2026年9月底，研究机构SemiAnalysis发布了迄今为止对中国AI基础设施最系统的测量报告——《中国AI基础设施繁荣》（The Chinese AI Infrastructure Boom）。报告揭示了一个令行业震动的数字：字节跳动（ByteDance）占据中国已交付数据中心容量的约五分之一。而且，这家拥有3.45亿月活AI用户的科技巨头，将这些算力几乎全部通过租赁获得，而非自建。

「最大的租户没有10-K（年报），几家最大的房东从未上市，」SemiAnalysis在报告中写道。（来源：The Next Web，2026-09-29）

这句话道出了中国AI基础设施竞赛最奇特的特质：规模最大的玩家，偏偏是最不透明的那几家。数据中心是AI时代的战略资产，而中国最大的AI算力需求方，既不在纽交所，也不在港交所，更不在A股——它只是每年悄悄地把数百亿美元投入内蒙古的戈壁和宁夏的黄土高原上。

第一章：一个私人公司的万亿算力版图

SemiAnalysis报告的核心数据

SemiAnalysis构建了目前最完整的中国数据中心地图，追踪了60多家运营商旗下的1000多个设施。报告的核心结论是：中国当前已交付数据中心容量超过24GW。

这个数字意味着什么？24GW比整个欧洲、中东、非洲三地加起来（约14GW）还要多出约70%。而全球第一名是美国，截至2026年底预计达到56GW。SemiAnalysis同时指出，中国还有约20GW的「在建管道」和约30GW的「已公告项目」——这意味着已交付容量只是冰山一角。中国已经不是在「追赶」欧美，而是在AI基础设施规模上超越了除美国之外的所有其他地区，且还在以惊人速度扩张。（来源：SemiAnalysis，2026-09-26）

而在这24GW中，字节跳动独占约5GW，相当于整体的五分之一。更关键的是，字节跳动几乎没有自建数据中心，主要靠租赁——这意味着它是中国每一家批发数据中心运营商最重要的单一客户。从北京到内蒙古，从上海到宁夏，字节的服务器机架散布在整个中国的数据中心版图之上，形成了一个巨大的、去中心化的算力帝国。

Doubao的3.45亿月活：算力消耗的直接来源

这5GW算力，最直接的消费方是字节跳动旗下的AI助手Doubao（豆包）。SemiAnalysis报告显示，Doubao2026年月活用户达到3.45亿。

3.45亿月活，是一个需要具体化才能感受其重量的数字。这意味着，中国大约每4个互联网用户中就有1个在使用Doubao。这不是一个极客圈的小众工具，这是一个已经进入大众日常生活的AI平台——它的用户规模，相当于法国和德国人口的总和。

而每个活跃用户背后，是持续运行的大型语言模型推理服务，是对算力的无休止消耗。Doubao需要算力，字节的短视频推荐需要算力，内容生成需要算力，广告投放需要算力，企业AI服务需要算力——所有这些需求叠加在一起，造就了那5GW的庞大胃口。

更重要的是，这种需求不是线性增长的，而是指数级的。当Doubao从1亿月活增长到3.45亿月活，AI推理的算力需求并不是增长3.45倍，而是因为用户使用深度的增加、多模态能力的启用、以及实时响应要求的提高，算力需求的实际增幅远超用户数量的增长比例。

第二章：中国AI军备竞赛的财务真相

支出数字：从200亿到1000亿

SemiAnalysis报告呈现了另一组让人窒息的资本支出数字。

2026年第二季度，阿里巴巴、腾讯、百度三家合计资本支出达到200亿美元——同比翻番。三家公司当季均出现了历史上首次负自由现金流。（来源：The Next Web，2026-09-29）

