一、行业概述与定义
算力基础设施是指为支撑计算任务而建设的硬件、网络、能源与配套设施的总和，核心载体是数据中心。人工智能大模型的训练与推理需求，正在把算力从传统的IT支撑资源，转变为一种类似电力、交通的基础生产要素。
产业链可以拆为四个层次。
最底层是能源与土地，包括电力供应、变电设施、冷却水资源、建设用地。这一层过去被视为配套，如今随着单机柜功率密度大幅提升，能源约束已经成为决定项目能否落地的首要条件。
第二层是物理基础设施，包括机柜、供配电系统、制冷系统、消防与安防系统。其中制冷环节的技术路线选择，直接决定能效水平和运营成本。
第三层是IT硬件，包括AI服务器、GPU加速卡、高速互联网络、存储系统。这一层的技术迭代速度最快，也最受供应约束。
第四层是运营与调度，包括算力资源池化、跨区域调度、云服务封装。这一层是算力能否被高效使用的中枢。
需要区分两个概念。通用算力对应传统CPU为主的计算任务，需求相对平稳；智能算力对应以GPU、加速卡为主的大模型训练与推理任务，需求增长陡峭。当前行业的结构性矛盾集中在智能算力上。
二、政策与宏观环境
算力基础设施在中国被明确纳入新型基础设施建设范畴。国家层面推进全国一体化算力网络建设，实施"东数西算"工程，在京津冀、长三角、粤港澳大湾区、成渝等地布局国家算力枢纽节点，并在西部省份配套建设数据中心集群。这一工程的逻辑是用西部相对充裕的能源和土地资源，承接东部旺盛的算力需求。
政策的另一条主线是能效约束。相关部门对大型数据中心的电能利用效率提出明确要求，新建大型数据中心的能效门槛不断提高，部分区域对高耗能项目实行更严格的审批。这一政策取向意味着，靠简单堆机柜的粗放扩张方式已经走到尽头，技术与能效水平成为准入门槛。
与此同时，国产算力的自主可控成为政策重点。在高端算力芯片供应受限的背景下，推动国产AI芯片的适配与规模化应用，成为产业政策与市场需求共同指向的方向。各地在智算中心建设中，也开始对国产芯片比例提出一定要求。
需要客观指出，政策驱动的算力建设存在与实际需求错配的风险。部分地方智算中心建成后上架率不理想，出现"建而不用"的现象。这一问题的根源在于，算力建设决策偏行政化，而算力使用是市场化行为，两者之间缺少有效的衔接机制。
