AI的最大产业机会,可能根本不在AI公司?

INDUSTRIAL REVIEW

如果按照传统科技产业的方式理解AI，它大概是一条这样的链：

芯片 → 算力 → 模型 → 应用。

这种理解没有错。

但它只描述了AI的“技术价值链”，没有描述AI真正大规模产业化以后需要什么。

把镜头往后拉，会看到另一条链：

这两条链最大的区别是：

第一条属于科技产业。

第二条越来越属于工业产业。

而第二条正在变得越来越长。

IEA估计，全球数据中心用电量2025年约为485 TWh，到2030年将达到约950 TWh；2025年数据中心用电量已经同比增长17%。

如果只看数字，很容易得出：

AI需要更多电。

但真正值得注意的是，这种需求正在改变产业之间的边界。

因为一座AI数据中心不只是需要GPU。

它需要电力，接入有需要电网、变压器、配电设备和储能。而高密度算力又需要液冷，整个项目又需要EPC和融资。

于是，一个过去被称为“科技项目”的东西，开始越来越像一个大型工业项目。

这就是为什么我认为，未来几年有一个产业值得重新观察：

AI基础设施。

这个产业过去并不存在如此清晰的定义。

因为过去的数据中心主要是IT基础设施。

但AI让它开始发生变化。

IEA数据显示，2020年至2025年，AI服务器功率密度已经提高约11倍，到2027年还预计进一步提高约4倍。高密度AI机架的功率需求正在从几十千瓦快速走向100 kW以上。

于是：

电力不再只是数据中心的运营成本。

它开始成为：

这意味着数据中心选址越来越需要考虑：

• 有没有足够电力；

• 电网有没有容量；

• 能不能快速接入；

• 能不能获得长期稳定的能源；

• 有没有足够的冷却条件；

• 能不能建设储能和备用能源。

这已经不是一个纯粹的IT问题。

这是工业基础设施问题。

过去我们会问：

• 谁拥有最强的大模型？

• 未来可能还要增加几个问题。

• 谁拥有电力？

• 谁拥有数据中心？

• 谁能够提供液冷？

• 谁能够建设储能？

• 谁能够提供稳定电网？

• 谁能够完成EPC？

谁能够把这些东西组合成一个可以融资、可以建设、可以运营的项目？

这其实非常像新能源汽车产业的发展。

十年前讨论新能源汽车，我们最容易看到的是：

整车企业。

后来才逐渐意识到：

AI也可能正在经历同样的过程。

最容易被看见的是“技术”。

但真正大规模产生工业投资的，往往是：

技术背后的基础设施。

今天中国制造在AI基础设施上，其实并不是从零开始。

以电池为例。

储能更明显。

更有意思的是，IEA已经把电池储能和UPS直接放进了数据中心能源问题的讨论中。

2025年全球数据中心电池UPS新增容量约45 GW，同比增长30%。

这意味着：

AI正在创造一个新的电池需求场景。

而中国恰恰已经拥有全球最完整的电池和储能产业链。

这不是巧合。

它意味着一件值得中国企业认真研究的事情：

AI可能成为中国新能源产业链进入下一代全球基础设施市场的新入口。

看到这里，很多企业可能会得出一个非常自然的结论：

AI数据中心要储能。

我是储能企业。

所以我应该去做AI储能。

问题是：事情没有这么简单。

因为数据中心不是普通的储能客户。

它对系统的要求可能远高于一般新能源项目。

它关注的不是：每千瓦时便宜多少。

而是：出了问题，系统能不能继续运行？

这意味着AI基础设施的竞争逻辑与普通新能源设备市场存在明显差异。

过去很多中国制造企业的优势是：

成本低 + 规模大 + 交付快。

但到了AI基础设施：

所以真正的问题不是：

“中国企业能不能进入AI产业？”

