首页   所有
李桂松:全球算力资产竞争格局与资产管理报告(三)
日期 2026-10-19    作者 李桂松   编辑 北京云阿云

全球算力资产竞争格局与资产管理报告

导读:算力即国力。当芯片从设备升维为可计量、可调度、可金融化的战略资产,一场围绕有效算力的全球竞逐已然打响——美企主导、中国追赶,双核格局之下,大国算力博弈中国胜算几何?报告全文20万字,由云阿云智库平台主席兼财政金融院长李桂松原创出品。

报告名称:《全球算力资产竞争格局与资产管理报告》

报告撰写:北京云阿云智库平台主席兼财政金融院长李桂松

课题组长:李桂松院长

课题组成员名单:

李桂松:北京云阿云智库平台主席兼财政金融院长

李国熙:北京云阿云智库平台全球治理研究中心主任

李国琥:北京云阿云智库平台空天学院院长

李嘉仪:北京云阿云平台金融院长

报告完成日期:2026年9月19日

业务联系电话:13360021949(李博士)

第三章

全球算力发展展望

一、技术演进趋势

(一)从“峰值算力”到“系统级性能”的范式转换

全球算力技术正在经历一场根本性的认知转变:算力竞争的胜负手不再取决于单颗芯片的峰值参数,而是取决于从芯片、封装、服务器、机架、冷却到设施运营的全系统协同设计能力。IEEE在2026年发表的研究中明确提出了这一判断:“AI基础设施正在进入一个关键的扩展阶段,可持续的、可部署的性能越来越受到系统级集成的约束,而非峰值计算能力。”该研究进一步指出,随着加速器功率密度上升和异构集成加速,性能瓶颈已经从计算本身转移到内存带宽、供电网络和热机械接口。

这一范式转换的核心驱动力是AI工作负载的根本性变化。传统数据中心以CPU为核心,性能提升主要依赖制程微缩和主频提高,系统集成是相对次要的工程问题。而AI工作负载对内存带宽、互联延迟和散热能力提出了极端要求,使得“数据搬运”的能耗甚至可能超越“计算”本身。SEMI全球营销长曹世纶指出:“在现今AI系统中,资料搬移的能耗甚至可能超越运算本身。这意味着效能瓶颈不再局限于单一芯片,而取决于整体系统架构的设计。”

从产业实践看,这一转变正在重塑算力技术的演进方向。英伟达在2026年GTC大会上发布的Vera Rubin平台,不再以单颗芯片作为核心叙事单元,而是以“整个系统”作为产品定义。黄仁勋明确表示:“过去提到Hopper,我会举起一块芯片;但提到Vera Rubin,大家想到的是整个系统。”Vera Rubin平台包含7款芯片、5套机架级系统,相比上一代Blackwell平台,训练大型混合专家模型所需显卡数量仅为四分之一,推理吞吐量/瓦特提升高达10倍。

这一转变对算力资产管理具有深远含义。算力资产的价值评估单位正在从“芯片”升级为“系统”。一台服务器的价值不再仅取决于其搭载的显卡型号,而是取决于其内存带宽配置、互联拓扑质量、散热方案效率以及软件栈优化程度。传统的“按卡计价”资产台账体系,需要向“按系统性能计价”演进。

(二)推理时代的异构计算与架构分化

2026年全球算力技术演进最显著的趋势,是推理算力需求的结构性跃升正在驱动芯片架构的深度分化。

英伟达在GTC 2026上释放的最强烈信号,就是“推理时代正在加速到来”。该公司正式推出了下一代计算平台Vera Rubin和Groq 3 LPU(语言处理单元)芯片,后者的定位是Rubin 显卡的“推理协处理器”。这一架构设计的核心逻辑是:AI推理的需求正在分化——一部分任务需要海量计算的“预填充”阶段,另一部分任务对延迟极度敏感的“解码”阶段。黄仁勋解释道,面对需要极高交互性、超短响应时间的任务,传统显卡架构存在“性能冗余”。为此,英伟达引入了专注于“极致低延迟Token生成”的LPU架构,与显卡形成分工协作。在这种混合架构下,系统的推理吞吐量与功耗比最高可提升35倍。

