近日，记者走访内蒙古乌兰察布、青海海东、黑龙江哈尔滨等地的算力中心发现，多地项目正在密集建设，尤其是以AI训练为核心的大规模算力集群，正在加快向电力资源和绿电资源更加丰富的西部地区迁移。
算力，正成为AI时代越来越稀缺的战略资源。
从内蒙古草原到青海高原，从东北老工业基地到东部经济圈，一场围绕AI算力基础设施的竞赛正在全国多地加速展开。
近日，记者走访内蒙古乌兰察布、青海海东、黑龙江哈尔滨等地的算力中心发现，多地项目正在密集建设，尤其是以AI训练为核心的大规模算力集群，正在加快向电力资源和绿电资源更加丰富的西部地区迁移。
与此同时，随着AI应用逐渐普及，推理算力又开始向用户和产业需求更加集中的东部地区靠近。
一幅“训练向西、推理向东”的全国算力新版图正在加速形成。
在内蒙古乌兰察布，华为、苹果、阿里、快手、腾讯等企业的数据中心项目已经相继落地，当地正在形成重要的AI算力产业集群。
作为优刻得的重要算力基地，乌兰察布智算中心占地约14万平方米，整体设计可容纳约1.2万个多规格功率机柜，可以为大模型训练、推理以及智能终端等应用提供算力服务。
优刻得董事长兼CEO季昕华介绍，目前当地已经聚集了多家知名企业的数据中心。
更值得关注的是，算力需求正在快速增长。
季昕华表示，已经建成的数据中心满载率较高，市场需求非常旺盛，甚至出现了“新数据中心还没开始建设，就已经有订单”的情况。
这也从一个侧面反映出，AI算力正在从过去的基础设施投入，逐渐转变为真正存在旺盛需求的产业资源。
答案很大程度上来自两个字：电力。
AI大模型训练需要消耗大量电力。随着万卡、十万卡级算力集群不断出现，电力成本已经成为影响数据中心运营效率和算力价格的重要因素。
乌兰察布的优势正是如此。
当地拥有丰富的新能源资源，同时气候寒冷，有利于降低数据中心散热成本。此外，距离北京等核心市场较近，也方便算力资源进行调度。
季昕华认为，在AI时代，算力最终产生的是Token，而Token的背后是电力。电价越低，Token的成本就越低。
阿里云全球数据中心总经理王朝阳也表示，乌兰察布的核心优势之一就是电价。
相比华东、华南部分地区较高的电价水平，在西部建设大型数据中心可以明显降低长期运营成本。对于一个吉瓦级数据中心而言，东西部之间的电费差异可能达到数十亿元级别。
因此，对于需要长期运行的大规模AI训练集群而言，电力资源正在成为与GPU、服务器同等重要的基础设施。
除了内蒙古，青海也正在成为西部算力布局的重要节点。
凭借清洁能源和冷凉气候优势，青海已经成为全国绿色算电协同的重要区域。
截至2026年上半年，青海已建成标准机架49760架，投运算力总规模达到28116PFLOPS，形成了通算、智算、超算多元协同的综合算力供给体系。
在海东，中国移动高原大数据中心一期项目早在2015年就投入运营，目前拥有7153个标准机架，总IT功率达到18MW，并已经部署相关AI大模型资源。
2026年，高原大数据中心二期以及西宁绿电智算融合示范基地建设进一步推进。
其中，高原大数据中心二期总投资25亿元，规划建设3栋数据机房楼和2栋动力中心。
一期项目投资9.07亿元，规划标准机架14000架，总IT功率35MW，可承载算力规模达到32400P。
随着这些项目陆续投产，青海算力基础设施的规模仍将进一步扩大。
算力版图的扩张并不只发生在西部。
在东北，黑龙江近年来也在加快建设智算中心。
2024年，哈尔滨数字龙江智算中心一期以及中国移动智算中心（哈尔滨）节点超万卡智算集群相继建成投用，意味着黑龙江算力基础设施实现了从无到有的突破。
