现在需要担忧算力过剩吗？

近期美股及港A股算力产业链的股价大幅回落，引发市场对DeepSeek崛起可能抑制全球算力投资的担忧。

笔者认为，这种观点错判了科技发展的底层逻辑——算力投资并非线性萎缩，而是伴随技术革新进入结构性调整阶段。

反直觉的杰文斯悖论

想象你买了一辆超级省油的新车，百公里油耗从10升降到5升。按照直觉，你每个月油费应该减半对吧？但现实可能是：因为油费便宜了，你开始天天开车去郊外兜风，周末还自驾游去西藏，最后油费开支反而比买车前更高。

这就是杰文斯悖论——技术进步提高了资源利用效率，反而导致资源总消耗量增加。

威廉·斯坦利·杰文斯于1865年揭示的能源效率陷阱，本质上诠释了技术演进中的动态博弈规律：资源利用效率提升带来的边际成本下降，将触发需求扩张、应用场景泛化与产业生态重构的三重效应。

这一规律在算力领域呈现出更为复杂的演化逻辑——2025年全球算力市场规模预计突破3.5万亿美元的背后，正是AI训练效率跃升引发的链式反应。

以DeepSeek-V3模型为例，其训练成本仅需557.6万美元(含预训练、上下文扩展与后训练全流程)，较同类模型成本降低约53%。通过独创的"无辅助损失负载均衡策略"和"FP8混合精度训练"技术，单GPU集群算力利用率提升至92%，远超行业平均65%的水平。

这种效率革命非但未抑制算力需求，反而引发全球算力芯片采购量激增：2023年英伟达数据中心GPU出货量达385万颗，2024年预计突破400万颗，中国市场需求缺口较大。微软、Meta等巨头通过提前锁定H100/H800芯片供应占据先机，而DeepSeek通过动态稀疏训练算法与专家并行架构，将万卡集群训练成本压缩至传统方案的1/3。

这种技术迭代与需求扩张的共生关系，正是杰文斯悖论在数字时代的具象化表达。当大模型单次训练成本从GPT-3的1200万美元降至DeepSeek-V3的557万美元时，头部企业的并行实验数量从年均3次跃升至28次。

另外，头部资本厂商资本开支“超预期”加码，不仅打破了市场对算力需求见顶的担忧，更标志着 AI 竞赛将进入高强度投入阶段，未来资本开支的“滚雪球效应”将推动多个方向的技术创新。

头部厂商的 AI 竞赛将从模型参数的高低演变为生态环境竞争：一方面随着资本开支向算力基建渗透，AI 将加速向终端场景下沉；另一方面各厂商已加速芯片供应链的解耦进程，加紧推进自研 ASIC 方案的进度，如 AWS 正在加速研发的Tranium 系列芯片、谷歌的 TPU 芯片等。伴随今年资本支出落地，多个方向的创新将迎来爆发时刻。

技术突破带来的成本下降，直接催化了应用场景的指数级扩展——从2023年主要集中于文本生成，到2025年渗透至智能制造、卫星遥感、生物医药等多元领域。

国产算力产业链深度重构

在全球AI竞赛进入白热化的2024年，国产算力产业链正在经历结构性变革。不同于2023年单纯的需求驱动，当前市场呈现出技术迭代、政策引导、需求升级三重共振的复杂格局。在这场算力革命中，产业链各环节正在经历价值重构，催生出多个确定性增长赛道。

老旧数据中心改造已从政策要求转变为市场刚需。

以北京亦庄数据中心集群为例，这个承载着字节跳动、快手等企业算力需求的超大规模数据中心，正在实施"液冷+高压直流"的混合改造方案。

技术数据显示，改造后单机柜功率密度从6kW提升至30kW，PUE值由1.42降至1.15，相当于每年节省用电量2.1亿度。这种改造浪潮正从一线城市向中西部蔓延，鄂尔多斯"草原云谷"数据中心通过引入间接蒸发冷却技术，在干旱气候环境下实现全年自然冷却时间占比达78%。

在英伟达H20芯片供应受限的背景下，国产算力租赁市场呈现独特的供需结构。比如优刻得在乌兰察布建设的绿色算力基地，通过风电直供和液冷技术，将算力租赁碳排放强度降至0.32kg CO2e/kWh，开辟出"绿色算力即服务"新赛道。

AI算力密度提升正在改写数据中心技术标准。这种变革倒逼配套设备升级：中科曙光最新相变液冷技术可使单机柜散热能力提升至100kW，同时降低30%的泵功消耗；科华数据研发的480V高压直流电源系统，相较传统UPS效率提升6个百分点，已在国内三大运营商AIDC项目中实现规模化部署。

尽管短期市场存在波动，但产业底层逻辑持续强化。微软资本支出同比增长79%至140亿美元，其中50%投向AI基础设施；国内三大运营商(中国移动、中国电信、中国联通)宣布2024年算力投资总额将超千亿元。更具标志性的是，百度智能云在山西阳泉建设的智算中心，验证了国产算力体系的商业可行性。

正如黄仁勋在法说会上表示，AI 应用尚处于起步阶段，后续AI Agent、多模态 AI 的发展仍将保持算力的高需求。目前海内外云厂商均加码投资 AI基础设施建设，创新性技术突破的出现将只是时间问题。

短期来看，市场对于 AI 发展前景持摇摆态度也属正常，而长期视角下，只要 AI 发展的逻辑并未出现动摇、产业发展按照规律持续进行，算力产业链的景气度终将回归。而海外需要突破性创新带动算力需求，国内 AI 产业起步较晚，基数较低，主要应关注算力产业链边际变化。

国产算力产业链可划分为以下细分领域及核心企业：

服务器领域以浪潮信息、中科曙光和紫光股份为主导。浪潮信息作为全球AI服务器龙头，国内市占率超60%；中科曙光凭借液冷技术优势成为中国超算行业霸主；紫光股份则在云管理平台市场占据国内份额第一。

算力芯片领域涵盖海光信息、赛武纪和景嘉微。海光信息是国产x86服务器CPU领军者，性能对标国际水平；赛武纪作为科创板AI芯片首股，掌握智能芯片全栈技术；景嘉微则专注于国产GPU芯片研发，处于行业领先地位。

光模块领域由中际旭创和光迅科技领跑，前者为全球光模块解决方案龙头，后者是国内唯一实现10G+高端光芯片量产的企业。

液冷温控技术方面，英维克作为行业标准制定者，与高澜股份共同引领技术革新，后者以一体式浸没液冷技术见长。

高速连接领域的华丰科技是高速铜连接技术领军企业；算力租赁领域的中贝通信则属于通信网络服务第一梯队。

数据中心以润泽科技为核心，其作为IDC头部企业，已储备32万架机柜，规模优势显著。

在这场算力革命中，产业变革呈现出三个鲜明特征：技术代差加速收敛、商业模式持续创新、绿色转型深度融合。当液冷渗透率从2023年的15%向2025年的40%跃进，当算力租赁市场规模突破千亿关口，当国产AI芯片市占率持续突破，这些量变到质变的拐点正在重塑产业竞争格局。

全球AI发展正在进入地域特色化阶段，中国算力体系的独特进化路径将深刻影响全球AI产业格局。在这种背景下，国产算力产业链的深度价值重估或才刚刚开始。