这个「历史首次」值得特别标注。阿里巴巴、腾讯、百度是中国互联网经济中最能产生现金流的三家公司，长期以来以稳健的财务状况著称。2023年疫情冲击最严重时期，它们的自由现金流都没有变负。但2026年，AI基础设施的投入让它们集体进入了现金消耗模式。SemiAnalysis的原始报告用了一句话点评：「这是这个行业历史上规模最大的一次资本支出跃升。」（This is the largest capex step-up in the sector’s history.）（来源：SemiAnalysis，2026-09-26）

这说明什么？AI基础设施的投入已经超出了正常商业逻辑的边界——这是一种政策驱动的、带有战略必要性的超额投资。商业上的理性分析在这里让步于更大的叙事：谁掌握了算力，谁就掌握了AI时代的竞争制高点。

加上不披露数据的字节跳动，SemiAnalysis估算四家公司的合计资本支出：

  • 2024年：约350亿美元
  • 2025年：超过500亿美元
  • 2026年：有望突破1000亿美元

1000亿美元。这个数字需要对比参照才能感受其分量：

  • 这约等于Meta一家公司2026年资本支出的两倍
  • 这在量级上约相当于美国几家大型科技公司年度资本支出的总和（具体数字因统计口径不同而有差异）
  • 这足以建造100个现代化的大型AI数据中心园区

四家中国公司，1年，1000亿美元。这不是投资，这是一场国家级的基础设施动员。

谁在给字节跳动当「房东」：市场的不透明性

在中国数据中心市场，有两家公司在美国上市：GDS（万国数据）和VNET（世纪互联）。按道理，这两家上市公司的财报应该能给我们提供中国数据中心市场的晴雨表。

但SemiAnalysis的数据揭示了这个假设的局限性：这两家上市公司2026年上半年合计签约约1.3GW的批发订单，但在2024到2026年的字节跳动和阿里巴巴订单中，它们只拿到了约三分之一。剩下三分之二流向了私有的、未上市的数据中心运营商。

这意味着，依靠GDS和VNET的财报来评估中国AI基础设施的真实投资规模，就像只看一家公司的财报来预测整个行业——你能看到的，只是冰山一角。大量AI基础设施资金的实际流向，在公开市场上是不可见的。

更值得关注的是，中国数据中心市场历史上是以国有电信运营商为主导的。SemiAnalysis报告指出，国有运营商当前仍持有全国数据中心容量的约三分之一，且中国国家电网等电力企业也在积极加码投资。在第14个五年计划（2021-2025年）结束时，国有电网公司的基础设施投入已超出原定目标24%；而第15个五年计划（2026-2030年）又在此基础上加码40%，合计基础设施投资规模将超过7460亿美元（约5万亿人民币）。（来源：SemiAnalysis，2026-09-26）

这种结构性的信息不透明，给投资者、政策分析师和竞争情报收集者带来了根本性的挑战：你无法从常规数据渠道准确评估中国AI投资的真实规模和速度。SemiAnalysis这份报告的价值，部分就在于它填补了这个信息真空。

第三章：速度、政策与地理——中国基础设施的独特优势

12个月建好100MW：中美之间的「建设鸿沟」

SemiAnalysis报告中有一个细节，让硅谷的数据中心开发商看了会感到坐立不安：中国可以在12个月内建好一个100MW的数据中心。（来源：The Next Web，2026-09-29）

美国呢？从立项到拿到建设许可证，通常就需要12到13个月。

这意味着，中国建完整个数据中心的周期，等于美国仅仅走完行政审批所需的时间。换句话说，美国在筹备阶段的那一年里，中国已经把服务器机架装满并开始运行了。

造成这一差距的原因是多方面的：更简化的环评流程、地方政府对AI项目的积极支持（把引进数据中心当做政绩）、标准化的建设模块（中国有大量专门做数据中心建设的总包商）、以及更低的人工和材料成本。但背后最深层的推动力，是政策导向：在中国的政治体系中，AI被视为国家优先战略，这种战略地位渗透到了所有审批程序的优先级排序中。

这种建设速度优势，在AI时代具有特殊战略价值。AI的竞争是关于谁能更快建立算力储备、更快迭代模型、更快占领用户心智的竞争。建设速度快两倍，意味着基础设施投资的战略效果是其他国家的两倍。

