資料廳

1 核心摘要

資料廳（Data Hall）作為資料中心內部承載IT裝置的“白空間”，是算力從晶片到服務之間最關鍵的物理熔爐。隨著生成式AI大型模型驅動萬卡乃至十萬卡叢集部署，資料廳正經歷從通用伺服器機房向高密度液冷算力工廠的範式躍遷。本報告指出，全球資料廳IT負載總容量預計從2023年的約55GW增長至2028年的逾120GW，年複合增速約17%，其中液冷滲透率將從不足15%快速攀升至40%以上。單機架功率從傳統的5kW向40kW、100kW演進，顛覆了既有的供電架構、冷卻鏈路和建築規範。我們識別出電力配電、精密製冷、高密度佈線三條具備顯著投資彈性的核心賽道，相關供應商有望在本輪AI資本支出浪潮中持續受益。短期看，雲端廠商資本支出展望保持強勁；中長期看，液冷標準化和TCO最佳化將定義下一個十年的競爭格局。

2 資料廳的定義與產業邊界

資料廳是資料中心物理建築內專門容納伺服器、儲存裝置和網路交換裝置的大型開間，業界常將其稱為“白空間”（White Space），以區別於配電室、柴油發電機區、冷凍站等“灰空間”。其核心特徵在於：必須提供7×24小時受控的溫溼度環境、持續不斷的潔淨電力供應，以及多層次的物理安防保障。一個典型資料廳的面積可從800平方米（小型企業機房）擴充套件至超過20000平方米（超大規模雲端園區中的單層樓面）。

從資產歸屬和使用模式劃分，資料廳服務於零售託管（Retail Colocation）、批發託管（Wholesale）和超大規模自建（Hyperscale Self-build）三種業態。零售模式下，資料廳被分割為多個獨立籠區，向不同客戶提供標準化機櫃；超大規模模式下，整廳專屬於單一租戶或自用，基礎設施設計高度定製化。資料廳並不等同於整個資料中心，後者是一個涵蓋土建、供配電、消防、安防及網路接入的園區級綜合體，而資料廳專指IT載荷的直接物理棲息地。

更深入看，資料廳的物理邊界決定了其熱密度極限和電源容量上限，這兩個引數是資料廳設計之初就必須鎖定的核心約束。一旦建成，任何涉及供電母線和冷凍水主管網的改造都意味著高昂的停機和資本再投入。正因如此，超大規模使用者越來越傾向於“大廳小做、模組化交付”——將兩萬平方米的資料廳劃分為若干功率模組，每個模組獨立供電、獨立製冷，既降低了初期投資風險，又能夠在單模組故障時將影響半徑控制在數百千瓦範圍內。這種架構思想已經滲透到幾乎所有新建超大規模資料廳的設計藍圖中。

3 資料廳在資料中心產業鏈中的定位

在資料中心垂直產業鏈中，資料廳佔據核心樞紐位置：上游是晶片、伺服器、網路裝置及機電基礎設施供應商，下游是雲端運算服務商、網際網路公司、金融、政府及政企客戶。資料廳本身的建置涉及土木工程、機電總包、系統整合商和基礎設施裝置商的交叉協作。從生命週期價值分佈看，土建和殼體折舊約佔全生命週期成本（TCO）的15%-20%，而資料廳內部供配電、暖通空調、弱電智慧化等機電系統佔據初始資本支出的60%以上，後期運營中的電費和維護則構成運營開支的主體。

資料廳的物理屬性決定了它同時具備“不動產”和“工業產線”雙重特質：鋼筋水泥的殼體和電氣管線需要長達20-30年的折舊週期，類似基礎設施資產；但其內部的電力鏈路、冷卻管網和佈線系統卻必須預留面向未來5-8年技術迭代的升級彈性。這種結構性矛盾在AI算力時代被急劇放大——一個按8kW/機架設計的傳統資料廳，幾乎不可能原地改造為支援60kW液冷機櫃的AI叢集。