这种“异构计算”的思路正在成为行业共识。云天励飞相关负责人的评论揭示了这一趋势的产业逻辑:“AI推理时代要拼的,不再只是峰值参数,而是能否围绕真实负载做更细颗粒度的异构优化,把每一份算力都尽可能用在刀刃上。”国内AI芯片企业正在围绕GPNPU、PD分离、3D堆叠存储等方面推进推理架构创新,沿着同一条产业方向前进。

与此同时,专用集成电路(专用集成电路)正在成为AI加速器市场的重要增长极。云阿云智库预估,2026年全球AI服务器出货量将年增逾28%,其中专用集成电路基础AI服务器占比可望达27.8%,创2023年以来新高,成长速度将超越显卡基础系统。这一趋势的驱动力来自云厂商对“单位推理成本”的极致追求:针对特定工作负载客制化芯片,成为提升效率的重要路径。

从算力资产管理的角度看,异构计算趋势带来了资产复杂度指数级上升的挑战。一台英伟达显卡服务器和一台基于自研专用集成电路的推理服务器,在资产台账中需要记录的技术参数、兼容性约束和效能指标截然不同。跨架构的算力调度和资源池化,需要更精细的抽象层设计。同时,专用集成电路的“专用性”也意味着其资产贬值曲线更加陡峭——当特定模型架构或推理任务发生变化时,为旧任务定制的专用集成电路可能迅速失去用武之地。

(三)AI工厂:从“数据中心”到“制造设施”的认知重构

2026年算力技术演进中最具战略含义的概念创新,是“AI工厂”范式的提出。IEEE发表的五年路线图(2026-2030)将AI工厂定义为“一个协同设计的系统,横跨芯片、封装、服务器、机架、冷却分配、电力和设施运营”。

AI工厂范式的核心洞察在于:算力的“生产”逻辑正在从“IT服务”转向“工业制造”。传统数据中心是“服务设施”——它托管应用、存储数据、响应请求。而AI工厂是“生产设施”——它的产出是Token,它的产能是Tokens/秒,它的成本结构是“每百万Token的生产成本”。这一认知转变的资产含义是深远的:AI工厂的资产管理更接近工厂的设备管理,而非数据中心的IT资产管理。产能利用率、单位产出的边际成本、设备综合效率(OEE)等制造业管理概念,需要被引入算力资产管理体系。

AI工厂的技术含义同样具体。IEEE研究指出,热机械集成——包括结到壳的热阻、翘曲和夹紧载荷变化下的界面稳定性、可制造性和可维护性约束——正在成为“系统架构问题,而非次要的验证关注点”。这意味着冷却技术和机械设计不再是“配套设施”,而是决定AI工厂能否实现目标功率密度和持续利用率的核心约束。

从产业实践看,AI工厂的模块化建设正在成为主流。行业正在从“服务器机架”作为数据中心基本单元,转向“AI Pod”——一种热插拔、预布线、预管路的模块化区块。每个Pod大约一个钢制集装箱大小,包含20-25个服务器机架,搭载500-1000个显卡。这些单元在工厂中预制和集成,运到设施现场后“即插即用”。当Pod达到使用寿命终点时,整个单元被一次性退役,新的、搭载最新芯片的Pod被推入替换。在准备充分的站点,一个Pod从进场到投入服务的时间通常为4到24小时。

这一“热插拔芭蕾”的技术方案,直接回应了算力资产管理的核心矛盾:物理基础设施的寿命(20年)与芯片的经济寿命(18-36个月)之间的错配。通过将数据中心建筑“降格”为仅提供电力、冷却和网络连接的“坞站”,而将计算能力封装在可独立升级的Pod中,运营商可以在不关闭设施的情况下实现持续的技术更新。对于算力资产管理而言,这意味着资产更新的粒度从“设备级”提升到“模块级”,更新决策、成本核算和折旧处理都需要相应调整。

(四)国产替代路径的技术突破:从“制程追赶”到“系统优化”

