮。仅北美四大云厂商2024年的资本开支总额就已超过1500亿美元，其中约三分之一直接流入数据厅建设与机电配套。其次，企业数字化转型带来的通用计算需求虽增速放缓，但存量机架的上架率和功率密度仍在持续提升，促使老旧数据厅进行配电和制冷改造。此外，边缘计算场景催生了大量小型分布式数据厅，其虽单体面积小，但数量庞大、标准化程度高，构成了规模可观的长尾市场。在地缘因素影响下，各国数据主权法规亦强制部分数据厅产能本地化部署，为区域市场划定了刚性底线。

从区域维度看，北美湾区、弗吉尼亚、达拉斯，欧洲的法兰克福、伦敦、都柏林，亚太的新加坡、东京和上海周边，构成了全球数据厅市场的核心地理集群。值得关注的是，由于AI训练对延迟不敏感，大量新建超大规模数据厅正向电力资源丰富且地价便宜的地区迁移，如美国中西部、北欧和中国的内蒙古、贵州等地，从而形成“训练在能源洼地、推理在人口中心”的双层布局。

5 电力供应系统架构与冗余设计

电力是数据厅的第一生命线。典型高压双路市电从市政变电站引入，经10kV中压配电柜、干式变压器降压至400V，再经由不间断电源（UPS）或高压直流（HVDC）系统输出至列头柜和智能PDU。在AI高密场景下，这一传统链路正经历深刻重构。

传统数据厅采用集中式UPS双总线，配合N+1或2N冗余，典型单机架容量3-7kW。随着GPU服务器单机功耗突破10kW，整厅功率密度向每平方米2-4kW迈进，中压配电和母线槽开始直接进入白空间并贴近机柜列部署（即“电到列”或“电到机柜”），以减少低压大电流长距离传输带来的铜损和热损。超大规模用户开始规模化试点“市电直供+分布式锂电池备用”的架构，省去了传统集中式UPS及其庞大的蓄电池室，可释放出约10%的白空间面积，同时系统效率从传统双变换UPS的94%～95%提升至98%以上。

在冗余架构方面，AI训练集群往往采用单路市电加分布式电池的N+1冗余，而非传统2N，原因在于训练任务的批量特性允许在电力异常时进行快速存盘挂起，无需像金融交易系统那样追求零中断。不过推理集群因直接面向终端用户，仍普遍维持2N配置。中压配电层面，10kV开闭所与成套中压柜的容量正在向40MW甚至更高标准演进，单台变压器的容量也从传统的2000kVA向4000kVA过渡，以减少并联设备和占地。

此外，电能质量治理在AI数据厅中变得尤为关键。GPU服务器的开关电源和大规模变频水泵、EC风扇会产生大量谐波，导致中性线电流超标和变压器过热。配置有源滤波器和动态无功补偿装置已成为新建数据厅的标配，部分高规格项目甚至在变压器低压侧配置静态无功发生器，以实现功率因数全程接近1.0。

6 配电架构演进：从集中式UPS到分布式电源

进一步聚焦配电层面，变革的核心在于从“集中”走向“分布式”，以及交直流混合架构的探索。传统集中式UPS单机容量可达1000-2000kVA，多台并联形成庞大的电源阵列，但其单点故障域大、扩容弹性差，且需占用独立的电源室。AI数据厅更青睐“分布式电源”理念，具体表现为：将锂电池模组直接下沉到每一个机架或每一列机架顶部，通过小型化功率变换单元形成“微UPS”系统，实现故障隔离粒度精确到单机架。

HVDC（高压直流）路线在此背景下再次获得生命力。240V/336V高压直流系统相较于交流UPS，少了逆变环节，天然效率更高、可靠性模型更简单，且更容易与光伏、储能等直流源进行无缝集成。国内互联网巨头已在生成式AI集群中批量部署336V HVDC配合机架级锂电池，形成“市电+直流屏+机架电池”的三层架构。该架构不仅省去了传统UPS逆变器，还显著降低了配电柜的铜排用量和现场接线工时。

与此同时，巴拿马电源（一种将变压器和整流单元集成在靠近中压侧的一体化电源）开始在超大规模数据厅中崭露头角，它直接输出270V或336V直流至列头柜，省去了传统低压配电多级转换的损耗，系统效率可达97%以上，且占地面积仅为传统方案的一半。我们认为，随着单机架功率向60kW以上演进，配电架构将继续向“中压深入、直流靠近、锂电分布式”三个方向收敛，相关设备供应商如中恒电气、中达电通、维谛技术等将获得结构性机会。