在價值流轉鏈條中，資料廳的建造週期和資本密集度正成為算力供給的關鍵瓶頸。晶片廠商可以在18-24個月內推出新一代GPU，但一座大型資料廳從土地平整、電力批覆到機電安裝的週期通常需要24-36個月。這種節奏上的錯配，使得具備可擴充套件性和快速交付能力的“預製化資料廳”成為下游客戶的優先選擇，也使得那些能夠提前儲備電力容量和冷源資源的資料廳運營商擁有極強的議價權。

4 市場規模與需求驅動力

根據結構研究公司的資料，2023年全球資料中心IT負載總容量約55GW，預計2028年將突破120GW，對應資料廳白空間面積超過4000萬平方米。中國市場趕超態勢尤為明顯，2025年算力基礎設施建設投資預計超過6000億元，其中超大型及以上資料中心貢獻了50%以上的新增機架數量。需求驅動因素呈現結構性分層：

首先，雲端運算企業的大型模型預訓練和推論部署形成最強邊際拉動。單次千億引數模型的萬卡級訓練叢集，往往需要獨佔一整個資料廳，且要求在6-12個月內快速交付，直接點燃了批發型資料廳的定製化建設浪潮。僅北美四大雲端廠商2024年的資本支出總額就已超過1500億美元，其中約三分之一直接流入資料廳建設與機電配套。其次，企業數字化轉型帶來的通用計算需求雖增速放緩，但存量機架的上架率和功率密度仍在持續提升，促使老舊資料廳進行配電和製冷改造。此外，邊緣計算場景催生了大量小型分散式資料廳，其雖單體面積小，但數量龐大、標準化程度高，構成了規模可觀的長尾市場。在地緣因素影響下，各國資料主權法規亦強制部分資料廳產能本地化部署，為區域市場劃定了剛性底線。

從區域維度看，北美灣區、維吉尼亞、達拉斯，歐洲的法蘭克福、倫敦、都柏林，亞太的新加坡、東京和上海周邊，構成了全球資料廳市場的核心地理叢集。值得關注的是，由於AI訓練對延遲不敏感，大量新建超大規模資料廳正向電力資源豐富且地價便宜的地區遷移，如美國中西部、北歐和中國的內蒙古、貴州等地，從而形成“訓練在能源窪地、推論在人口中心”的雙層版面配置。

5 電力供應系統架構與冗餘設計

電力是資料廳的第一生命線。典型高壓雙路市電從市政變電站引入，經10kV中壓配電櫃、乾式變壓器降壓至400V，再經由不間斷電源（UPS）或高壓直流（HVDC）系統輸出至列頭櫃和智慧PDU。在AI高密場景下，這一傳統鏈路正經歷深刻重構。

傳統資料廳採用集中式UPS雙匯流排，配合N+1或2N冗餘，典型單機架容量3-7kW。隨著GPU伺服器單機功耗突破10kW，整廳功率密度向每平方米2-4kW邁進，中壓配電和母線槽開始直接進入白空間並貼近機櫃列部署（即“電到列”或“電到機櫃”），以減少低壓大電流長距離傳輸帶來的銅損和熱損。超大規模使用者開始規模化試點“市電直供+分散式鋰電池備用”的架構，省去了傳統集中式UPS及其龐大的蓄電池室，可釋放出約10%的白空間面積，同時系統效率從傳統雙變換UPS的94%～95%提升至98%以上。

在冗餘架構方面，AI訓練叢集往往採用單路市電加分散式電池的N+1冗餘，而非傳統2N，原因在於訓練任務的批次特性允許在電力異常時進行快速存檔掛起，無需像金融交易系統那樣追求零中斷。不過推論叢集因直接面向終端使用者，仍普遍維持2N配置。中壓配電層面，10kV開閉所與成套中壓櫃的容量正在向40MW甚至更高標準演進，單臺變壓器的容量也從傳統的2000kVA向4000kVA過渡，以減少並聯裝置和佔地。

