一文详解2万亿AI基础设施计划,历史以来规模最大,80%国产东大正筹备在未来五年（2026—2030年）投入约2万亿元人民币，约合2950亿美元，用于建设全国性人工智能基础设施，以强化本土AI产业能力，并在人工智能领域与美国展开长期竞争。据报道，该计划将重点建设全国范围内相互连接的算力枢纽网络。中国移动、中国电信等国有企业预计将运营大部分数据中心，并负责推动数据中心之间的互联互通。该计划也是今年早些时候提出的“六网”计划的重要组成部分，涵盖水、电、算力等关键基础设施建设。这将是东大迄今为止在AI基础设施领域规模最大的投入之一。其目标不仅是扩建数据中心，更是通过算力网络建设，推动AI在医疗、交通、城市管理等公共部门中的应用。这表明，AI正在从科技产业政策上升为国家基础设施政策。其影响不再局限于半导体或计算机行业，而是将沿着“算力建设—网络互联—能源配套—产业应用”的链条逐层扩散。其核心并非单纯增加数据中心数量，而是将AI算力、水电能源、通信网络、国产芯片和产业应用纳入统一的新型基础设施体系。值得注意的是，2万亿元人民币投资并不包括阿里巴巴、腾讯等私营企业的资本开支。目前尚不清楚未来统一算力网络将如何与这些私营数据中心协同运作，但总体目标是到2028年，将分散的数据设施连接成全国性算力网络。本轮AI基础设施计划具有三个重要特征：
第一，投资规模大。2万亿元五年投资，年均约4000亿元。除包括数据中心和更快通信基础设施在内的人工智能设施外，东大还计划将电网与该项目整合，若叠加新型电网、绿电消纳、储能、数据中心配电及算电协同等配套建设，这可能使预计总投资达到至少5万亿元人民币。
第二，国产化导向强。相关计划倾向于在AI芯片等核心技术上至少80%依赖本土供应商。这意味着本轮AI基建不仅是需求扩张，也是供应链重构——国产芯片、服务器、光通信、液冷、电源、操作系统和行业软件等环节，都将受到产业安全逻辑的影响。
美国已同意允许英伟达向东大客户销售上一代落后一代的H200人工智能芯片，这意味着美国对中国AI发展的限制措施出现明显放松。但目前H200尚未开始出货。这说明，东大国内对于以国产硬件替代部分AI算力的信心正在增强。
第三，资金来源更偏政策主导。与过去互联网平台主导的云计算资本开支不同，本轮计划可能更多依赖超长期特别国债和用于投资战略性产业的国家基金，银行贷款和私人资本将起到补充融资作用，本轮扩展扩张更接近国家级基础设施投资，而非单纯由企业盈利预期驱动的商业扩张。
宏观影响：新质生产力框架下的逆周期抓手
1. 对经济增长的影响
2万亿元AI基建投资本身不足以改变经济总量趋势，但结构意义较强。年均约4000亿元投资对固定资产投资形成一定支撑。更重要的是，AI基建具有较强产业链乘数效应——数据中心建设会同时拉动芯片、服务器等上下游环节。按2至3倍的产业链带动效应估算，相关总需求可能达4万亿至6万亿元级别。
从宏观政策角度看，这类投资符合"新质生产力"方向，相比传统基建更容易纳入高质量发展框架。其功能不仅是稳增长，更是推动技术自主、产业升级和数字经济扩张。
2. 对财政和金融体系的影响
本轮AI基建由中央政府统筹推进，而非依赖地方财政扩张。资金来源预计以中央政府债务、超长期特别国债和国家产业基金为主，并配合政策性金融工具、银行贷款、国有企业资本开支及部分社会资本。因此，项目落地节奏将主要取决于中央政策安排、专项债务发行、国企投资计划和金融机构配套融资能力。
地方政府仍将在数据中心选址、电力指标、土地资源、产业园区和配套设施方面发挥作用，但更多是承接和配合角色。
由于数据中心建设高度依赖低成本电力、气候条件、土地资源和产业基础，不同地区的受益程度可能明显分化。具备能源和土地优势的地区更容易承接算力基础设施投资，而资源约束较强的地区受益相对有限。
3. 对产业政策的影响
该计划强化了三个方向：