在中国面临先进制程获取约束的背景下,技术演进呈现出一条独特的路径:从“几何缩微”转向“时间缩微”。

华为公司2026年正式发表的“韬(τ)定律”,提出了以“时间缩微”替代“几何缩微”作为半导体与电子系统演进的新指导原则。这一理论的核心逻辑是:随着制程到达3纳米并逼近量子隧穿效应的物理极限,单纯依靠晶体管微缩来提升性能的路径面临根本性瓶颈。韬定律转向系统级优化——通过压缩电子元器件、电路芯片系统的全层级信号延迟,来实现时间维度的“微缩”。

韬定律的落地路径包括三个层面:逻辑折叠将芯片内部电路垂直堆叠,信号垂直传输,实测数据显示14纳米成熟工艺经过内部改造后,性能可等效5纳米芯片的算力;Chiplet和3D先进封装将多颗不同工艺的小芯片封装和拼装成高性能算力芯片;系统总线优化让多颗芯片共用内存,解决AI芯片现存的数据搬运瓶颈。

这一技术路径的战略含义在于:制程劣势可以通过系统集成能力来弥补。央广财经的分析指出,通过成熟制程芯片集群的优化,“可以有效提升算力,进而追平或者追上高端制程的相关竞品”。更重要的是,这种路径正在改变算力竞争的“胜负手”:“从原来的‘谁制程更先进’转向以后的‘谁的系统架构更优化’”。

从产业链角度看,韬定律的推进将重新分配行业价值。“可能会加强像芯片封装、高速互联、散热系统软件等产业链的行业地位”。同时,这一路径“打破先进制程垄断”,使国内大量成熟产能得以盘活,“更好地盘活国内大量成熟产能,未来就可以有效补充AI算力”。

对于算力资产管理而言,国产替代路径的“系统优化”特征带来了一个价值评估的独特维度:国产算力资产的价值不仅取决于单卡性能,更取决于集群集成能力、软件栈优化程度和产业链协同效率。一台基于成熟制程芯片但集成优化的国产服务器,可能在特定场景下提供与国际领先产品相当的有效算力,但其“纸面参数”可能显著较低。资产管理需要建立“有效算力”而非“标称算力”的评估框架。

二、能源与绿色算力趋势

(一)算力能耗的指数级增长与结构性压力

能源正在从算力产业的“配套要素”转变为“核心约束”。中国信息通信研究院测算显示,2025年我国算力中心用电量达到1960亿千瓦时,同比增长18.1%,用电增速是全社会用电增速的3.6倍。按照高、中、低三种情景测算,2030年全国算力中心用电量或将攀升至4000-7000亿千瓦时,占全社会用电量比重达到3%-5%。

这一增长态势的驱动力来自两个层面的叠加:算力规模的扩张和单机功率密度的提升。从规模看,全球AI服务器出货量持续高速增长,数据中心电力总容量预计在2026年上升至约155GW,年增约29%。从功率密度看,显卡功耗从H100的700W提升至GB200的1200W以上,单机柜功率从传统的5-10kW跃升至50kW甚至100kW以上。云阿云智库报告指出,快速膨胀的算力用电折射出行业必须直面三重现实挑战:总量压力、结构压力和成本压力。

能源约束的加剧正在重塑算力产业的竞争逻辑。云阿云智库报告进一步指出:人工智能的竞争,表面是算力比拼,实则是电力系统的较量。随着AI大模型普及、数据中心用电激增,稳定、低价、清洁的零碳电力正成为AI项目落地的硬约束。这一判断的政策含义在2026年得到了明确印证:“算电协同”首次写入政府工作报告,明确“实施超大规模智算集群、算电协同等新基建工程”。

(二)液冷技术的规模化部署与PUE极限突破

液冷技术正在从“可选方案”转变为“必选方案”。中国信息通信研究院《绿色算力发展研究报告(2026年)》明确指出,随着算力规模快速增长和高密度算力设备功耗持续攀升,“液冷散热等新技术,已经成为高密度智算中心建设的必备条件”。

液冷技术的能效优势在运营数据中得到了清晰验证。贵安新区南方能源大数据中心的浸没式液冷算力方舱项目负责人介绍:“采用传统风冷模式,完成一度电的计算任务,要额外消耗0.3至0.5度电用于散热;采用全浸没式液冷,散热侧额外耗电可降至约0.15度,节能效果显著。”该项目就近消纳贵州本地水电资源,接入电碳算一体化协同运营系统,可跟随绿电出力波动动态调节算力负荷,实现“算力跟着绿电走”。