「东数西算」：向内陆的算力迁移

这场大规模建设并不是无序扩张，而是有清晰的政策脉络。

2022年，中国推出「东数西算」工程，核心逻辑是：把东部数字经济的算力需求，通过高速网络连接，转移到西部能源更便宜、土地更充裕的地区进行计算。本质上，这是一种数字时代的「西部大开发」。

实际执行层面，内蒙古已经成为中国AI大型园区的默认选址。字节跳动在大同（山西）、芜湖（安徽）和内蒙古都建有自己的园区，并于2026年7月在宁夏注册了两个新实体。（来源：The Next Web，2026-09-29）

内蒙古和宁夏的核心吸引力在于电价——约为北上广深等主要城市的一半。对于大规模AI训练场景，电费是仅次于芯片的第二大运营成本。这意味着，通过地理选择，企业可以在不损失算力的前提下，将同等规模AI工作负载的运营成本降低15%到30%。这不是小数目：对于年耗电数十亿度的大型AI数据中心，每度电便宜0.2元，每年就是数十亿元的成本节省。

旧基础设施的困境：AI时代的「棕地」问题

SemiAnalysis的报告揭示了一个经常被忽视的结构性问题：中国城市周边的老旧数据中心，正在被AI时代边缘化。

这些设施的利用率仅为30%到50%，且普遍不适合承载AI服务器。传统服务器的功率密度一般为每机架5到8千瓦，而现代AI服务器（装配H100或昇腾910B等GPU）的功率密度可以达到每机架30到50千瓦甚至更高。老旧机房的配电、散热系统根本无法支撑这样的功率密度——就算降价出租，AI企业也不会选择在这里部署训练集群。

「AI时代是批发时代。存量零售资产正在被边缘化，」SemiAnalysis直接写道。

这意味着，中国数据中心行业正在经历一次深刻的分层：新建的大型AI园区以每年数十GW的速度扩张，而城市周边的老旧设施加速空置。这种分化不只是运营层面的问题，它将重塑整个行业的估值逻辑——GDS和VNET等上市公司持有大量历史资产，它们如何处置这些「AI时代的棕地」，将决定其能否参与这轮增长周期。

第四章：出海与全球算力布局

从国内1/5到全球扩张

字节跳动的算力野心不止于中国。SemiAnalysis预测，中国超大规模云厂商的海外租赁容量，将从2026年到2029年翻番，接近4GW。（来源：The Next Web，2026-09-29）

这一预测背后是已经发生的现实，且有公开证据可查。2026年9月18日，欧洲AI计算公司Nscale向美国证券交易委员会（SEC）提交上市招股书，文件显示字节跳动的一个新加坡子公司「Spring (SG) Pte. Ltd.」在2025年贡献了Nscale约75%的营收（约2470万美元/共3300万美元）。Spring通过Nscale位于挪威Glomfjord的数据中心使用2304张英伟达B200 GPU，该合同于2025年6月签署、同年9月修订。（来源：The Next Web，2026-09-29；SEC Filing Nscale，2026-09-18，FT报道）

这种安排在法律上是合规的：美国出口管制限制的是将高端芯片运往中国，但并不禁止中国公司在境外数据中心租用这些芯片。这是一个精心设计的合规绕过方案，字节通过海外子公司租赁无法直接进口的英伟达B200芯片。

这种海外算力部署有明确的战略逻辑：

  1. 地缘政治对冲：在中国境内的算力面临潜在的政策风险（包括与美国可能的对抗升级），在海外部署算力提供了地缘政治缓冲
  2. 绕过芯片限制：海外数据中心可以采购不受美国出口管制限制的芯片（如英伟达面向消费者的产品），在一定程度上获得更高性能的硬件
  3. 服务全球用户：TikTok有数十亿全球用户，为这些用户提供AI服务需要在当地或接近当地部署推理算力，以降低延迟

