1400億美元AI支出 中國拚成本效率迎頭趕上美國

中國大型科技業者正以遠低於美國同業的資本規模,擴充人工智慧（AI）運算基礎設施。比起投資總額,包含電力、土地與冷卻成本在內的「每美元算力」,正成為中美AI基礎設施競賽的核心指標。

穆迪評級（Moody's Ratings）在報告中預估,中國主要科技業者的AI相關資本支出,將從2025年的650億美元,成長到2026年的1400億美元、2027年的1650億美元。南華早報（South China Morning Post）於6日報導了這項預估。同一期間,美國六大超大規模運算業者（hyperscaler）的支出,預計在2026年突破7850億美元,2027年逼近1兆美元。

單看投資規模,美國優勢明顯。不過穆迪分析指出,實際物理運算能力的差距,不會像資本支出差距那麼懸殊,原因在於中國企業以相同金額能取得的資料中心用地、電力與冷卻基礎設施成本相對較低。

超大規模運算業者是指營運大規模雲端與資料中心的企業。隨著AI訓練與推論需求增加,這類業者的投資範圍已擴大到圖形處理器（GPU）、伺服器、電網、冷卻設備與網路裝置。資本支出因此不只是採購伺服器的金額,更接近能持續運作AI服務的基礎成本。

中國的成本優勢,在電力結構上最為明顯。北京推動的「東數西算」政策,是把東部沿海的資料處理需求,轉移到內蒙古、甘肅等西部與內陸資源地區的電力基礎之上。對延遲不敏感的AI訓練工作,可以移往電力與冷卻成本較低的地區進行。

市場研究機構BMI分析指出,將AI訓練工作轉移到具備綠色電力與涼爽氣候的據點,可以降低電力與冷卻支出。字節跳動（ByteDance）擴建內蒙古烏蘭察布資料中心,被視為這股趨勢的代表案例。這也意味著資料中心選址的競爭,已從單純的土地爭奪,轉向電力單價與冷卻效率的較量。

裝置容量的數據,也呈現同樣的趨勢。以資料中心裝置容量計算,截至2025年底,美國裝置容量為52吉瓦（GW）,中國為28吉瓦。預估到2030年,美國將達到100吉瓦,中國則來到67吉瓦。

若只看成長率,中國的擴張速度更快。中國資料中心裝置容量的年均成長率預估為19%,高於美國的14%。不過就絕對容量而言,美國到2030年仍將維持領先地位。

限制同樣存在。由於伺服器與加速器在AI支出中占比最大,無法取得最先進的輝達（NVIDIA,NVDA）晶片,被視為中國企業的弱點。中國國產處理器與軟體生態系統雖持續改善,但穆迪認為,相較輝達的技術與生態系統仍有差距。

電力使用效率,也是待解課題。半導體分析機構SemiAnalysis推估,華為（Huawei）的CloudMatrix 384耗電量,約為輝達GB200 NVL72的4.1倍,但運算效能則接近兩倍。換言之,即便效能差距縮小,處理相同運算量所需的電力成本,仍可能成為競爭力的變數。

在模型競爭力方面,中國也出現追趕態勢。月之暗面（Moonshot AI）的Kimi K3、智譜AI（Zhipu AI）的GLM-5.3,以及阿里巴巴集團控股（Alibaba Group Holding,BABA）旗下的通義千問Qwen3.8,在主要基準測試中,已與全球頂尖開源模型並列比較。不過模型效能,並不會直接轉化為雲端營收與獲利能力。

獲利能力的差距依然明顯。以最近一季雲端營收來看,微軟（Microsoft，MSFT）為590億美元、亞馬遜（Amazon，AMZN）為420億美元、Alphabet（GOOGL）為250億美元,而阿里巴巴僅70億美元,百度（Baidu,BIDU）則約10億美元。

阿里巴巴雲端業務在6月止季度營收成長45%,創下22季以來最快成長速度。這顯示即便中國企業壓低基礎設施成本、加速擴充設備,要將其轉化為穩定的雲端營收,與美國大型業者之間仍存在落差。

同樣的提問,也留給南韓國內企業。AI基礎設施的競爭,不是比誰堆更多伺服器,而是電力合約、冷卻成本、設備採購與需求確保交織而成的成本結構問題。本社先前報導,在南韓國內AI運算中心的討論中,也難以只靠運算設備總量說明競爭力。

穆迪提出的中美比較顯示,評估AI基礎設施投資時,除了資金總額,也需同時檢視實際可供應的算力與營運成本。本社稍早報導,大型基礎設施投資的關鍵,可能不在資金規模,而在電力合約與當地成本結構。若未能同時掌握電力、用地與設備採購條件,僅憑投資金額,難以說明AI運算的真正競爭力。