第一，算力成为基础设施。算力正成为与电力、网络并列的关键基础设施，未来可能被纳入更高层级的国家基础设施规划。第二，技术安全成为资本开支约束。AI芯片、操作系统、数据库、模型框架和网络设备的国产化比例，可能成为项目审批和采购的重要指标。第三，能源系统与数字系统深度绑定。AI数据中心的核心约束不只是芯片，而是电力。未来项目建设将越来越取决于电网接入、绿电供给、PUE指标和跨区域算力调度能力。产业链相关内容可查阅
什么是GPU？算力、存储、服务器与产业全览
液冷为什么突然火了？一组图拆清 AI 基建
长鑫科技 IPO 过会：国产 DRAM 龙头的稀缺性、周期弹性与长期变量
【一图看懂】华为“韬定律”
PCB专题报告（一）：AI服务器里不起眼的一块板，为什么突然值钱了？
产业链传导第一层：算力核心硬件
算力硬件是最直接受益环节，包括AI芯片、服务器、存储、PCB、先进封装和高速连接。AI芯片是国产替代的核心。若政策要求提高国产芯片使用比例，国内AI芯片产业将从“补充性供应”转向“战略性供应”。不过，国产芯片能否在性能、生态、功耗、良率和交付能力上满足大规模数据中心需求，仍是决定产业节奏的关键变量。AI服务器是数据中心扩容的主要载体。相比传统服务器，AI服务器价值量更高，对GPU/AI加速卡、内存、电源、散热、PCB和高速互联的要求也更高。其产业链升级不仅体现为数量增长，也体现为单机价值提升。存储、PCB和高速材料则是AI算力扩张中的隐性增量。AI训练和推理会显著提高对高带宽存储、高层数PCB、高速覆铜板和高速连接器的需求。这一层产业弹性最大，但技术迭代和供需波动也最明显。第二层：通信互联与光网络
AI数据中心不是孤立的服务器堆叠，而是高度依赖网络互联的计算系统。随着模型参数规模扩大和分布式训练普及，数据中心内部东西向流量大幅提升，将推动高速光模块、光芯片、光器件和光交换设备需求增长。800G向1.6T迭代，是未来数据中心网络升级的重要方向。高速光模块、CW光源、EML芯片、MPO连接、AOC线缆和OCS光交换，都将成为算力网络升级的关键环节。这一层需求确定性较高、业绩兑现较早，但也更容易受全球云厂商资本开支周期、技术迭代节奏和行业竞争格局影响。第三层：数据中心基础设施
数据中心基础设施包括IDC运营、液冷温控、电源、UPS、配电、机柜、消防、运维和监控系统。液冷温控是重要结构性变化。AI服务器功率密度提升，使传统风冷方案越来越难以满足散热要求。液冷渗透率提升，将改变数据中心建设成本结构和运维模式。电源和UPS是刚性需求。AI数据中心对供电稳定性、冗余配置和功率密度要求更高，将推动高效电源、模块化UPS和智能配电系统升级。IDC运营的影响更复杂。容量扩张会带来需求增长，但盈利能力取决于上架率、电价、PUE指标、客户结构和资本开支回收周期。若建设过快而应用需求不足，部分地区可能出现利用率不足问题。第四层：能源与电网
能源与电网可能是本轮AI基建中最容易被低估的环节。AI数据中心本质上是高耗能基础设施，大规模算力建设的上限可能不取决于机柜数量，而取决于电力指标、电网接入能力和绿电消纳能力。第一，新型电网投资需求上升。数据中心集中部署会提高局部负荷，对输配电、变电站、智能调度和配网改造提出更高要求。第二，绿电消纳需求提升。大型数据中心对碳排和能源成本敏感，绿电采购、电力交易和源网荷储一体化可能成为重要配套模式。第三，资源品需求增加。铜、铝、变压器材料、电缆和储能设备等，可能受益于数据中心和电网投资的共同拉动。“算电协同”可能成为十五五时期AI基础设施建设的核心命题之一。第五层：AI应用与软件
AI基础设施最终需要通过产业应用实现投资回报。随着算力供给扩大和推理成本下降，AI应用有望在办公、金融、制造、医疗、交通、城市管理、教育、内容创作和工业控制等领域扩散。但应用落地通常滞后于基础设施建设。短期看，硬件和基础设施最先兑现；中期看，行业模型、AI Agent和企业软件可能逐步放量；长期看，只有当AI显著提升生产效率并形成可持续商业模式，基础设施投资才能真正完成闭环。
夜雨聆风
