中國資料中心從熱潮走向過剩：為何產能如此供過於求？
近年來，中國大力推動數位基礎建設，在全國各地投入數十億美元興建資料中心。這波由政府與民間投資共同帶動的快速擴張，原本是為了讓中國在人工智慧（AI）、雲端運算及先進數位服務領域躋身全球領先地位。然而，結果卻是大量設施使用率偏低，僅維持在 20% 至 30%。如今，中國政府提出一項大膽的新解方：建立全國性雲端網路，重新分配並將這些過剩算力變現。
目錄
中國資料中心產能過剩，是一則關於投機性投資、科技趨勢轉變，以及快速變動產業中集中規劃基礎建設所面臨挑戰的警世故事。了解中國如何走到這一步，以及它希望透過新的國家雲端計畫達成什麼目標，有助於看清中國更廣泛的科技抱負，以及它在全球舞台上面臨的阻礙。
中國資料中心產能過剩的成因
產能過剩的根源，與 2022 年啟動的「東數西算」計畫有關。該計畫鼓勵地方政府與企業在中國人口較少、能源豐富的西部地區興建資料中心，目標是服務東部蓬勃發展的經濟區。其思路很簡單：西部電價較低，將運算密集型工作負載移往當地，可降低成本並支援東部數位經濟。
但實際情況更為複雜。許多地方政府急於吸引投資、帶動區域經濟，倉促核准並資助資料中心計畫，往往未充分了解市場需求，也不清楚 AI 與雲端工作負載所需的技術條件。結果是數百座大型資料中心拔地而起，其中許多位於遠離主要客戶的偏遠地區。
與此同時，全球對生成式 AI 和大型語言模型（例如 ChatGPT）的熱潮，引發晶片採購與基礎建設興建狂潮。企業與政府機關爭相採購 Nvidia 高階 GPU，以及華為昇騰等國產替代晶片，希望搭上 AI 熱潮獲利。但隨著市場熱度降溫，焦點從打造大型 AI 模型轉向如何有效運用模型，原始算力需求大幅下滑。
產業分析師指出，中國新建的算力資源中，最多有 80% 仍未使用。許多設施的興建目的，是取得政府補助或爭取貸款與租稅優惠，而非滿足實際商業需求。有些業者利用這些誘因，卻從未打算運行大型 AI 工作負載。結果是各地遍布昂貴但使用率偏低的資料中心，其中許多如今已成為財務負擔。
產能過剩帶來的經濟與技術挑戰
營運資料中心成本高昂。除了土地、建築與硬體的初期投資，電力、冷卻及維護等持續支出也十分可觀。高效能 CPU 和 GPU 即使閒置，仍會耗電且需要維護，侵蝕任何可能的投資報酬。此外，資料中心硬體有使用年限，科技進步也可能使其迅速過時。
財務衝擊十分嚴重。過去 18 個月，已有超過 100 個資料中心計畫取消，遠高於 2023 年的 11 個。儘管遭遇挫折，政府投資仍維持高檔：2024 年資料中心政府採購金額達 247 億元人民幣（約 34 億美元），2025 年也已編列 124 億元人民幣。
但挑戰不只在經濟層面。許多新建資料中心位於西部偏遠省份，網路延遲（資料在資料中心與東部使用者之間傳輸所需的時間）可能過高，不適合金融交易或互動式 AI 服務等即時應用。政府原先設定的延遲上限是 20 毫秒，但許多設施未達標。
另一項重大障礙是硬體種類繁多。有些資料中心使用 Nvidia GPU 與 CUDA 軟體堆疊，另一些則採用華為昇騰加速器及 CANN 軟體堆疊。要將這些不同系統整合成單一、無縫的雲端環境，技術上相當複雜，也大幅阻礙政府打造統一全國網路的構想。
全國雲端網路：中國解決產能過剩的方案
面對日益沉重的財務與營運壓力，中國政府如今著手集中管理並合理調配資料中心資源。工業和信息化部（MIIT）正與中國三大國有電信業者（中國移動、中國電信和中國聯通）合作，開發由國家營運的雲端服務，將使用率偏低資料中心的閒置算力集中起來並對外銷售。
目標雄心勃勃：中國希望在 2028 年前，實現全國公共算力的標準化互聯互通。如此一來，企業、研究人員或政府機關等使用者，都能按需取得算力資源，自行指定所需的運算能力與網路容量，而不必操心底層硬體或所在位置。
中國信息通信研究院副總工程師陳屹力近日在一場產業研討會上說明這項構想：
一切都將交由雲端統一組織、編排與調度。
政府希望這種做法不僅能提升既有資料中心的經濟效益，也能支援中國在 AI 與雲端服務領域更廣泛的抱負。透過更妥善利用閒置基礎設施，政府期望減少浪費、降低成本，並在全球科技競賽中維持競爭優勢。
監管加強：更嚴格的管制與新標準
為避免重演過度興建危機，中國國家發展和改革委員會（NDRC）已介入並收緊監管。新的資料中心計畫如今必須達到特定使用率門檻，並取得採購協議，才能獲得核准。地方政府不得在缺乏明確經濟效益的情況下，推動小型算力基礎設施計畫。