而是：

中国企业应该以什么身份进入？

我认为，中国工业企业至少可以从四个层级寻找机会。

第一种：卖产品

例如：

• 电池；

• PCS；

• UPS；

• 变压器；

• 液冷设备；

• 配电设备。

这是最容易理解的方式。

但也是最容易陷入价格竞争的方式。

第二种：卖系统

从一个产品升级为：

储能系统。

或者：

数据中心能源系统。

这时候企业开始拥有更多的项目价值。

第三种：做工程

再往上一步，是：

EPC。

企业不再只是卖设备，而是承担：

设计；

集成；

建设；

调试；

交付。

价值进一步提高。

第四种：做项目组织者

最高的一层，则是：

这时候企业真正出售的已经不是产品。而是一个能够落地的项目。而这恰恰是中国制造企业下一阶段最值得思考的问题。

过去中国企业出海，最典型的方式是：

找客户 → 报价 → 出货。

但AI基础设施并不适合这种模式。

因为一个大型数据中心项目可能涉及：

• 当地电网；

• 土地；

• 能源；

• 政府；

• EPC；

• 金融机构；

• 数据中心运营商；

• 本地服务；

• 设备供应商。

它天然就是一个生态项目。

AI只是今天最明显的例子。

但未来还会出现更多类似的产业交叉。

机器人需要：

电池 + 电机 + 减速器 + 传感器 + 材料 + 工业软件。

新能源汽车需要：

电池 + 芯片 + AI + 能源 + 充电基础设施。

数据中心需要：

AI + 电力 + 储能 + 液冷 + EPC。

未来能源则可能进一步连接：

核能 + 储能 + 电网 + AI + 工业负荷。

于是，一个非常重要的变化正在发生：

未来的产业竞争，不再只是单个行业内部的竞争。

而越来越多的是：

对于绝大多数中国工业企业来说，今天最大的误区，或许就是试图回答一个错误的问题：

我们怎么进入AI？

于是，越来越多企业开始给自己的产品贴上“AI+”标签，仿佛只要与AI建立某种概念上的联系，就能够进入下一轮产业增长。

但这恰恰可能把问题看反了。

并不是所有企业都需要成为AI企业。事实上，真正值得关注的，从来不是企业能否“做AI”，而是当AI以前所未有的速度进入现实世界之后，它正在重新创造哪些工业需求，又将重新定义哪些已经存在的产业。

每一次重大技术革命，真正产生最大产业影响的，往往并不只是技术本身。

蒸汽机的出现，带来的不仅是蒸汽机产业，而是煤炭、钢铁、铁路和现代制造业的扩张；互联网的出现，也并没有只创造互联网公司，它最终催生了通信网络、数据中心、服务器以及整个数字基础设施体系。

AI同样如此。

今天，人们首先看到的是模型、芯片和应用，但随着算力规模不断扩大，AI正在向产业链的更深处传导需求。更高密度的计算需要新的冷却方式，持续增长的算力负荷需要更稳定的电力供应，新的数据中心需要更复杂的配电系统，而越来越集中的能源需求，又开始推动储能、电网、能源管理和工程建设进入同一套产业体系。

于是，一个原本属于数字世界的技术，正在重新激活一批极其传统的工业产业。

储能、变压器、液冷、电网、EPC、能源管理——这些行业本身并没有变成AI行业，但它们的需求曲线，正在因为AI而发生变化。

这或许才是中国制造真正应该关注的地方。

中国企业不必都去训练大模型，也没有必要都成为AI公司。真正值得研究的问题是：当AI创造出一个新的产业需求之后，中国企业已经拥有的制造能力，是否能够成为满足这个需求的一部分？

一家电池企业需要思考的，也许不是如何制造“AI电池”，而是高可靠性的数据中心为什么需要新的储能系统；一家电气设备企业需要关注的，也不是如何在产品上增加一个AI概念，而是不断提高的算力负荷将如何改变未来的配电需求；一家液冷企业真正面对的机会，也不是“进入AI”本身，而是AI服务器的功率密度提升之后，传统散热方式正在被怎样重新定义。

换句话说，AI对于中国制造最大的意义，未必是创造一批新的AI制造企业，而可能是为中国已经拥有的工业能力，创造一批新的应用场景。

这也是为什么，真正的产业机会往往不会明确写着“AI机会”四个字。

它可能出现在一座新建数据中心的储能系统里，出现在一次电网扩容项目中，出现在一套液冷设备里，也可能出现在一个需要同时解决能源、设备、工程和长期运营问题的综合项目之中。

当所有人都在讨论如何抓住AI的时候，中国制造或许更应该问一个更具体的问题：

我认为，这比“我们如何成为一家AI企业”，更接近下一阶段真正值得寻找的产业机会。