中國AI算力版圖悄悄洗牌？阿里巴巴、華為、字節跳動搶進內蒙古，這座城市究竟有什麼吸引力？
隨著人工智慧（AI）應用快速擴張，中國正加速在內蒙古等能源資源豐富的地區興建大型資料中心，試圖利用低廉電價、充足土地及快速施工能力，擴大AI算力基礎設施。其中，過去以農業及重工業為主的烏蘭察布，正迅速轉型為中國重要的AI算力中心，吸引阿里巴巴Alibaba(BABA-US)、華為Huawei、字節跳動ByteDance等科技企業投入建設。
中國發展AI的競爭優勢，已不僅限於演算法及晶片技術，也包括資料中心建設速度、電力供應與基礎設施成本。儘管中國仍面臨先進AI晶片供應不足的限制，但在土地取得、電網連接及施工效率方面，正展現明顯的成本與建設優勢。
研究機構SemiAnalysis估計，中國目前已投入營運的資料中心容量超過亞洲其他地區總和，另有約50 GW的新增資料中心電力容量處於規劃或開發階段。隨著建設持續推進，中國與美國在AI基礎設施規模方面的差距可能進一步縮小，但算力效能仍取決於高階AI晶片的取得能力。
阿里巴巴、華為與字節跳動進駐，烏蘭察布形成大型資料中心聚落
烏蘭察布位於中國內蒙古自治區，距離北京約2小時高鐵車程。當地過去主要依賴馬鈴薯種植、畜牧業及傳統工業，如今隨著AI算力需求快速成長，正成為中國資料中心建設最密集的地區之一。
目前烏蘭察布郊區至少有4座大型資料中心園區正在施工，參與企業約12家，包括阿里巴巴、華為，以及專業資料中心營運商ZData與萬國數據服務同業VNET(VNET-US)等。其中，字節跳動是當地資料中心租賃服務的主要客戶，AI模型開發商DeepSeek及智譜AI（Z.ai）也正在當地建設運算設施。
華為目前在烏蘭察布擁有3座資料中心。華為輪值董事長徐直軍今年8月首次造訪當地時，對資料中心建設規模感到意外。他指出，當地具備低電價優勢，加上高鐵可快速連接北京，使烏蘭察布成為部署大型算力設施的理想地點。
烏蘭察布目前已承諾投入的資料中心電力容量約15 GW，而已建成及規劃中的設施合計涉及89座資料中心，擴張速度在亞洲主要資料中心聚落中名列前茅。
內蒙古電價僅北京約45%，充足電力成為AI算力擴張關鍵
電力成本是烏蘭察布吸引科技企業投資的主要因素。截至今年6月，內蒙古已建置約117 GW風力發電裝置容量，為中國規模最大的風電基地，約相當於英國整體風電裝置容量的4倍。此外，內蒙古還擁有約130 GW化石燃料發電容量，其中以燃煤發電為主。
由於資源相當充足，內蒙古可能是全球地方行政區中電力供應過剩最明顯的地區之一。由於部分發電設施利用率偏低，大型資料中心的進駐有助於吸收當地剩餘電力，改善發電資產的使用效率。
從電價來看，烏蘭察布每度電約0.358 yuan，明顯低於中國許多城市超過0.60 yuan的工業電價，也只有北京約0.80 yuan電價的45%左右。
對於需全年持續運轉、耗電量龐大的AI資料中心而言，電力成本差距將直接影響長期營運費用，也使中國大型科技企業更有誘因將算力設施部署至能源成本較低的內陸地區。
除了電價優勢，內蒙古年平均氣溫約4.3°C，寒冷氣候有助於降低資料中心冷卻系統的能源消耗，進一步改善整體電力使用效率。
當地電網架構也提供額外優勢。內蒙古部分地區由獨立運作的蒙西電網供電，使部分資料中心專案能直接連接專用發電設施，降低電力傳輸限制及相關費用。
不過，內蒙古同時存在水資源不足的問題。由於大型資料中心需要冷卻設施維持伺服器運作，若未來算力容量持續快速增加，水資源供應可能成為限制當地資料中心擴張的重要因素。
建設成本低20%、施工期縮短至12至18個月，模組化設計加快擴張
除了電力優勢，中國資料中心建設成本及施工速度也具有競爭力。
根據高盛Goldman Sachs(GS-US)估計，烏蘭察布資料中心的建設成本較中國主要城市低約20%。當地建設工程大量採用標準化模組設計，並從其他省分引進數千名工人，在工地周邊設置臨時住宿設施，以提高施工效率。
目前不少資料中心工程預計可在12至18個月內完成，相較之下，美國同類型設施一般需要18至24個月。
中國業者主要採用預製模組化資料中心設計，將伺服器機櫃及相關設備整合至標準化單元，再運送到現場快速組裝。這種建設方式被形容為「樂高式資料中心」，其概念也已被部分美國超大型雲端服務業者採用。
隨著資料中心建設規模持續擴大，烏蘭察布周邊也逐漸形成包含能源設備、冷卻系統及基礎設施工程的產業供應鏈。
例如，遠景科技集團Envision正在當地多座資料中心附近興建綠色能源專案，規劃完成後可提供約2 GW電力，理論上足以支援最多100萬張AI加速運算卡的電力需求。
此外，資料中心建設也帶動液冷設備需求。維諦技術Vertiv(VRT-US)的液冷系統已出現在ZData與Centrin Data System的資料中心設施中。
這反映AI算力基礎設施投資正在帶動上游電力設備、散熱系統、伺服器機櫃及模組化資料中心等相關產業需求。當能源供應、設備組裝及資料中心施工集中於同一區域時，也有助於縮短運輸距離與建置時間。
AI代理應用帶動算力需求，資料中心租賃價格上升
儘管中國資料中心建設速度快速，市場仍關注是否可能出現投資過剩。
對此，部分分析師認為，AI應用需求成長仍可支撐新增算力供給。
傑富瑞分析師Edison Lee指出，隨著AI代理（AI Agents）應用快速發展，AI模型推論所需的運算量持續增加，帶動資料中心算力租賃需求與價格同步上升。
其中，AI模型處理的Token數量快速成長，是推升運算需求的重要因素。
相較於過去主要由AI模型訓練帶動的集中式運算需求，AI代理可自主執行多步驟任務，涉及反覆推理、工具調用及資訊處理，可能增加推論階段的算力消耗。
這也使AI基礎設施投資逐漸從單純擴充GPU運算設備，延伸至電力供應、冷卻系統、資料中心建設及算力租賃服務等領域。
先進AI晶片供應仍是瓶頸，中國以電價優惠推動國產晶片採用
雖然中國在資料中心建設及能源成本方面具有優勢，但先進AI晶片供應仍是限制算力擴張的重要因素。
受到美國出口管制，以及中國本土晶圓代工廠先進製程產能有限的影響，中國科技企業取得高效能AI加速器仍面臨挑戰。
為降低對輝達Nvidia(NVDA-US)晶片的依賴，中國政府正透過財政及能源價格政策，鼓勵資料中心採用國產AI處理器。
採用中國本土晶片的資料中心，可獲得較優惠的稅務待遇，以及電力與用水價格折扣，藉此提高國產晶片的使用誘因。
這也使中國AI算力產業呈現兩種不同的發展速度：一方面，資料中心建築、電力設施及散熱基礎建設快速增加；另一方面，先進AI晶片的供應能力仍受到製程技術及產能限制。
對於烏蘭察布等快速擴張的算力中心而言，未來能否將新增資料中心容量有效轉化為實際運算能力，將取決於國產AI加速器的性能提升、先進晶片供應，以及AI推論需求能否持續成長。