7 精密制冷系统：从风冷到液冷的不可逆转变

如果说电力是数据厅的血液，那么冷却就是维持其恒温的体温调节系统。传统数据厅依赖精密空调（CRAC/CRAH）、下送风架空地板和冷热通道封闭，单机架冷却能力通常控制在8kW以下。当单机架功耗突破20kW，甚至达到40-80kW的GPU机柜时，风冷方案已触及物理极限——维持足够的进风温度和风量需要难以置信的风扇功率和架空地板高度。

业界共识的趋势是：液冷不再是可选项，而是保证AI集群持续运行的必选项。液冷主要分为冷板式液冷和浸没式液冷两大类。冷板式液冷通过微通道铜板或铝板直接贴合在GPU/CPU壳体外表面，利用去离子水或介电冷却液带走热量，可解决整柜50kW~100kW的散热问题，同时保留风冷补充散热。浸没式液冷则将整个服务器节点浸泡在绝缘冷却液中，可实现近乎100%的热捕获率，单机柜功率可达150kW以上，但需改造服务器和运维流程，生态成熟度尚待提高。

当前全球液冷市场中，冷板式因其对现有服务器架构改动最小、部署速度快而占据主流。我们估算，2025年全球数据中心液冷系统（含冷板与浸没）市场规模将超过80亿美元，到2028年有望达到250亿美元。液冷产业链涉及一次侧冷却塔/干冷器、二次侧CDU（冷量分配单元）、液冷板、管路及快速接头、冷却液等多重环节，其中CDU和液冷板的定制化程度高、毛利率弹性大，是国内供应商突破的关键节点。

8 冷量分配与水侧系统设计

液冷系统能否高效运行，不仅取决于液冷板本身，更仰赖于背后的冷量分配单元（CDU）和一次侧散热系统。CDU相当于液冷系统的“热交换站”，负责将二次侧（输往机柜的冷却液回路）的热量传递至一次侧（冷却塔或冷冻水系统），同时精确控制冷却液的流量、温度和纯度。

在AI数据厅中，一次侧设计已从传统的冷冻水+冷却塔模式扩展为多种技术并存，包括：蒸发冷却、间接蒸发冷却、带自然冷却的风冷冷水机组，以及针对缺水和严寒地区的绝热冷却和全空气Free Cooling。液冷所需的二次侧水温通常在32℃-45℃之间，这为全年自然冷却提供了远宽于传统冷冻水（7℃/12℃）的温区，从而可将年均PUE压至1.1以下。先进的超级计算中心甚至已实现1.03-1.05的超低PUE。

CDU的配置同样遵循分布式原则。单台CDU的换热能力从早期300kW向1MW以上发展，并普遍采用N+1冗余。大型数据厅内部会部署成排的CDU机柜，通过环形管路网络向成百上千个液冷机柜分配冷却液，并内置精密过滤器、电导率传感器和自动补液装置。这一环节的技术壁垒体现在换热效率、可靠性、控制系统和零水损设计上，具备完整行业经验的厂商如英维克、高澜股份、曙光数创等已形成先发优势。

9 高密度布线：数据厅的神经系统

计算密度的爆发不仅推高电力和冷却需求，也对IT布线系统提出了革命性要求。传统数据厅内，铜缆（Cat6A/Cat7）和OM3/OM4多模光纤并行共存，布线密度较低，每机架通常24-48个端口。AI大模型训练集群以GPU服务器和高速交换机为核心，单机架内部GPU之间通过NVLink/NVSwitch互联，跨机架则依赖400G/800G甚至未来1.6T的光模块和光纤链路，每机架光纤端口数量可达到96口甚至更多，且多为单模长距离连接，以适应大型二层CLOS架构。

布线系统因此从弱电配套升维为决定集群性能的关键基础设施。结构化布线的设计必须前瞻性考虑当前和未来两代交换机的带宽更替，避免因光纤芯数不足或损耗预算超标而被迫重新穿缆——这在已投运的数据厅中常意味着数周的停机和巨大的浪费。超大规模用户开始推行“一次布线、按需点亮”策略，即预敷设高芯数单模光缆（如1728芯或3456芯带状光缆），通过高密度配线架和MPO/MTP连接头实现灵活跳接。同时，光纤路由需避开强电磁干扰的电力母线和噪音较大的冷却管路，确保信号完整性和低误码率。