目前，哈尔滨中国移动数据中心三期、鸡西显思等多个智算中心项目正在建设，总规模超过8000P。
其中，中国移动（哈尔滨）算力中心在建B04、B05机楼及配套项目总投资12亿元，建筑面积4.45万平方米，可提供4278架装机能力，IT负荷达到61.25MW，预计2026年正式投产。
与此同时，拟建的B06机房项目也已经申报国家发改委窗口指导。
算力基础设施不断扩张，也带动了国产AI芯片的应用。
在哈尔滨中国移动算力中心，AI芯片已经实现100%国产化，并配套建设国产网络架构和智能运维体系，为大规模AI训练和行业算力应用提供底层支撑。
青海方面也在持续引入国产芯片生态，推动相关芯片厂商在当地布局。
与此同时，阿里旗下平头哥等国产芯片厂商的出货量持续提升。
业内人士认为，国产GPU目前已经逐步达到“可用”阶段，但在综合性能等方面，与国外高端产品仍存在一定差距。
不过，随着国产芯片产能持续提升以及应用生态逐渐完善，国产芯片在国内算力中心中的占比有望继续提高。
这意味着，未来AI算力产业的竞争，不仅是GPU性能的竞争，也将延伸至芯片、服务器、存储、网络、光模块、电力和数据中心等完整产业链。
AI算力建设规模越来越大，一个明显变化正在发生：
行业的瓶颈正在不断转移。
最初，市场担心的是GPU供应不足。
随后，存储成为制约算力扩张的重要因素。
再往后，计算卡之间的高速网络互联成为新的短板，光纤、光模块等基础设施也开始受到关注。
王朝阳表示，一个十万卡规模的算力集群可能需要数十万公里光纤。随着集群规模不断扩大，光通信等环节同样可能出现供给压力。
与此同时，数据中心本身的功率密度也在快速提高。
随着传统数据中心向AIDC转型，单机柜功率密度已经达到100千瓦级别，未来甚至可能出现1000千瓦级机柜。
这意味着，未来的数据中心竞争，很可能不再只是“谁拥有更多GPU”，而是比拼谁拥有更充足、更稳定、更便宜的电力以及更加完整的基础设施。
与部分传统低功率数据中心存在闲置不同，高功率数据中心目前反而受到市场追捧。
季昕华表示，国内数据中心市场已经呈现出明显的结构性变化，一些低功率数据中心利用率偏低，而高功率数据中心需求旺盛，部分项目刚刚启动便已经获得订单。
在AI大模型和智能体应用快速发展的背景下，这一趋势可能进一步强化。
因为AI训练需要大量集中式算力，而大规模集中部署又需要稳定的电力供应和高速网络连接。
这也是为什么近年来万卡、十万卡级别的算力中心越来越受到关注。
算力向西部迁移，并不意味着未来所有AI算力都会集中在西部。
恰恰相反，随着AI应用规模扩大，训练和推理可能形成更加明确的地域分工。
业内人士判断，以训练为中心的大规模算力正在向西部迁移，而以推理为中心的算力则可能逐渐向东部需求中心靠近。
原因很简单。
大模型训练对时延相对不敏感，更看重电力成本、算力规模以及资源调度效率，因此适合在西部进行集中部署。
而AI推理则更加贴近具体应用。未来随着AI智能体、AI办公、AI搜索、AI客服以及各类行业应用爆发，Token消耗将越来越集中在经济活跃、数字化程度较高的地区。
因此，长三角、粤港澳大湾区和京津冀等经济圈，很可能成为未来推理型算力集群的重要聚集地。
这意味着，中国算力基础设施正在从简单的“全国扩容”，逐渐走向更加精细化的区域分工：
西部承载大规模训练，东部承载高频推理；西部提供低成本算力，东部连接庞大的AI应用需求。
随着AI从模型竞争进入规模化应用阶段，算力也正在从单纯的技术基础设施，逐渐变成支撑数字经济和新一轮产业升级的关键资源。