一、算力中心产业链梳理，智算中心以AI加速计算为核心

算力中心的产业链大致分为上游芯片与设备、中游算力中心建设与运营、下游算力应用三个环节。

上游以GPU、CPU、存储芯片、网络设备等硬件制造商为主；中游包括数据中心运营商和云服务提供商；下游覆盖人工智能大模型训练、推理应用等各类算力使用者。

从基础设施形态看，算力中心可大致分为传统数据中心和智算中心两类。传统数据中心以机柜托管和通用计算为主，提供CPU算力服务，客户以互联网企业和传统行业为主。

智算中心以AI加速计算为核心，采用“CPU+GPU/NPU”异构计算架构，面向人工智能训练和推理场景。两类设施在功率密度、制冷方式、负荷特性上存在显著差异。

图表：算力中心常见分类一览

二、算力中心三类负荷的耗电占比：IT设备占总用电量的45%至60%，是最大的耗电环节

算力中心的基本供能结构以列头柜为核心，主要包括A列头柜（内置IT设备）、B制冷设备、C通信电源侧蓄电池、D配备电系统、E辅助能源设备、F外电等部分。

图表：数据中心用能结构和能耗计算节点示意

上述环节可归纳为三大类负荷：IT设备、制冷系统、供配电及保障设施。IT设备包括服务器、存储、网络等算力载体，是算力中心运行的根本负载。制冷系统构成有冷水机组、循环泵、空调末端等，用于维持IT设备的环境温度。供配电及保障设施包括UPS、蓄电池、柴油发电机和照明等，用于保障供电连续性和应急响应。

三类负荷的耗电占比差异显著。IT设备占总用电量的45%至60%，是最大的耗电环节。制冷系统占总用电量的30%至40%,其规模由IT设备的发热量决定。供配电及保障设施占总用电量的5%至10%,其中主要为UPS和变压器的线路损耗，蓄电池和柴油发电机在日常运行中耗电极少。

图表：从芯片到算力中心核心链条拆解示意图

三、AI服务器是机柜内的核心计算设，典型服务器设备性能和峰值功耗对比

AI服务器是机柜内的核心计算设备，一个标准机柜可部署4至8台。AI服务器采用“CPU+AI加速器”异构计算架构，整机功耗由GPU、CPU、内存、存储、网络等全部硬件模块共同决定。

AI服务器功耗攀升的核心驱动力来自GPU.8卡服务器的整机功耗中，GPU通常占一半以上。芯片代际升级带来功耗增长，抬升AI服务器的单机功耗。不同芯片平台GPU功耗存在较大差异，决定了服务器的功耗基线。

AI服务器在训练和推理场景下的功耗差异显著。训练场景下GPU长时间处于高负荷运行，需求波动性小、时效性弱，理论上存在负荷调节空间，但如需调节，训练中产生的中间数据需重新存储与加载。推理场景则负载波动大、平均利用率远低于训练，两类场景的功耗差距可达一倍左右。

典型服务器设备性能和峰值功耗（部分）

目录

一、智算中心微观构成与用电结构

二、电力保障：配电、备电与供电体系性升级

三、时空匹配：算力负荷分级可调，新能源出力波动约束.

四、结论与建议

图表目录（部分）

图表：算力中心常见分类一览

图表：数据中心用能结构和能耗计算节点示意

图表：从芯片到算力中心核心链条拆解示意图

图表：代表性机柜拆解示意图

图表：大型智算中心未来将走向800V直流配电技术方案

图表：上海及周边区域公开干线电网分布情况

图表：绿电直连成为枢纽算力的重要新选项

图表：传统IDC负荷平稳，能耗波动较小

图表：训练（上）和推理（下）能耗波动巨大，调节必要性高

图表：风光典型日出力曲线（左：光伏，右：风电）

图表：代表性省份电力日前价格波动加大

图表：算力中心选择还需考虑通信主网距离

图表：各主流AI模型的词元价格随时可调，波动较快

图表：典型服务器设备性能和峰值功耗

图表：不同AI加速器路线对比

图表：当前国内外主流加速芯片性能和应用场景

图表：数据中心备电系统常见冗余配置架构对比

图表：不同电压等级的变压器容量和对应数据中心负荷

图表：长三角示范区集群部分数据中心电网接入等级

图表：不同算力需求的波动性和可调性存在较大差异

图表：主要算力中心运营企业电费成本占比在10%至40%不等

来源：证券；需要33页报告全文可联系客服。

【免责声明】本文转载自网络，内容版权归原作者所有。如有侵犯您的权益，请及时与我们联系，我们将于第一时间协商版权问题或删除内容。内容为作者个人观点，不代表本公众号立场和对其真实性负责。

商务合作及广告投放联系方式：

联系人：刘老师

手机：14776264685

邮件：WBZX2019@163.com