AI 数据中心与 GPU 基础设施

AI 把数据中心行业劈成了两种产品：为 5–15 kW 机柜建造的传统空间，以及每机柜提供 60–130+ kW 并配备液冷的 AI 级容量——而后者一建成就被消化殆尽。本板块涵盖密度与制冷的经济性、租用与托管的抉择，以及如何找到 GPU 就绪容量，全部基于我们的实时 GPU 价格追踪器和 aiReady 标注的机房目录。

市场背景：AI 正在吞噬容量管线

规模数据毫不含糊。麦肯锡预计到 2030 年全球数据中心容量需求约为 219 GW，其中 AI 就绪容量需要每年增长约 33%，而 AI 负载到十年末将占总需求的一半到约 70%。这些需求落在一个已经紧张到创纪录的市场上：北弗吉尼亚空置率接近 0.5%，美国在建容量约四分之三已被预租，据 CBRE 数据，北美批发价格创下每 kW 每月 196.25 美元的纪录——而运营 AI 优化型液冷机房的厂商，相对传统空间还能拿到明确的租金溢价。

硬件一侧的市场则迅速成熟。随着供给恢复正常以及 B200/GB200 世代出货，H100 租赁价格从 2023 年峰值的每小时 8 美元以上，跌至约每小时 2–3 美元现货、一年期承诺合约约每小时 2.35 美元——这次重新定价，改变了所有超大规模以下体量玩家的自建与租用算术。每日追踪这条曲线正是我们的 GPU 追踪器所做的事；我们的 H100 租赁价格指南则解释了标价背后的合约结构。

对买方的意义是：AI 基础设施决策如今是两个市场的决策。 你在同时为物理容量（主机托管，美元/kW）和算力（GPU 租赁，美元/GPU·小时）定价，而最优解会随利用率、周期和硬件世代而变化。多数咨询来源只覆盖其中一个市场。我们两个都追踪。

密度与制冷：100 kW 机柜为何改变了一切

现代 AI 训练机柜，与数据中心当初设计时面向的物件已完全不同。一套 NVIDIA GB200 NVL72 系统在单机柜内功耗约 120–132 kW——而企业标准是 5–15 kW——而在即将到来的世代中，集群架构正推向每机柜 250 kW 以上。这个数字引出三项连锁的工程后果：

制冷转向液冷。 每机柜超过约 50 kW 后，输送足够的空气在物理上已不现实。行业已收敛为两条技术路线：

	芯片级直冷（DTC）	浸没式
工作原理	GPU/CPU 上加装冷板；经 CDU 循环冷却液	服务器浸入绝缘液体中
支持的机柜密度	80–132+ kW（当前世代）	100–250+ kW
液体带走的热量	约 70–80%（其余由风冷承担）	约 95–100%
机房改造负担	中等——CDU、管路、水循环	高——液槽、液体处理、全新运维模式
硬件兼容性	标准 OEM 机柜（NVL72 出厂即支持 DTC）	需要适配浸没式的硬件
2026 年市场地位	新建 AI 项目的主流选择	小众：HPC、加密货币、极限密度

DTC 在多数部署中胜出，因为它在应对当前 GPU 热功耗的同时保留了机柜与机列的运维模式；它通常使机电资本开支增加 7–10%，但削减的制冷能耗足以把 PUE 从传统的约 1.5 降至 1.1–1.2——相当于总电力成本上永久性节省 20–25%。

配电随之升级。 60–130 kW 的机柜需要 415V 以上的顶部母线槽、大电流馈电，以及可承载每机柜 1,500–2,000 公斤的楼板。市电余量变成战略资源：一个 1,024 卡的 H100 集群整体功耗约 1.5–2 MW；一个 16,000 卡的训练集群接近 25–30 MW——这种规模会立刻把你从挑机柜的零售买方，变成谈电力的批发租户。此类规模的需求可参见我们的超大规模板块和电力板块。

由此得出的筛选结论是：全球现有托管存量中的大部分，不经改造无法承载现代 AI 集群。 把传统风冷空间改造成支持液冷密度，成本为每 MW 200 万–400 万美元。这正是“GPU 就绪”如今成为机房选型中最重要单一筛选条件的原因——也是我们的目录用 aiReady 标记覆盖密度、液冷支持和电力余量的原因。

托管还是租 GPU：决策框架

在约 5,000 万美元以下的规模上，最具影响的 AI 基础设施决策，就是自购硬件托管还是租用 GPU 容量。诚实的答案是算术题，而非立场问题：

适合租用的情形： 利用率不确定或波动大；项目周期不足约 12–18 个月；需要立刻用上前沿硬件（租用 B200/GB200 胜过 6 个月的采购周期）；或者团队完全没有精力做基础设施运维。按承诺价约每小时 2.35 美元计算，一张 H100 约为每卡每年 20,600 美元，且电力、制冷、网络和硬件风险全部由服务商承担。

适合托管的情形： 你将在 2 年以上维持高利用率（60% 以上）；负载数据有本地留存或安全约束；或者你的体量已大到租赁方的利润高于你自己的运营成本。自建一个 H100 节点的资本开支约为每卡 25,000–30,000 美元，加上每卡每年 3,000–5,000 美元的托管电力与空间费用（在电价约 0.08–0.12 美元/kWh 的市场——这也是东南亚托管对推理机队颇具吸引力的原因之一）。在三年高强度使用的周期里，自有方案通常比租用低 30–50%——前提是利用率保持得住。

盈亏平衡点大致在持续使用 12–18 个月处。 两个因素会把它推后：GPU 的世代更替（自有的 H100 机队在第二年要与下一代租赁产品竞争）和租赁价格下行（市场两年内重新定价下跌约 60–70%）。一个因素会把它提前：最新世代的租赁容量在发布时稀缺且价格高昂，而那恰恰是训练需求的高峰期。