值得关注的是，SemiAnalysis报告还提到北京可能允许字节跳动和阿里巴巴直接购买英伟达RTX Pro 5500芯片。这款面向专业工作站的GPU受出口管制约束较少，一旦获准购买，可能成为国内AI计算能力补充的新来源。

第五章：更大的图景——中国AI算力竞赛的战略含义

「不对等的对标」：中国基础设施数据为何被系统性低估

在中美AI竞争的讨论中，有一个反复出现的认知偏差：用公开可见的数据评估中国的AI实力。

美国的AI基础设施投资主要由上市公司进行（Amazon、Google、Microsoft、Meta），这些公司有严格的信息披露义务，资本支出数字以季度为频率对外公开。分析师可以实时追踪美国AI基础设施建设的进度和规模。

中国的情况截然不同。最大的AI基础设施投资方（字节跳动）是私有公司，不披露任何财务数据。部分上市公司（阿里、腾讯、百度）有季度报告，但详细的资本支出分类不总是清晰的。大量订单流向私有数据中心运营商，完全脱离公开视野。

这种不对等导致的结果是：基于公开数据的「中美AI实力比较」，可能系统性地低估了中国的实际投入。SemiAnalysis这份报告是少数能够透过私有市场结构看到真实数字的尝试之一——其估算方法（追踪1000多个设施、访谈行业内部人士）带来的数字，远比传统分析方法更接近现实。

24GW vs 欧洲14GW：一个关于AI时代国家竞争力的隐喻

中国数据中心容量24GW，欧洲+中东+非洲合计14GW。

这个差距，在某种程度上是AI时代国家战略能力的一面镜子。欧洲有严格的数字主权意识，有《AI法案》，有对大型科技公司的监管热情——但在AI基础设施建设速度和规模上，正在被超越。

欧洲的问题不是技术能力不足，而是碎片化：欧盟27个成员国，电网标准各异，监管框架不同，土地利用政策不一。在中国可以用一条政令让内蒙古以优惠电价欢迎数据中心的时候，欧洲需要十几个国家分别做审批。

这种结构性差距，不太可能在短期内被单纯的商业激励所弥合。欧盟近期的「欧洲云基础设施计划」等政策尝试是有意义的方向，但在规模和速度上，与中国的动员模式相比，仍然差距悬殊。

字节跳动的隐含商业逻辑：从社交媒体公司到AI基础设施公司

这份SemiAnalysis报告最深刻的洞察，不只是规模数字，而是它揭示的字节跳动的本质转变。

字节跳动始于内容分发，成就于算法推荐，如今正在演变成一家必须以基础设施运营商思维方式运作的AI公司。

这种转变的驱动逻辑很清晰：Doubao的3.45亿月活，必须建立在稳定、低延迟、高吞吐的算力基础之上。用户每次调用AI助手，都在消耗数据中心的算力资源。月活从1亿增长到3.45亿，算力需求的增长远不只是3.45倍——因为更多的用户使用更多的功能，触发更复杂的模型调用，每个会话的算力消耗也在同步增长。

在这种压力下，字节没有选择：它必须成为一家实质意义上的基础设施公司。租赁1/5的中国数据中心容量，不是「激进投资」，是「必要生存条件」。

这种逻辑在美国也有对应——Google、Amazon、Meta都在大规模自建AI芯片和数据中心，不再完全依赖第三方基础设施。但中国公司面临额外的约束：在高端AI芯片供应受到限制的情况下，通过扩大数据中心规模来「以量补质」，成为了一种被迫的但也相当有效的竞争策略。

第六章：芯片限制下的中国算力策略——以量换质

高端芯片断供之后的「迂回路线」

理解ByteDance和中国其他AI巨头的算力策略，必须把芯片出口管制这个背景因素纳入视野。

2022年以来，美国对中国出口的AI芯片实施了多轮限制，英伟达的A100、H100、H800、A800等系列高端AI训练芯片，以及后续的H20、GB200等型号，均不同程度受到出口管制约束。这意味着，中国AI公司无法以常规商业途径采购当前最先进的GPU。

