AI机房开始“上天入海”:算力为什么正在抢电、抢水、抢地?

从太空算力到海底机房，看智能经济背后的能源账和成本账

一、AI机房为什么开始“上天入海”？

AI行业最会讲“云上”的故事。

但真正让AI跑起来的东西，很多都在地上：电表、机柜、冷却管道、土地指标、网络光纤，还有一张越来越吓人的电费账单。

所以你会看到一个有意思的现象：AI机房开始“上天入海”了。

一边，据路透社公开报道，SpaceX计划最早在2027年底前开展轨道AI计算示范测试，试图把部分AI计算能力送进太空。这仍处在示范和探索阶段，还不是成熟商用。

另一边，中国上海临港附近的水下数据中心已经投入运行。公开报道显示，这一项目初始容量约24MW，利用海水自然冷却，并与海上风电供能相结合。

表面看，这是科技公司在炫技。往深处看，这是AI基础设施正在逃离传统机房的成本结构。

因为AI太吃电、太吃冷却、太吃土地，也太吃稳定客户。过去大家以为AI拼的是模型，后来发现拼的是芯片；再往后看，拼的可能是电、冷却、土地和机房。

二、DeepSeek之后，AI真正的问题变了

DeepSeek把行业从“参数崇拜”里拽出来了一点：模型重要，但成本同样重要。

模型能力可以追赶，训练和推理成本也可以被优化。但当AI真正进入产业，问题就变得更现实：模型再强，算力从哪里来？电从哪里来？芯片用谁的？机房建在哪里？水资源够不够？成本谁来付？客户在哪里？

模型是前台，机房是后台。

没有低成本、稳定、安全的算力，再好的模型也只能停留在演示里。会聊天只是入口，会干活才是生意。

更关键的是，AI机房不是一个统一答案。训练类算力更看重电价、冷却、规模和稳定供能；推理类算力更看重延迟、网络、数据安全和离客户有多近；工业AI、政务AI、金融AI则还要看场景、合规和付费主体。

这意味着，不是所有AI机房都适合上天入海。能搬远的，是对延迟不那么敏感、可以集中调度的训练和批处理任务；必须留在产业现场附近的，是需要快速响应、数据闭环和业务安全的推理应用。

AI机房“上天入海”的背后，不是一个简单的空间想象，而是算力基础设施正在按成本、负载和场景重新分层。

三、算力竞争，不只是芯片竞争，也是能源竞争

算力不是无中生有的魔法，它背后是电表在转、水泵在跑、冷却系统在工作。

传统数据中心已经很吃电，AI数据中心计算密度更高，对供电、散热、网络和运维的要求更集中。GPU服务器不是摆进去就完事，越高密度的算力，越需要稳定电力、散热方案、网络带宽和长期运维能力。

一个地方要发展AI，不能只问有没有模型，还要问有没有电、有没有水、有没有机房、有没有客户。

过去数据中心选址，主要看网络、土地、电力和政策。AI时代，逻辑正在变得更复杂。便宜电、绿电、冷源、网络延迟、客户负载、数据安全和应用场景，会共同决定算力应该放在哪里。

所以，AI下一仗，不只在模型，也在机房、电网、冷却和能源系统。谁能用更低成本、更稳定能源、更高利用率把算力供出来，谁就更接近智能经济的底盘。

四、上天也好，下海也好，本质都是在重新算AI的成本账

SpaceX的轨道AI计算很有想象力，但必须把边界说清楚：它目前仍是示范探索，不是大规模商业化。它的价值不只是“把服务器送上天”，而是探索未来低轨网络、遥感数据、边缘计算和太空基础设施的结合。

不过这条路也不轻松。发射成本、维护难度、辐射环境、热管理、通信延迟和系统可靠性，都会让太空数据中心在短期内很难替代地面数据中心。

相比之下，中国水下数据中心更接近现实产业逻辑。海水天然冷却，可以降低散热成本；海上风电供能，可以减少对传统电网和化石能源的依赖；水下部署还能减少陆地占用和淡水消耗。