从PUE指标看,液冷技术正在推动能效极限的持续突破。曙光数创相变浸没式液冷方案可支撑超高功率机柜,PUE最低可达1.03;中科曙光的scaleX万卡超集群将核心计算机的PUE值降至1.04,接近理论极限;国家先进计算太原中心的PUE同样降至1.04。液冷与绿电的协同效应被概括为:“绿电从源头降低碳排放,解决算力电力供给的低碳化问题;液冷立足负荷侧,大幅压缩制冷环节能耗,可将PUE压缩至1.1至1.2区间,让每一度绿电转化为更多有效算力。”

然而,液冷规模化推广仍面临现实掣肘。行业建设成本整体偏高,运维标准体系尚待完善,余热回收的商业模式有待进一步打通。部分项目“重硬件建设、轻算电协同运营,液冷设备与绿电调度系统联动不足,制约绿色算力价值充分释放”。从资产管理角度看,液冷系统的引入意味着算力资产的物理边界显著扩展——资产管理不再仅覆盖计算设备,还需要覆盖冷却液管路、热交换器、干冷器等配套设施,资产台账的复杂度和维护成本相应上升。

(三)算电协同:从“绿色数据中心”到“能源-算力联合优化”

算电协同正在从工程概念演变为制度框架。2026年9月,中央网信办等七部门联合印发《促进数字化绿色化协同转型发展实施方案(2026—2030年)》,将算力设施绿色化置于“提升新兴领域用能效率”的突出位置。方案明确提出“推动算力与电力协同发展,统筹算力设施绿电需求和新能源消纳需要,引导算力资源向风光水等清洁能源富集地区集聚”,并部署了“攻关算力和电力协同调度、绿电直连以及高效、长时、大容量新型储能等技术和标准”的具体任务。

算电协同的核心机制是利用算力负载的时间弹性和空间弹性来匹配电力系统的供需波动。从时间弹性看,AI训练任务具有“可延迟性”——一个训练任务的开始时间可以在数小时甚至数天的窗口内灵活调整,而推理任务中也有相当比例可以容忍秒级到分钟级的延迟。从空间弹性看,算力任务可以在不同地理位置的数据中心之间迁移,优先使用绿电富集或电价低谷地区的算力资源。

政策框架的量化目标为算电协同提供了明确的方向。方案明确“到2030年,推动算力设施等重点领域可再生能源电力消费水平达到所在省份可再生能源电力消纳责任权重水平”。这一目标的含义是:算力设施的绿电使用比例不再是一个“自愿性”的企业社会责任指标,而是具有约束力的合规要求。

从技术路径看,算电协同的落地需要电碳算一体化协同运营系统的支撑。贵安新区的实践提供了一个参考样本:方舱就近消纳本地水电资源,接入电碳算一体化协同运营系统,可跟随绿电出力波动动态调节算力负荷。这种“算力跟着绿电走”的模式,本质上是将算力资产视为电力系统的可调度负载,通过算力调度的灵活性来提升可再生能源的消纳能力。

(四)绿色算力市场的规模化增长

绿色算力正在形成一个规模可观的新兴市场。云阿云智库报告预测,全球绿色数据中心市场将从2025年的482.6亿美元增长至2030年的1557.5亿美元,年复合增长率达26.4%。这一增长的核心驱动力来自三方面:AI工作负载对高密度、高效率基础设施的刚性需求,全球监管框架对PUE和碳排放的持续收紧,以及企业对ESG合规和绿色品牌价值的日益重视。

从市场结构看,绿色冷却解决方案将占据最大份额。预测显示,到2030年,绿色空气冷却和液体冷却解决方案将主导绿色数据中心市场。同时,软件和服务的增速将超过硬件,反映出市场对自动化、能源优化和合规报告的需求正在快速上升。DCIM(数据中心基础设施管理)和BMS(建筑管理系统)软件的投资增速预计将快于硬件采购。