在这种约束下，中国AI公司形成了一套「以量换质」的策略：既然单颗芯片的算力上限受制约，就通过采购更多数量的中等算力芯片，并通过更优化的分布式训练架构，来实现与美国高端芯片接近的总算力。字节跳动5GW的数据中心容量，部分正是这一策略的体现——用空间换效率，用规模弥补单点性能差距。

国产替代方面，华为昇腾910B系列在国内市场填补了部分空缺。据行业数据，昇腾910B的单卡算力约为英伟达H100的60%到70%，互联性能仍有差距，但在特定工作负载（如NLP推理）上已经能够满足商业部署需求。字节的技术团队针对昇腾芯片进行了专门的框架适配和优化，这是一种高成本但在供应链安全角度必要的投资。

数据中心的中美竞争格局：不只是算力，还有生态

从SemiAnalysis报告中可以提炼出一个宏观结论：中国的AI基础设施竞争策略，与美国存在本质差异。

美国路线是「高度集中+高效率」：Google、Microsoft（通过Azure）、Amazon（通过AWS）三家超大规模云服务商主导市场，依托全球最先进的GPU芯片，追求单位算力的最高效率。这套体系的优势是技术领先和生态统一，劣势是高度依赖英伟达供应链和少数关键技术节点。

中国路线是「分散租赁+规模扩张」：字节跳动等公司通过向众多私有数据中心运营商租赁算力，以分散采购降低单点风险；同时通过内蒙古、宁夏等电价洼地降低运营成本；在芯片层面则推行「国产替代+部分境外采购」的双轨策略。这套体系的优势是供应链弹性和成本优势，劣势是生态碎片化和整体效率低于理论最优。

这两种路线将在AI的下一个发展阶段（更大规模的模型训练、实时推理服务规模化）中经受考验。目前的数据表明，中国在规模层面已经不逊于甚至超过欧洲，但与美国相比，仍存在单位算力效率的差距。

第七章：反对观点——规模是否真的等于优势？

质疑「数据中心霸权」叙事的几个理由

面对24GW、1000亿美元这些震撼数字，一个冷静的观察者应该问：这些规模数字是否真的转化为AI竞争优势？

质疑一：SemiAnalysis数据的估算误差

SemiAnalysis的报告基于对1000多个设施的追踪和行业内部信息，是一种「最佳估算」而非官方数据。中国的数据中心市场极度不透明，许多设施的实际容量、实际利用率、实际工作负载类型都无从验证。SemiAnalysis自己也承认，字节跳动、百度的具体投入数字是「估算」而非公告数字。在使用这些数字构建宏大叙事之前，10%-20%的误差范围值得被认真对待。

质疑二：容量≠算力，算力≠有效训练计算

中国的24GW数据中心容量，有多少是真正用于AI训练和推理的？有多少是传统IT工作负载、视频存储、CDN节点？有多少老旧设施虽然贡献了GW统计但实际上无法承载AI服务器？这些问题没有公开答案。「24GW全部用于AI」的隐含假设，可能夸大了实际的AI计算能力。

质疑三：训练效率的差距可能无法靠规模弥补

英伟达H100集群与华为昇腾910B集群的差距，不只是单卡算力差距。在分布式训练中，集群内的互联带宽（NVLink vs HCCS）和跨节点通信效率同样关键。研究表明，对于需要大量跨卡通信的Transformer训练任务，互联性能的瓶颈可能导致「有效算力」远低于「峰值算力」。如果昇腾集群的互联效率只有H100的50%，那么理论上同等「名义算力」下，实际训练速度可能有巨大差距。

质疑四：「以量换质」有规模上限

「多用较低性能芯片替代少量高性能芯片」在某个点之前是有效策略，但超过一定规模后，通信开销和协调成本会使收益递减。扩张到数万张低性能GPU的集群，与使用数千张H100相比，工程复杂度指数级增长。ByteDance愿意承担这个复杂度，但这种策略的边际效益递减点在哪里，目前没有公开数据。