此外，電能質量治理在AI資料廳中變得尤為關鍵。GPU伺服器的開關電源和大規模變頻水泵、EC風扇會產生大量諧波，導致中性線電流超標和變壓器過熱。配置有源濾波器和動態無功補償裝置已成為新建資料廳的標配，部分高規格專案甚至在變壓器低壓側配置靜態無功發生器，以實現功率因數全程接近1.0。

6 配電架構演進：從集中式UPS到分散式電源

進一步聚焦配電層面，變革的核心在於從“集中”走向“分散式”，以及交直流混合架構的探索。傳統集中式UPS單機容量可達1000-2000kVA，多臺並聯形成龐大的電源陣列，但其單點故障域大、擴容彈性差，且需佔用獨立的電源室。AI資料廳更青睞“分散式電源”理念，具體表現為：將鋰電池模組直接下沉到每一個機架或每一列機架頂部，通過小型化功率變換單元形成“微UPS”系統，實現故障隔離粒度精確到單機架。

HVDC（高壓直流）路線在此背景下再次獲得生命力。240V/336V高壓直流系統相較於交流UPS，少了逆變環節，天然效率更高、可靠性模型更簡單，且更容易與光伏、儲能等直流源進行無縫整合。國內網際網路巨頭已在生成式AI叢集中批次部署336V HVDC配合機架級鋰電池，形成“市電+直流屏+機架電池”的三層架構。該架構不僅省去了傳統UPS逆變器，還顯著降低了配電櫃的銅排用量和現場接線工時。

與此同時，巴拿馬電源（一種將變壓器和整流單元整合在靠近中壓側的一體化電源）開始在超大規模資料廳中嶄露頭角，它直接輸出270V或336V直流至列頭櫃，省去了傳統低壓配電多級轉換的損耗，系統效率可達97%以上，且佔地面積僅為傳統方案的一半。我們認為，隨著單機架功率向60kW以上演進，配電架構將繼續向“中壓深入、直流靠近、鋰電分散式”三個方向收斂，相關裝置供應商如中恆電氣、中達電通、維諦技術等將獲得結構性機會。

7 精密製冷系統：從風冷到液冷的不可逆轉變

如果說電力是資料廳的血液，那麼冷卻就是維持其恆溫的體溫調節系統。傳統資料廳依賴精密空調（CRAC/CRAH）、下送風架空地板和冷熱通道封閉，單機架冷卻能力通常控制在8kW以下。當單機架功耗突破20kW，甚至達到40-80kW的GPU機櫃時，風冷方案已觸及物理極限——維持足夠的進風溫度和風量需要難以置信的風扇功率和架空地板高度。

業界共識的趨勢是：液冷不再是可選項，而是保證AI叢集持續執行的必選項。液冷主要分為冷板式液冷和浸沒式液冷兩大類。冷板式液冷通過微通道銅板或鋁板直接貼合在GPU/CPU殼體外表面，利用去離子水或介電冷卻液帶走熱量，可解決整櫃50kW~100kW的散熱問題，同時保留風冷補充散熱。浸沒式液冷則將整個伺服器節點浸泡在絕緣冷卻液中，可實現近乎100%的熱捕獲率，單機櫃功率可達150kW以上，但需改造伺服器和運維流程，生態成熟度尚待提高。

當前全球液冷市場中，冷板式因其對現有伺服器架構改動最小、部署速度快而佔據主流。我們估算，2025年全球資料中心液冷系統（含冷板與浸沒）市場規模將超過80億美元，到2028年有望達到250億美元。液冷產業鏈涉及一次側冷卻塔/乾冷器、二次側CDU（冷量分配單元）、液冷板、管路及快速接頭、冷卻液等多重環節，其中CDU和液冷板的定製化程度高、毛利率彈性大，是國內供應商突破的關鍵節點。

8 冷量分配與水側系統設計

液冷系統能否高效執行，不僅取決於液冷板本身，更仰賴於背後的冷量分配單元（CDU）和一次側散熱系統。CDU相當於液冷系統的“熱交換站”，負責將二次側（輸往機櫃的冷卻液迴路）的熱量傳遞至一次側（冷卻塔或冷凍水系統），同時精確控制冷卻液的流量、溫度和純度。