从区域格局看,亚太地区预计将以23.4%的年复合增长率领跑全球绿色数据中心市场。这一增长受到多重因素的催化:日本的碳中和数据中心倡议、印度的数据主权政策、澳大利亚的可再生能源区划,都在推动新建设施采用绿色标准。东南亚地区的电网瓶颈则刺激了“私营太阳能+电池”交易模式的发展,使该地区在互联升级完成后有望实现“蛙跳式”效率提升。

从资产管理的角度看,绿色算力的市场化正在创造新的资产类别和收益来源。绿证交易、碳配额、余热回收的市政供热收入等,正在成为算力资产的“附属收益流”。资产估值模型需要将这些绿色收益纳入考量,而资产台账则需要追踪碳足迹、绿电占比、余热回收量等绿色绩效指标。

三、算力经济模式演进

(一)算力资产金融化:从“硬件”到“生息资产”

2026年算力经济模式最深刻的变革,是算力资产金融化的制度性突破。英伟达与贝莱德、黑石、阿波罗、博枫、高盛、KKR六大华尔街顶级资管机构达成战略合作,搭建独立算力基础设施融资平台,长期目标动员超过5000亿美元第三方资本,投向AI算力数据中心建设。这一合作的标志性意义在于:算力正式被定义为一类独立、可运营、可融资、可证券化的基础设施资产。

这一融资范式的运作机制具有清晰的金融工程逻辑。金融机构将高端显卡集群、光纤通信网络、智算中心电力合约与长期算力租用服务协议打包,切割为独立的特许经营实体(SPV)。SPV以此资产池进行结构化资产支持融资,实现算力债务的“表外化”。在这一结构下,显卡不再是被动贬值的电子设备,而是“一种能够产生稳定现金流、具备高边际收益的生产性生息资产”。

从Token商业模式的角度审视,算力资产金融化实现了三个层面的“通证化”。第一,算力资产的“原子级拆分”与标准化:显卡计算能力被拆解为“浮点运算每秒/小时”或“显卡-Hours”,庞大的实体基础设施被按时间与计算当量精准地颗粒化,具备了可拆分、同质化与自由互换的属性。第二,RWA的金融闭环与证券化衍生:实体显卡物理资产与未来算力收益权被打包、证券化与通证化,分发给一级与二级市场的资本机构。第三,使用权与收益权的分离:算力的“所有权”归SPV或金融机构所有,“使用权”归大模型研发企业所有,“收益分红权”归债权与股权投资者所有,三者被彻底剥离,“极大地提高了资本的复用效率”。

这一模式正在催生算力资产估值范式的革命。市场不再关注折旧后的硬件账面净值或单纯的硬件销售毛利率,而是转向关注“算力年化续约收入、算力池利用率以及每T浮点运算每秒资本回报率”。传统模式将显卡视为3-5年直线折旧的快速贬值设备,而新兴模式则将显卡视为现金流产生器,结合算法迭代与算力期货套期保值,“评估其动态年化收益率”。

(二)算力资产证券化:IDC公募REITs的实践与启示

算力资产证券化在中国市场已经进入实质性落地阶段。截至2026年8月末,国内公开上市交易的IDC公募REITs共有2单——南方润泽科技数据中心REIT和南方万国数据中心REIT,两只产品于2025年8月8日同步挂牌上市。

从运营数据看,IDC REITs的底层资产表现出较强的现金流稳定性。南方润泽科技数据中心REIT二季度实现营业收入1.42亿元,可供分配金额7771.45万元,底层资产上架率达到99.35%,电费及托管服务费收缴率为100%,加权平均客户合同剩余租期接近8.5年。南方万国数据中心REIT二季度实现总收入5010.46万元,底层国金数据中心上架率为97.95%,收缴率达100%。两大项目“机柜上架率、收缴率双双维持近乎满格水平,几乎不存在租金坏账,经营性现金流稳定性较强”。

IDC REITs的实践揭示了算力资产证券化的核心条件:底层资产必须具有稳定的现金流和可预测的收益结构。润泽REIT的“长租约锁定大部分机柜资源”策略,万国REIT的“客户以云厂商、大型科技企业为主”的客户结构,都是支撑现金流稳定性的关键因素。这一经验对更广泛的算力资产证券化具有参照意义:显卡集群等设备类资产的证券化,需要解决“现金流可预测性”这一根本挑战——显卡租赁合约的期限通常远短于IDC机柜租约,且面临更高的技术迭代和承租人信用风险。