随着集群规模的扩大，跨数据厅之间的互联也在催生更粗的骨干光缆和空间复用光交换技术。可以预见，高密度布线系统供应商，如康普、康宁、长飞光纤等，将受益于AI数据中心建设潮中单瓦IT负载对应的光纤用量大幅提升。

10 TCO精算：液冷与风冷的经济账

决定技术路线最终铺开速度和市场规模的，是总体拥有成本（TCO）。我们以一座配备1000个机柜、单机柜功率40kW、总IT负载40MW的数据厅模块为例，对比风冷（假设每机架15kW，需拆分为多个低密机架）与冷板式液冷方案的全生命周期成本。

初始投资方面，液冷方案需增加CDU、液冷板、管路和水处理设备，同时可减少精密空调、架空地板和大量风机投资。粗略估算，液冷方案的单位千瓦初始资本支出（CapEx）比风冷高出约15-25%。但在运营支出（OpEx）方面，液冷优势明显：由于风扇功率锐减、冷却系统本身功耗更低，以及自然冷却时间大幅延长，液冷方案的PUE可稳定在1.08-1.12，而同等规模的风冷方案PUE通常在1.25-1.35。40MW IT负载下，0.15的PUE差值即意味着全年节省近3000万度电，以0.6元/千瓦时计算，年度电费节省超过1800万元，约3-4年即可回收液冷追加投资。若考虑液冷允许更高机架密度而节省的白空间和建筑成本，实际回收期可缩短至2-3年。

此外，液冷对芯片工作温度的精确控制可降低漏电流并延缓芯片老化，间接提升集群可用性和使用寿命。因此，即便液冷初期投资更高，但从5年TCO视角看，液冷方案已具备显著经济竞争力，且在30kW/机架以上区间，经济性是压倒性的。这将驱动AI数据厅液冷渗透率在未来三年快速越过临界点。

11 标准化与模块化：定义下一个十年

当前AI数据厅的最大痛点之一，是液冷系统的“定制化陷阱”。不同GPU厂商的服务器尺寸、GPU布局、进出水接口均可能不同，导致液冷板和管路缺乏统一标准，限制了规模效应和互操作性。为了解决这一问题，开放计算项目（OCP）和开放数据中心委员会（ODCC）等行业联盟正加速推进液冷标准化，包括标准化的冷板尺寸、接口卡位、液冷接头规格和CDU通讯协议。

标准化直接为“模块化”铺平道路。模块化数据厅将白空间拆分为若干标准功率模块，每个模块由预制的供配电模组（E-House）、制冷模组、冷量分配模组和IT机柜模组构成，在工厂预装、预调试后运至现场拼接，可将现场部署周期从12个月压缩至4-6个月。这种“乐高式”建造极适配AI算力的爆发性需求，使云厂商能够动态匹配GPU到货节奏，避免资金沉淀在闲置白空间中。

模块化还意味着可维护性和可替换性的质变。当某一模块需要技术升级或维修时，可以整体下电而不影响其他模块。对于AI训练集群这样本身就有周期性上下线特征的应用，这种弹性极富吸引力。我们认为，掌握液冷标准化话语权和模块化集成能力的厂商，将逐步攫取更高价值份额，从单纯的设备供应商转变为“算力工厂”交钥匙服务商。

12 竞争格局：设备商、集成商与运营商的三方角力

数据厅市场参与者可大致分为三个阵营：机电设备供应商（如维谛、伊顿、施耐德电气、华为数字能源）、EPC总包与机电集成商（如中建三局、捷通、长飞等）以及终端用户/运营商（如万国数据、秦淮数据、Equinix、Digital Realty）。在传统低密度数据厅时代，这三方分工明确，设备商提供标准化产品，集成商负责施工，运营商主导资产运营。

但AI数据厅的高密度和液冷化趋势正在模糊这种边界。设备商开始提供整机架电源方案、全预制化液冷模块，甚至承担整体机电设计顾问角色，本质上是向集成端渗透；大型集成商则因液冷工程的复杂性而强化其不可替代性，尤其在管路焊接、漏液检测和系统调试等需要大量现场工艺的环节。而运营商为锁定优质电力资源和交付周期，越来越深度介入定制设备规格和联合研发，不再是单纯的买方。

在中国市场，本土设备商借助液冷技术弯道超车的趋势明显。华为数字能源推出FusionCol液冷整体解决方案，阿里云自研浸没式液冷“麒麟”并输出给第三方数据中心，曙光数创在国内液冷基础设施市场占据领先份额。海外方面，CoolIT、Asetek在液冷冷板端优势显著，Vertiv和Stulz则在精密制冷与电力全链路保持头部地位。竞争正从单一产品竞争升级为整个系统效率、交付速度和生态兼容性的综合比拼。