「SemiAnalysis夸大中国AI威胁」的对立视角

SemiAnalysis的报告发布后，也引发了一些批评声音：部分西方分析师认为，这类报告有「AI焦虑市场」的商业动机——突出中国威胁，制造紧迫感，为美国政策制定者和国防相关投资者提供叙事素材。「中国数据中心超过欧洲」的表述，在没有控制AI芯片质量差异的情况下，是一种选择性比较。

公平的评估应该承认：SemiAnalysis的方法论是目前最系统的外部估算之一，其结论的方向性（中国AI基础设施投入巨大）是可信的；但在用具体数字做横向对比时，注意数字的来源误差和口径差异，是负责任的分析态度。

结语：可见的与不可见的

AI时代最容易被低估的竞争维度，是物理基础设施。

我们谈论GPT-6的能力，谈论Claude的安全投入，谈论Anthropic的10亿美元安全监控——这些都是可见的、可以报道的故事。但在这些故事背后，支撑着AI系统运行的是遍布内蒙古戈壁的服务器机架，是每秒消耗数兆瓦的冷却系统，是5GW的ByteDance，是24GW的中国，是仅14GW的整个欧洲。

SemiAnalysis这份报告，是迄今为止对这个「不可见层」最系统的测量。它告诉我们：在LLM大战的喧嚣背后，中国已经在基础设施维度上建立了一个与美国规模相当、建设速度更快、投入规模更大、透明度更低的AI算力储备。SemiAnalysis报告只是现实的一个截面；而真正的算力战争，仍在以人们看不见的方式，向更深的地方持续延伸。

字节跳动是否能从「1/5」变成「更多」？中国的1000亿美元年度资本支出是否能转化为相应的AI竞争优势？芯片限制能否最终通过规模和国产替代来绕过？这些答案，将在未来3到5年内逐渐浮现。

但有一件事可以确定：当讨论中美AI竞争时，忽略数据中心这个「看不见的战场」，是一个代价高昂的认知盲区。而当中国最大的AI基础设施租户，连一份年报都不发布时，关于全球AI能力版图的任何声称「全面」的评估，都必然是不完整的。AI基础设施的竞争，正在以比芯片战争更低调、但同样深远的方式，重塑未来十年的科技权力格局。

参考资料

  1. SemiAnalysis: The Chinese AI Infrastructure Boom: Introducing the SemiAnalysis China Datacenter Model — https://newsletter.semianalysis.com/p/the-chinese-ai-infrastructure-boom（2026-09-26，主要数据来源）
  2. The Next Web: ByteDance rents a fifth of China’s data centre capacity, SemiAnalysis says — https://thenextweb.com/news/bytedance-data-centre-fifth-china-capacity-semianalysis（2026-09-29，引用SemiAnalysis核心数据）
  3. Data Centre Dynamics: ByteDance takes up one-fifth of China’s data center capacity — https://www.datacenterdynamics.com/en/news/bytedance-takes-up-one-fifth-of-chinas-data-center-capacity/（2026-10-05，独立报道）
  4. SEC Nscale Prospectus: Nscale SEC Filing（CIK 0002110365） — https://www.sec.gov/Archives/edgar/data/2110365/000119312526395475/ck0002110365-20260918.htm（2026-09-18，显示Spring(SG)/ByteDance为最大客户）
  5. The Next Web: Nscale – ByteDance biggest customer, Nvidia B200 Norway — https://thenextweb.com/news/nscale-bytedance-biggest-customer-nvidia-b200-norway（2026-09-29，引用FT报道：ByteDance占Nscale 2025年营收75%）
  6. Financial Times: ByteDance grabs one-fifth of China’s data centre capacity as AI drives infrastructure boom（2026-09-28，包含ByteDance策略详情）