从资本市场角度看,IDC REITs的配置价值正在被认可。银河证券的统计显示,截至2026年7月,产权类REITs的股息率比中证红利股股息率均值高92BP,IDC作为“产权类REITs中基本面确定性最高的赛道之一,其高股息属性在当前‘资产荒’环境下的稀缺性正进一步凸显”。这一估值优势的资产含义是:算力基础设施正在从“科技股”的估值逻辑向“基础设施资产”的估值逻辑迁移——市场开始用现金流折现和股息率来定价算力资产,而非用增长预期和市销率。

(三)Token经济:从“资源计量”到“业务计量”的商业模式重构

Token正在成为算力经济的核心计量单位和商业载体。围绕Token“生产-调度-定价-消耗-交易”等环节形成的Token经济正在加速发展。

从商业模式看,Token经济的参与主体正在快速多元化。互联网厂商重点聚焦AI Agent开发、编程辅助等B端场景,推出统一计费方案;电信运营商从“流量经营”向“算力经营”转型,推出试商用Token套餐,最低月费进入个位数区间。这一趋势的深层含义是:算力的计量单位正在从“卡时”“核时”等资源性指标,向“Token”等业务性指标迁移。

这一迁移对算力资产管理提出了新的要求。传统的“卡时利用率”指标只能反映设备的物理使用状态,无法回答“每一单位算力产出了多少业务价值”这一核心问题。Token计量则将算力的“产出”与“消耗”直接挂钩,使资产管理能够以“单Token成本”和“单Token收入”作为核心效能指标。从资产管理角度看,这意味着资产台账需要记录“Token产出”维度,效能评估需要从“设备级”下沉到“业务级”。

(四)算力债务周期与风险积聚

算力资产金融化在打开产业扩张上限的同时,也埋下了新的风险隐患。云阿云智库报告明确指出:算力资产金融化打开了AI产业扩张的上限,也埋下债务周期、资产贬值、风险集中的隐患。

债务周期的风险来自算力基础设施融资的杠杆结构。SPV模式虽然实现了债务的“表外化”,但债务本身并未消失,只是从算力服务商的资产负债表转移到了SPV层面。当算力租赁需求增速放缓或算力价格下行时,SPV的现金流可能无法覆盖债务偿付,引发连锁反应。摩根大通的研究指出,超大规模云厂商的云端积压订单总额已达约1.7万亿美元,同比增长超过150%。虽然积压订单提供了收入可见性,但订单的“履约质量”——即承租人是否有能力按合约支付——在算力价格快速变化的环境中存在不确定性。

资产贬值风险来自技术迭代与金融估值的错配。在金融化模式下,显卡被视为“能够产生稳定现金流的生息资产”,其估值基于对未来算力租金的预期。但如果新一代芯片的性能提升幅度显著超过预期,旧一代芯片的租赁价格可能快速下跌,导致基于旧价格预期的资产估值出现减值。云阿云智库报告分析指出,传统模式将显卡视为“3-5年直线折旧的快速贬值设备”,而金融化模式“结合算法迭代与算力期货套期保值,评估其动态年化收益率”。但“动态年化收益率”的评估依赖于对技术迭代速度和市场供需的准确预测,而这恰恰是算力领域最难以预测的变量。

风险集中的隐患来自算力资产金融化生态中核心节点的信用关联。英伟达既是芯片供应商,又是融资平台的发起者和生态组织者;云厂商既是算力资产的持有者,又是算力服务的提供者;模型公司既是算力的使用者,又是算力租赁合约的承诺方。这种多重角色交织的结构,使得单一节点的信用事件可能通过供应链、融资链和租赁合约链快速传导,形成系统性风险。