但“下海”也不是万能答案。海洋环境、盐雾腐蚀、通信和电力接入、设备维护、安全防护以及生态影响，都要被长期验证。

机房上天，不是因为马斯克爱科幻；机房下海，也不是因为海浪浪漫。它们背后都是同一张账：电费、散热、土地和算力利用率。

说到底，AI数据中心不是在追求浪漫地理，而是在寻找更便宜的生产要素。谁的电更便宜，谁的冷却更低，谁的客户负载更稳定，谁就更有可能把算力做成生意。

数据中心“上天入海”，不是科技噱头，而是AI把传统机房逼到需要重新找能源、找空间、找冷却方案的阶段。

五、地方最容易踩的坑：只建机房，不建场景

很多地方做AI，第一反应是建智算中心，第二反应是挂大模型牌子，第三反应是做AI产业园。

但真正的问题只有几个：谁用？谁付费？谁续费？谁承担电费？谁负责运营？谁把算力转成订单？

如果回答不了这些问题，机柜再亮，也只是另一种库存。

AI基建最怕被当成地产项目来做。园区可以建楼，机房可以装服务器，但算力不是靠剪彩变成产业的。

真正的AI产业不是“有多少P算力”，而是这些算力服务了多少工厂、多少园区、多少企业、多少政务场景，形成了多少可持续收入。

没有订单的算力，是另一种库存。没有场景的数据中心，最后可能只剩下电费账单。

六、机会在哪里？机房、液冷、绿电、国产芯片和工业应用

这并不是说AI基建没有机会。恰恰相反，AI基础设施会带出一批真正的产业机会，只是机会不一定都在模型公司。

第一，是数据中心与智算中心的建设、运维、调度平台、网络安全和资源管理。未来算力不是简单堆服务器，而是要能调度、能计费、能稳定服务客户。

第二，是液冷与散热。冷板液冷、浸没式液冷、海水冷却、热管理系统，都会成为高密度AI服务器的关键配套。

第三，是绿电和储能。风电、光伏、储能、电力调度和绿电交易，正在和AI基础设施绑定得越来越深。

第四，是国产芯片、服务器和软件生态。AI芯片、整机适配、算力平台、国产操作系统和开发工具，都会影响算力成本和供应安全。

第五，是工业AI应用。质检、设备运维、物流调度、园区管理、政务知识库、企业经营分析，这些能产生真实效率提升的场景，才是算力消化的关键。

未来AI产业机会，不只在模型公司，也在机房、电力、芯片、散热、运维和行业应用公司。真正值钱的AI基建，不是建起来，而是用起来。

七、风险也要看清：别让AI基建变成新一轮重复建设

AI基建不是不能投，而是不能闭着眼睛投。

风险很现实：重复建设、利用率不足、缺客户、电力成本高、芯片供给受限、运营成本过高、缺少真实应用场景、地方盲目招商、只重建设不重运营、只重概念不重现金流。

算力不能只看峰值，还要看利用率。如果没有客户和场景，数据中心越大，亏损也可能越大。

外媒报道称，中国正在准备一项规模约2万亿元人民币、周期约五年的AI基础设施建设计划。这类信息需要谨慎理解：它说明AI基建可能成为重大投资方向，但具体方案仍需以正式公开政策为准。

越是大规模投入，越要防止“重建设、轻运营”。AI基础设施一旦变成新一轮重复建设，最后留下的可能不是智能经济，而是闲置算力、沉没成本和持续电费。

八、AI最后不是谁更会聊天，而是谁更会干活

AI不会因为热度高就自动变成产业。

模型发布会可以热闹，服务器不会自己付电费；园区牌子可以挂上，客户不会因为牌子就下订单；机柜可以点亮，但没有负载和场景，亮起来的也可能只是成本。

数据中心上天入海，只是一个信号。

它提醒我们：AI不是飘在云上的东西，它要落到电力、机房、冷却、芯片、网络和产业现场。

未来真正有价值的AI基建，不是看谁建得最大，而是看谁能用最低成本、最稳能源和最真实场景，把算力转成生产力。

AI最后不是谁更会聊天，而是谁更会干活。

关于智研智库

智研智库关注宏观政策、产业发展、招商引资、企业出海、金融趋势变化与国际形势变化，致力于为政府、园区、企业和金融机构提供决策参考、产业研究与定制化信息服务。

我们相信，真正有价值的信息服务，不只是告诉你发生了什么，更要帮助你理解：为什么发生、影响谁、下一步该怎么办。

智研智库｜洞察趋势· 智引未来联系邮箱：zy@zhiyanzhiku.com