13 重点区域与供应商分析

聚焦亚太及中国市场，我们观察到四个最具投资价值的数据厅建设集群：环京地区（怀来、张北、廊坊）、长三角（上海周边、南通、嘉兴）、大湾区（广州、深圳、东莞、佛山）以及成渝和贵州等西部能源基地。环京和长三角主要承接AI推理和云服务核心节点，对时延要求高，数据厅以零售和批发混合型为主，单机架功率中等（10-20kW）但整体体量庞大；西部基地则专攻训练集群，单体数据厅规模动辄100MW以上，直接贴近水电和风电基地，液冷采用率最高。

在供应商层面，我们建议重点关注以下几类：一是液冷全链条企业，如曙光数创（液冷基础设施龙头，包含CDU、冷板及整体系统）、英维克（精密温控，冷板液冷方案成熟）、高澜股份（电力电子热管理，切入CDU和液冷板），它们直接受益于液冷渗透率提升；二是电力配电创新者，如良信电器、正泰电器、科华数据，在直流配电、分布式锂电方案中获取份额；三是布线基础设施公司，如长飞光纤、中天科技，其高密度光缆和OM5/单模方案需求随带宽升级而放大。此外，具备模块化建造和快速交付能力的EPC企业，如世纪华通、数据港、秦淮数据等，也将凭借其与客户深度绑定而受益于这一轮资本开支周期。

14 投资建议

基于上述分析，我们提出“三横三纵”的投资框架：横向看，电力配电、精密制冷、高密度布线是AI数据厅增量价值最确定的三条赛道；纵向看，关键时间窗口在于2025-2027年新建大型AI数据厅的密集交付期，其后的存量改造市场也将持续贡献需求。具体推荐方向上：

• 液冷基础设施（最优先）：冷板液冷在40kW以上机架已成必选项，技术门槛和客户粘性带来稳健的利润率。建议超配具备CDU和冷板量产能力且已进入头部云厂商供应链的标的。
• 智能配电与分布式电源：HVDC和机架锂电渗透率将从当前不足5%向30%跃升，具备高效率和高弹性的方案提供商有望迎来估值重塑。
• 高密度光纤布线：AI集群内部每kW IT负载对应的光纤芯数较传统IDC提升3-5倍，且升级周期更短，具有持续增长的耗材属性。
• 模块化数据厅总包：标准化、快速交付能力将成为运营商选择合作伙伴的核心标准，先发布局者有望拉大份额差距。

风险方面，需关注：AI资本开支低于预期、液冷标准之争导致技术路线不确定、电力和水资源审批趋严、关键零部件（如IGBT、高精度接头）供应瓶颈等。但整体判断，数据厅产业正处于历史性的升级换挡期，结构性增量远未结束。

15 风险提示与结论

本报告的核心结论是：数据厅作为AI时代的算力物理载体，正从房地产附属品进化为高附加值的机电系统工程。电力密度的跃升、冷却方式的液冷化、布线的全光化，使得数据厅内部每一块砖瓦和每一条管路都充满科技含量，并孕育出万亿级的产业新空间。在需求端，大模型的参数竞争和推理服务普及将持续创造庞大的算力底座需求；在供给端，几十年的数据中心机电技术积累正在被AI反推，催生出大量“老树新芽”式的创新点。

然而，投资的向阳面必伴随阴影。我们提请投资者特别关注以下风险：第一，宏观经济波动可能影响云厂商短期资本支出节奏，导致部分数据厅项目延期或取消；第二，液冷技术虽然优势显著，但标准尚未完全统一，若技术路线分裂，将拖慢产业扩张速度；第三，大规模液冷部署对水资源有较高要求，在部分缺水地区可能面临环境审批阻力；第四，AI算力需求存在一定可替代性，若算法层面出现革命性突破（如稀疏化、蒸馏技术的极大进展），可能导致对万卡集群需求的阶段性松动；第五，原材料价格（铜、铝、锂）波动将影响整个电力配电和制冷设备的盈利能力。

综合权衡，我们认为数据厅行业正处于十年一遇的架构重塑期，其中蕴含的投资机会远大于风险。我们维持对数据厅基础设施板块的“增持”评级，建议投资者围绕液冷、分布式电源和高密度布线三条主线进行中长线布局，抓住AI算力基座黄金时代的确定性红利。