在AI資料廳中，一次側設計已從傳統的冷凍水+冷卻塔模式擴充套件為多種技術並存，包括：蒸發冷卻、間接蒸發冷卻、帶自然冷卻的風冷冷水機組，以及針對缺水和嚴寒地區的絕熱冷卻和全空氣Free Cooling。液冷所需的二次側水溫通常在32℃-45℃之間，這為全年自然冷卻提供了遠寬於傳統冷凍水（7℃/12℃）的溫區，從而可將年均PUE壓至1.1以下。先進的超級計算中心甚至已實現1.03-1.05的超低PUE。

CDU的配置同樣遵循分散式原則。單臺CDU的換熱能力從早期300kW向1MW以上發展，並普遍採用N+1冗餘。大型資料廳內部會部署成排的CDU機櫃，通過環形管路網路向成百上千個液冷機櫃分配冷卻液，並內建精密過濾器、電導率感測器和自動補液裝置。這一環節的技術壁壘體現在換熱效率、可靠性、控制系統和零水損設計上，具備完整行業經驗的廠商如英維克、高瀾股份、曙光數創等已形成先發優勢。

9 高密度佈線：資料廳的神經系統

計算密度的爆發不僅推高電力和冷卻需求，也對IT佈線系統提出了革命性要求。傳統資料廳內，銅纜（Cat6A/Cat7）和OM3/OM4多模光纖並行共存，佈線密度較低，每機架通常24-48個埠。AI大型模型訓練叢集以GPU伺服器和高速交換器為核心，單機架內部GPU之間通過NVLink/NVSwitch互聯，跨機架則依賴400G/800G甚至未來1.6T的光模組和光纖鏈路，每機架光纖埠數量可達到96口甚至更多，且多為單模長距離連線，以適應大型二層CLOS架構。

佈線系統因此從弱電配套升維為決定叢集效能的關鍵基礎設施。結構化佈線的設計必須前瞻性考慮當前和未來兩代交換器的頻寬更替，避免因光纖芯數不足或損耗預算超標而被迫重新穿纜——這在已投運的資料廳中常意味著數週的停機和巨大的浪費。超大規模使用者開始推行“一次佈線、按需點亮”策略，即預敷設高芯數單模光纜（如1728芯或3456芯帶狀光纜），通過高密度配線架和MPO/MTP連線頭實現靈活跳接。同時，光纖路由需避開強電磁干擾的電力母線和噪音較大的冷卻管路，確保訊號完整性和低誤位元速率。

隨著叢集規模的擴大，跨資料廳之間的互聯也在催生更粗的骨幹光纜和空間複用光交換技術。可以預見，高密度佈線系統供應商，如康普、康寧、長飛光纖等，將受益於AI資料中心建設潮中單瓦IT負載對應的光纖用量大幅提升。

10 TCO精算：液冷與風冷的經濟賬

決定技術路線最終鋪開速度和市場規模的，是總體擁有成本（TCO）。我們以一座配備1000個機櫃、單機櫃功率40kW、總IT負載40MW的資料廳模組為例，對比風冷（假設每機架15kW，需拆分為多個低密機架）與冷板式液冷方案的全生命週期成本。

初始投資方面，液冷方案需增加CDU、液冷板、管路和水處理裝置，同時可減少精密空調、架空地板和大量風機投資。粗略估算，液冷方案的單位千瓦初始資本支出（CapEx）比風冷高出約15-25%。但在運營支出（OpEx）方面，液冷優勢明顯：由於風扇功率銳減、冷卻系統本身功耗更低，以及自然冷卻時間大幅延長，液冷方案的PUE可穩定在1.08-1.12，而同等規模的風冷方案PUE通常在1.25-1.35。40MW IT負載下，0.15的PUE差值即意味著全年節省近3000萬度電，以0.6元/千瓦時計算，年度電費節省超過1800萬元，約3-4年即可回收液冷追加投資。若考慮液冷允許更高機架密度而節省的白空間和建築成本，實際回收期可縮短至2-3年。