四、地月空算力前沿与中美太空竞争

(一)太空算力的概念体系与战略定位

太空算力并非单一概念,而是由在轨边缘算力、轨道数据中心和地月基础设施构成的多层次体系。

在轨边缘算力(近中期)侧重于“以计算换带宽”,通过在轨处理遥感等卫星原生数据,解决地面对接链路的带宽瓶颈。航天公司CTO描述为“已经在发生”的现实:“卫星在数据生成处进行处理,不必与地面交互。地球观测已经被这一转变深刻影响——你把TB级数据转化为KB级智能,在轨道上完成真正的智能处理。”

轨道数据中心(中长期)面向通用云计算与AI训练,旨在通过超大规模星座替代地面基础设施,规避地表的能源约束和法律监管。云阿云智库报告分析指出,大规模轨道数据中心距离现实仍有相当距离,最早可自信预测经济可行性的时间约为2040年。制约因素包括电力供应、入轨质量成本、高性能芯片对辐射的脆弱性,以及最根本的挑战——将这一切整合为可靠、自主的系统。

地月基础设施(远期)聚焦于深空探测保障与数据异地容灾。云阿云智库报告指出,深空任务的通信延迟使地面在环不切实际:如果你考虑去火星,那有长达40分钟的延迟。如果你需要地面在环,那实际上是不可行的。

从战略定位看,太空算力的核心价值并非替代地面数据中心,而是聚焦网络覆盖盲区、数据回传受限及高时效性场景,提供‘在轨计算+天地协同’的新型供给范式,天基计算是开启太空智能时代的算力底座,将成为未来制天权的核心制高点。

(二)中国太空算力的工程进展与产业化路径

中国在太空算力领域已经建立起工程验证的先发优势。由北京邮电大学牵头的“天算星座”是全球首个太空计算星座,自2021年启动以来已部署16颗低轨卫星和7个地面站,支持超过60家机构进行在轨测试,吸引50多个国家和地区的研究人员参与生态系统。

2026年8月,中国太空计算云正式启动常态化在轨实验服务,实现了“从任务提交、部署、执行、监控到结果交付的全生命周期自动化”。该平台具备多项关键技术能力,包括构建可复用的平台化服务、支持星载软件的长期可靠运行,以及为空间数据的实时在轨处理和卫星自主决策奠定基础。自投入服务以来,平台已支持多项任务,包括在轨大数据计算和6G通信,超过100名用户接入了这一高效能服务。

从产业化路径看,中国太空算力聚焦于天地协同的应用场景。国家航天局商业航天司副司长于国斌在2026太空算力产业大会上指出,天基计算技术“可以为应急响应、海洋观测、航空航运和极地探险提供实时智能服务”。与传统地面数据中心相比,太空计算云的优势在于“实时响应能力和全球覆盖”。

产业链层面,中国正在系统性地补齐短板。学术研究指出,我国面临“发射成本与高性能芯片生态等规模化门槛、卫星制造与星间通信等性能上限约束,以及地面设施与应用生态等商业闭环挑战”。应对策略包括“发挥新型举国体制优势统筹国家与商业航天协同发展,系统补齐产业链短板以构建自主可控生态,抢占频率轨道资源战略制高点”。

(三)美国太空算力的军事化驱动与商业化探索

美国太空算力的发展呈现出军事需求牵引与商业创新并行的特征。在军事领域,美国太空军正在将AI和自主性作为维持太空优势的核心能力。太空军作战部长钱斯·萨尔茨曼将军明确表示,下一代太空作战将“由人工智能、自主性和机动操作驱动”。

布兹·艾伦·汉密尔顿开发的“太空计算网关”(SCG)代表了美国军事太空算力的技术方向。该系统“将数据处理和任务分配直接移至在轨硬件”,其核心理念是“将地面从地面系统中移除”。SCG的设计逻辑是应对传统地面系统的两个根本限制:规模和韧性。“我们不能为1000颗不同的卫星建造1000个地面站。我们必须开始思考扩散型星座如何协同工作,以及我们能做些什么来将决策推送到边缘以减少延迟。”

在商业领域,美国企业正在探索太空算力的商业化路径。2025年末,英伟达携手星云成功将一块H100芯片送入轨道,标志着太空算力进入AI时代。SpaceX向SEC提交的招股说明书披露了发射多达100万颗卫星、每年在太空部署100吉瓦计算能力的远期构想。航天公司的分析认为,商业公司在电力、入轨质量、辐射加固等多个领域正在创新,但在轨道验证——最终,没有替代品。