國家發展和改革委員會也正在全國範圍內評估此產業，目標是淘汰不合格計畫，並確保新設施符合基本效率標準。此舉旨在避免資源浪費，並將投資集中於能為經濟創造實質價值的計畫。
中國國家主席習近平曾對各省「追逐相同趨勢」發展 AI、算力與新能源汽車表達憂慮，並質疑每個地區是否都需要發展這些產業。這反映出更廣泛的政策方向：讓地方發展配合國家戰略，避免投資零散且缺乏協調所帶來的問題。
技術障礙：延遲、硬體多樣性與整合
政策架構逐漸成形之際，打造統一全國雲端網路的技術挑戰仍十分艱鉅。首要問題是延遲。許多西部資料中心為了利用較便宜的電力而興建，但距離東部主要經濟中心較遠，資料傳輸時間較長，因此不適用於對延遲敏感的應用。
另一項重大障礙是各資料中心的硬體與軟體種類繁多。有些設施配備 Nvidia GPU，有些使用華為昇騰晶片，還有些混用國產與外國零組件。每種硬體都需要自己的軟體堆疊與管理工具，因此難以在整個網路中無縫調度工作負載。
分析師指出，政府可能必須讓使用者選擇硬體平台。這或許能提高採用 Nvidia 的叢集使用率，卻可能無助於改善採用華為設備設施的處境。缺乏標準化也使打造真正「雲端化」的使用體驗更加困難，因為使用者理應能在不必操心底層基礎設施的情況下取得資源。
儘管面臨這些挑戰，官員仍保持樂觀。他們相信，集中調度與編排算力，最終將支援中國在 AI 與雲端服務領域的抱負，即使不同硬體的整合需要時間，也未必能立即充分實現預期效益。
經濟與戰略影響：AI、產業政策與全球競爭
中國試圖將過剩算力變現，不只是為了解決國內基礎設施問題，也是該國 AI 與先進科技整體產業政策的重要一環。北京已訂下雄心勃勃的目標：力拚 2030 年成為全球 AI 領導者，打造規模達 1,000 億美元的 AI 產業，並為經濟增加 1 兆美元的附加價值。
為了達成目標，政府正運用多種政策工具，包括政府主導的投資基金、扶植國產晶片開發，以及建立國家一體化算力網路。阿里巴巴、騰訊和百度等民營科技巨頭也是重要參與者，推動創新並大舉投資 AI 研究與基礎設施。
然而，中國面臨巨大的外部壓力。由美國主導、針對先進 AI 晶片與製造設備的出口管制，限制了中國取得最新技術，迫使其轉向國產替代方案。華為等企業雖有所進展，其晶片在效能與採用程度上仍落後於全球領先者。
政府支持對於解決晶片開發瓶頸、人才短缺及資料中心能源供應問題至關重要。但其中也有風險：資源配置效率不彰、被迫採用較不先進的國產平台，以及計畫若未能配合真實市場需求，投資恐遭浪費。
產業應對：整併、創新與未來發展
產業界的反應不一。有些業者關閉使用率偏低的設施，以免持續虧損；另一些則向當地科技公司提供免費算力券，試圖吸引客戶。阿里巴巴與字節跳動等大型業者正規劃大規模新投資，押注 AI 與雲端服務需求最終會追上供給。
市場也正從訓練大型 AI 模型轉向執行推論工作負載。訓練模型需要大量高階 GPU 組成的叢集；推論則可由更專用、成本較低的加速器處理。這種需求轉變正在重塑市場，長期下來或有助於吸收部分過剩產能。
專家認為，目前的產能過剩只是暫時現象。隨著應用普及，以及國產晶片生態系日趨成熟，算力需求可望上升。政府整併並推動產業標準化的努力，也可能有助於提高效率，支持長期永續成長。
更廣泛的啟示：集中規劃與市場現實
中國資料中心產能過剩的經驗，凸顯了在快速演變的產業中集中規劃基礎設施所面臨的挑戰。政府支持雖可加速進展並提供必要資源，但若未能配合實際市場需求與技術現況，也可能造成浪費與效率不彰。
民營企業仍是 AI 與雲端服務創新的主要推動者；產業政策若能扶植這個生態系，而非替它決定方向，效果最為顯著。中國全國雲端網路能否成功，將取決於它能否在中央協調、市場回應能力、技術彈性，以及對人才與研究的持續投資之間取得平衡。
重點摘要
- 中國快速擴建資料中心造成嚴重產能過剩，使用率低至 20% 至 30%。
- 政府提出建立全國雲端網路，以整合並將過剩算力變現，目標是在 2028 年前實現標準化互聯互通。
- 技術挑戰包括偏遠資料中心的網路延遲過高，以及硬體與軟體平台種類繁多。
- 監管機關已加強新計畫管制，要求達到使用率門檻並取得採購協議。
- 產能過剩既是經濟負擔，也是中國力求在 AI 與先進運算領域領先的戰略機會。
- 在目標明確的國家政策支持下，民間創新將是化解產能過剩並實現永續成長的關鍵。
- 中國的經驗為快速變動科技產業中的大型基礎建設規劃，帶來風險與效益方面的啟示。