此外，液冷對晶片工作溫度的精確控制可降低漏電流並延緩晶片老化，間接提升叢集可用性和使用壽命。因此，即便液冷初期投資更高，但從5年TCO視角看，液冷方案已具備顯著經濟競爭力，且在30kW/機架以上區間，經濟性是壓倒性的。這將驅動AI資料廳液冷滲透率在未來三年快速越過臨界點。

11 標準化與模組化：定義下一個十年

當前AI資料廳的最大痛點之一，是液冷系統的“定製化陷阱”。不同GPU廠商的伺服器尺寸、GPU版面配置、進出水介面均可能不同，導致液冷板和管路缺乏統一標準，限制了規模效應和互操作性。為了解決這一問題，開放計算專案（OCP）和開放資料中心委員會（ODCC）等行業聯盟正加速推進液冷標準化，包括標準化的冷板尺寸、介面卡位、液冷接頭規格和CDU通訊協議。

標準化直接為“模組化”鋪平道路。模組化資料廳將白空間拆分為若干標準功率模組，每個模組由預製的供配電模組（E-House）、製冷模組、冷量分配模組和IT機櫃模組構成，在工廠預裝、預除錯後運至現場拼接，可將現場部署週期從12個月壓縮至4-6個月。這種“樂高式”建造極適配AI算力的爆發性需求，使雲端廠商能夠動態匹配GPU到貨節奏，避免資金沉澱在閒置白空間中。

模組化還意味著可維護性和可替換性的質變。當某一模組需要技術升級或維修時，可以整體下電而不影響其他模組。對於AI訓練叢集這樣本身就有周期性上下線特徵的應用，這種彈性極富吸引力。我們認為，掌握液冷標準化話語權和模組化整合能力的廠商，將逐步攫取更高價值份額，從單純的裝置供應商轉變為“算力工廠”交鑰匙服務商。

12 競爭格局：裝置商、整合商與運營商的三方角力

資料廳市場參與者可大致分為三個陣營：機電裝置供應商（如維諦、伊頓、施耐德電氣、華為數字能源）、EPC總包與機電整合商（如中建三局、捷通、長飛等）以及終端使用者/運營商（如萬國資料、秦淮資料、Equinix、Digital Realty）。在傳統低密度資料廳時代，這三方分工明確，裝置商提供標準化產品，整合商負責施工，運營商主導資產運營。

但AI資料廳的高密度和液冷化趨勢正在模糊這種邊界。裝置商開始提供整機架電源方案、全預製化液冷模組，甚至承擔整體機電設計顧問角色，本質上是向整合端滲透；大型整合商則因液冷工程的複雜性而強化其不可替代性，尤其在管路焊接、漏液檢測和系統除錯等需要大量現場工藝的環節。而運營商為鎖定優質電力資源和交付週期，越來越深度介入定製裝置規格和聯合研發，不再是單純的買方。

在中國市場，本土裝置商借助液冷技術彎道超車的趨勢明顯。華為數字能源推出FusionCol液冷整體解決方案，阿里雲端自研浸沒式液冷“麒麟”並輸出給第三方資料中心，曙光數創在國內液冷基礎設施市場佔據領先份額。海外方面，CoolIT、Asetek在液冷冷板端優勢顯著，Vertiv和Stulz則在精密製冷與電力全鏈路保持頭部地位。競爭正從單一產品競爭升級為整個系統效率、交付速度和生態相容性的綜合比拼。

13 重點區域與供應商分析

聚焦亞太及中國市場，我們觀察到四個最具投資價值的資料廳建設叢集：環京地區（懷來、張北、廊坊）、長三角（上海周邊、南通、嘉興）、大灣區（廣州、深圳、東莞、佛山）以及成渝和貴州等西部能源基地。環京和長三角主要承接AI推論和雲端服務核心節點，對時延要求高，資料廳以零售和批發混合型為主，單機架功率中等（10-20kW）但整體體量龐大；西部基地則專攻訓練叢集，單體資料廳規模動輒100MW以上，直接貼近水電和風電基地，液冷採用率最高。