(四)中美太空算力竞争的结构性差异与战略含义

中美在太空算力领域的竞争呈现出发展路径和战略逻辑的结构性差异。

从技术路径看,美国以SpaceX等商业航天企业为先锋,采取“激进规模化”策略——通过超大规模星座和快速迭代降低发射成本,以量取胜。中国则以“天算星座”等国家主导的平台为核心,采取“系统化验证”策略——注重天地协同、生态建设和可持续路径,以质取胜。

从应用导向看,美国的太空算力发展具有强烈的军事和安全导向。太空军对agentic AI的投资、SCG系统的开发、对“机器速度决策”的追求,都服务于“维持太空优势”的战略目标。中国的太空算力则更强调民用和商业应用——应急响应、海洋观测、6G通信、商业航天等场景,体现了“服务经济社会发展”的定位。

从产业生态看,美国依托成熟的商业航天体系和风险投资机制,形成了“政府需求牵引+商业创新供给”的生态。中国则发挥“新型举国体制”优势,“统筹国家与商业航天协同发展”。两种模式各有优势:美国的商业创新速度更快,中国的系统整合能力更强。

从时间尺度看,据云阿云智库报告对轨道数据中心经济可行性的判断——“最早2040年”——为中美竞争提供了一个重要的时间参照。这意味着在未来15年内,太空算力的主要价值仍将集中在轨边缘计算领域,而非替代地面数据中心。在这一时间窗口内,竞争的关键在于:谁能更快地将在轨边缘计算从“技术验证”推进到“规模化商业部署”,谁能在频率轨道资源分配中占据有利位置,谁能建立起可持续的产业生态和商业模式。

太空算力竞争的战略含义超越了技术本身。它代表着算力资产边界的根本性扩展——从地面数据中心到轨道平台,从固定设施到可移动的星座,从受地理和法律约束的资产到具有全球覆盖能力的资产。对于算力资产管理而言,太空算力引入了一系列全新的管理维度:辐射环境下的资产寿命评估、在轨可维护性和可升级性设计、频率轨道资源的“资产化”管理、以及天地协同调度中的延迟优化。这些议题目前尚处于理论探索阶段,但它们的出现本身就标志着算力资产管理正在从“地面基础设施管理”向“空天地一体化资产管理”演进。

本章小结

全球算力发展正在经历技术、能源、经济和空间四个维度的同步变革。技术上,从“峰值算力”向“系统级性能”的范式转换正在重塑芯片架构、数据中心设计和资产更新逻辑;能源上,液冷技术的规模化部署和算电协同的制度化推进正在将“绿色算力”从理念变为合规要求;经济上,算力资产金融化和Token经济正在催生全新的估值范式和商业模式,同时也埋下了债务周期和风险集中的隐患;空间上,太空算力从边缘计算向轨道数据中心的演进,正在将算力资产的边界从地面扩展到地月空间,中美的战略竞争在这一前沿领域呈现出路径分化和时间错位的复杂格局。对于算力资产管理而言,这些趋势共同指向一个核心命题:管理的对象正在从“静态的硬件设备”演变为“动态的、可金融化、可空间扩展的生息资产”,管理框架需要相应的根本性升级。


点击数/观注度 182
  • 你可能感兴趣的?
  • 李桂松:人形机器人与具身智能报告(十二)    
    李桂松:人形机器人与具身智能报告(十一)    
    李桂松:人形机器人与具身智能报告(十)    
    李桂松:人形机器人与具身智能报告(九)    
    李桂松:人形机器人与具身智能报告(八)    
    李桂松:人形机器人与具身智能报告(七)    
    李桂松:人形机器人与具身智能报告(六)    
    李桂松:人形机器人与具身智能报告(五)    
    李桂松:人形机器人与具身智能报告(四)    
    李桂松:人形机器人与具身智能报告(三)    
    云阿云智库●区域经济研究院
    北京市平谷区中关村科技园区平谷园1区-21594(集群注册)
    13360021949 (李博士)
    liguisong2006@163.com
    京ICP备16017448号
     
    公安部备案
    技术支持