智通財經APP獲悉，當地時間9月2日，在美國北卡羅來納州舉行的G20創新部長級會議上，英偉達CEO黃仁勳再次把AI拉到了一個更宏觀的位置。「最終，每個國家都必須認識到，AI是一種基礎設施，就像水、道路、電力和互聯網一樣。」黃仁勳表示，每個國家都需要建設自己的AI基礎設施，為本國研究人員、學生、產業和創業公司提供「數字智能能力」。

這已經不是黃仁勳第一次談「AI工廠」。傳統數據中心更像是信息的存儲和處理場所，而AI時代的數據中心開始承擔一種新的生產職能：電力進入，經過計算、網絡、存儲和軟件系統，最終生產出Token和智能服務。因此，AI時代需要建設的，不只是更多機房，也不僅是採購更多計算設備，而是一套能夠持續穩定「生產智能」的基礎設施體系。

這套體系由什麼構成？誰在把它建起來？它又靠什麼持續運轉？這是理解「AI工廠」需要依次回答的三個問題。

算力競爭，正在從單點資源走向系統能力

這輪全球AI基礎設施擴張有一個明顯特徵：規模越來越大，同時涉及的環節也越來越多。GPU只是其中一環。真正建設一個大規模AI集群，還需要穩定電力、高密度數據中心、液冷系統、高速網絡、存儲，以及集群組網、調度和運維能力。近期全球數據中心投資繼續升溫，電力和冷卻設備企業也成為這一輪AI資本開支的重要受益者。市場正在越來越清楚地看到：算力短缺背後，本質上是一整套基礎設施供給能力的約束。

這也解釋了為什麼今天評價一家AI基礎設施公司，已經很難只看一個數字。有多少算力固然重要，但同樣重要的是：這些算力放在哪裏、用什麼電、多久能夠上線、能否穩定運行，以及單位算力最終能夠產生多少有效Token。從這個角度看，「AI工廠」首先是一項系統工程。

誰在建設"AI工廠"：兩個樣本，兩種路徑

系統工程的方向容易說清，難的是落地。電力、土地、設備、網絡、調度乃至算力服務分散在產業鏈不同環節，能把它們組織成一座「工廠」的公司並不多。過去算力公司的競爭，多集中在機房、電力或設備等單一資源，如今則開始向更完整的服務鏈條延伸。就目前公開披露的業務結構看，潤澤科技（300442.SZ）和粵港灣智算（01396）是較有代表性的兩個樣本，恰好對應兩條路徑：一條依託既有底座向上生長，一條以一體化交付把分散要素組裝成完整「工廠」。

潤澤科技代表的是「自底向上」的路徑。多年IDC業務讓它掌握了數據中心、電力、製冷、運維等基礎資源——這些「重資產、長周期」的能力，恰是AI工廠最難從零複製的環節。當行業進入高密度算力時代，這套存量底座反而成為稀缺資產：無需推倒重來，即可升級為承載AI算力的基礎設施。數據印證了這一轉化的速度：2026年上半年，其AIDC業務收入19.95億元，按年增長126.24%，佔總營收已超過一半。潤澤已不只是「提供機櫃的公司」，而是在把數據中心底座系統性地轉化為AI時代的生產性基礎設施。

粵港灣智算代表的則是另一條路徑——不是從存量資源中生長，而是以工程化的方式，把一座「工廠」整體造出來、交出去。截至中期業績公告日，公司已交付及運營FP16稠密算力超5萬P，形成「設施、設備、技術」三位一體的交付體系：既解決IDC、電力、帶寬和運維，也把服務器、存儲、網絡等硬件組織起來，完成大規模集群的組網、調度和調優，並進一步向異構算力調度、模型部署和推理服務延伸，明確提出「Token工廠」的方向。

一家從資源底座向上生長，一家以一體化交付直達全鏈——路徑不同，指向相同：把分散在產業鏈各環節的要素，組織成一座可持續運轉的「AI工廠」。

比「建多少」更重要的是「產多少」

如果說過去兩年AI產業解決的是「有沒有算力」的問題，那麼下一階段真正決定產業效率的，可能是「算力怎麼用」。同樣一座數據中心、同樣規模的設備，如果電力成本不同、集群利用率不同、推理效率不同，最終產生的Token數量和成本可能完全不同。

所以，AI工廠最終仍要算一筆經濟賬。資本開支能否轉化為穩定收入？設備生命周期內能否保持較高利用率？電力和運維成本能否持續下降？技術優化能否提高單位算力產出？這些問題決定了AI基礎設施究竟是一場簡單的資本擴張，還是一門真正可以持續運轉的生意。

黃仁勳不斷強調AI基礎設施，背後其實提示了一個更大的產業變化：人工智能競爭正在從算法和模型向基礎設施縱深延伸。對於中國而言，真正需要的「AI工廠」，或許不是簡單複製海外某一種模式，也不是與某一種芯片綁定，而是建立一套能夠適配多元算力、規模化交付、持續優化效率，並最終穩定生產智能的基礎設施體系。

當行業的關注點從「算力規模」進一步轉向「算力產出效率」，AI基礎設施的競爭也將從比拼資源儲備，進入比拼Token產出、能源效率和運營能力的新階段。