在供應商層面，我們建議重點關注以下幾類：一是液冷全鏈條企業，如曙光數創（液冷基礎設施龍頭，包含CDU、冷板及整體系統）、英維克（精密溫控，冷板液冷方案成熟）、高瀾股份（電力電子熱管理，切入CDU和液冷板），它們直接受益於液冷滲透率提升；二是電力配電創新者，如良信電器、正泰電器、科華資料，在直流配電、分散式鋰電方案中獲取份額；三是佈線基礎設施公司，如長飛光纖、中天科技，其高密度光纜和OM5/單模方案需求隨頻寬升級而放大。此外，具備模組化建造和快速交付能力的EPC企業，如世紀華通、資料港、秦淮資料等，也將憑藉其與客戶深度繫結而受益於這一輪資本支出週期。

14 投資建議

基於上述分析，我們提出“三橫三縱”的投資架構：橫向看，電力配電、精密製冷、高密度佈線是AI資料廳增量價值最確定的三條賽道；縱向看，關鍵時間視窗在於2025-2027年新建大型AI資料廳的密集交付期，其後的存量改造市場也將持續貢獻需求。具體推薦方向上：

• 液冷基礎設施（最優先）：冷板液冷在40kW以上機架已成必選項，技術門檻和客戶粘性帶來穩健的獲利率。建議超配具備CDU和冷板量產能力且已進入頭部雲端廠商供應鏈的標的。
• 智慧配電與分散式電源：HVDC和機架鋰電滲透率將從當前不足5%向30%躍升，具備高效率和高彈性的方案提供商有望迎來估值重塑。
• 高密度光纖佈線：AI叢集內部每kW IT負載對應的光纖芯數較傳統IDC提升3-5倍，且升級週期更短，具有持續增長的耗材屬性。
• 模組化資料廳總包：標準化、快速交付能力將成為運營商選擇合作伙伴的核心標準，先發版面配置者有望拉大份額差距。

風險方面，需關注：AI資本支出低於預期、液冷標準之爭導致技術路線不確定、電力和水資源審批趨嚴、關鍵零部件（如IGBT、高精度接頭）供應瓶頸等。但整體判斷，資料廳產業正處於歷史性的升級換擋期，結構性增量遠未結束。

15 風險提示與結論

本報告的核心結論是：資料廳作為AI時代的算力物理載體，正從房地產附屬品進化為高附加值的機電系統工程。電力密度的躍升、冷卻方式的液冷化、佈線的全光化，使得資料廳內部每一塊磚瓦和每一條管路都充滿科技含量，並孕育出萬億級的產業新空間。在需求端，大型模型的引數競爭和推論服務普及將持續創造龐大的算力底座需求；在供給端，幾十年的資料中心機電技術積累正在被AI反推，催生出大量“老樹新芽”式的創新點。

然而，投資的向陽面必伴隨陰影。我們提請投資者特別關注以下風險：第一，宏觀經濟波動可能影響雲端廠商短期資本支出節奏，導致部分資料廳專案延期或取消；第二，液冷技術雖然優勢顯著，但標準尚未完全統一，若技術路線分裂，將拖慢產業擴張速度；第三，大規模液冷部署對水資源有較高要求，在部分缺水地區可能面臨環境審批阻力；第四，AI算力需求存在一定可替代性，若演算法層面出現革命性突破（如稀疏化、蒸餾技術的極大進展），可能導致對萬卡叢集需求的階段性鬆動；第五，原材料價格（銅、鋁、鋰）波動將影響整個電力配電和製冷裝置的盈利能力。

綜合權衡，我們認為資料廳行業正處於十年一遇的架構重塑期，其中蘊含的投資機會遠大於風險。我們維持對資料廳基礎設施板塊的“加碼”評等，建議投資者圍繞液冷、分散式電源和高密度佈線三條主線進行中長線版面配置，抓住AI算力基座黃金時代的確定性紅利。