成熟的团队越来越多地采取折中方案：按基线推理负载配置自有的托管容量；用租赁容量应对训练峰值和新世代试验。为这套组合的两侧同时定价，需要两个市场的实时数据——这正是本站在 /zh/index/ 和 /zh/gpu/ 发布内容的核心。

GPU 市场已经分层——为世代定价，而不是为“一张 GPU”定价

“GPU 定价”如今是四个沿不同曲线运行的独立市场，把它们混为一谈是我们见过最常见、也最昂贵的分析错误：

层级	硬件	市场表现（2026）
前沿	GB200/B200 级	稀缺、溢价，更多靠分配而非出售；价格是 H100 的数倍
主力	H100/H200	流动性好、竞争充分；现货约每小时 2–3 美元，一年期承诺约每小时 2.35 美元
性价比	A100 及更早	深度折价；适合微调、较小模型、批量推理
推理优化	L40S 及专用型号	按每 token 服务成本定价，而非训练 FLOPs

三种动态支配着这些曲线。世代瀑布：每一次旗舰产品发布，都会在大约一年内把上一代价格压低 30–50%——正是这一规律把 H100 从每小时 8 美元以上带到了承诺价 2.35 美元。合约期限价差：同一款硬件在现货、月付和 1–3 年承诺之间的费率可相差 40% 以上，因此把合约期限与负载确定性匹配好，其价值不亚于挑选服务商。服务商离散度：同一款 GPU 在超大规模厂商的目录价是专业 GPU 云的 2–4 倍，主力层级的差距最大。我们的 GPU 追踪器维护着各层级的当前图景；请把任何单一报价数字——包括我们上个季度的数字——都视为一条快速变动曲线上的快照。

网络：买方往往发现得太晚的第三根支柱

AI 集群在网络上出问题的频率高于电力或制冷，因为训练是一种同步负载：数千张 GPU 每一步都要交换梯度，最慢的那条链路决定整个集群的节奏。对容量买方的实际含义：

• 东西向流量占主导。 一个 1,024 卡的集群需要无阻塞的 400/800G 网络架构（InfiniBand 或 RoCE 以太网），其成本——交换机与光模块通常为每卡 2,000–4,000 美元——必须与加速器本身一起放进你的资本开支模型。
• 对训练而言，物理邻近性没有商量余地。 网络延迟预算把训练集群限制在同一机房或相邻机房内；你无法把一个训练集群横跨两栋楼来拼接，更不用说两座机房。这就把机房选择限定在拥有大面积连片 GPU 就绪空间的站点上——这也是我们目录中 aiReady 筛选覆盖的另一个维度。
• 推理分散，训练集中。 服务流量能容忍普通的都会区延迟，这正是轴辐式架构行得通的原因——重量级集群放在批发空间，推理节点靠近用户（见我们的边缘板块）。

在比较 GPU 部署的托管报价时，要专门询问高纤芯数网络的综合布线支持能力、大批量交叉连接的定价（几十条 400G 链路会改变整道算术题——见我们主机托管板块的隐性成本一节），以及在混合架构下是否具备云上联点。

AI 容量该放哪里：地理格局正在改变

AI 负载比面向用户的应用更能容忍延迟——一个训练任务并不在乎自己跑在阿什本还是柔佛。这种容忍度，叠加美国核心市场不足 1% 的空置率和每 kW 215 美元以上的价格，正把 AI 容量导向电力充裕、成本更低的市场：美国二线都会区、北欧、中东，以及首屈一指的东南亚——泰国 BOI 在 2025 年批准了约 7,460 亿泰铢的数据中心投资，柔佛的项目管线达到约 4–5 GW，而马来西亚如今明确优先支持 AI 级项目。每 kWh 0.08–0.12 美元的工业电价和比美国低 20–40% 的建设成本，直接转化为规模化运营机队者更低的每 GPU·小时成本——完整的区域图景见我们的开发板块和泰国分析。

Coloprice 能提供什么帮助：连接托管与 GPU 的桥梁

其他所有资源都只覆盖这个市场的一半。托管目录不追踪 GPU 价格；GPU 交易市场不覆盖物理容量。而真正的决策——租算力、还是部署硬件、还是介于两者之间——横跨两侧，所以我们把这座桥搭了起来：

• 实时 GPU 价格，免费。 GPU 追踪器监测各服务商与各世代的租赁费率——从承诺价约每小时 2.35 美元的 H100，到当前 B200/GB200 的溢价——让你在几秒内就能给任何一份报价做对标。H100 定价指南则解读合约结构。
• GPU 就绪机房，可筛选。 我们的 202 座机房目录带有 aiReady 筛选项，覆盖高密度供电与液冷支持——把“全球哪些机房真的能承载 100 kW 机柜？“从数周的 RFI 邮件往返，变成两分钟的一次查询。
• 两个市场，一套基准。 主机托管价格与 GPU 价格并列呈现，再加上统计数据中的市场供给数据——正是上面那套租用与托管模型所需的完整输入。
• 一个工作日内免费匹配报价。 在 /zh/quote/ 描述你的需求——一个 20 机柜的液冷集群、东南亚 2 MW 的 GPU 就绪空间，或一份你想做对标的 GPU 租赁承诺——我们会在一个工作日内从审核过的机房和服务商中返回匹配选项。没有影响候选名单的挂牌费，也没有“申请报价”式的黑箱。
• 深度内容。 从主机托管定价指南入手了解美元/kW 这一侧；如果你是在为 AI 容量出资而非采购，请看数据中心投资指南。

AI 基础设施是科技领域重新定价最快的市场——两年里 GPU 价格变动超过 60%，而主机托管则朝相反方向变动了 6–12%。基于过时数据做出的决策在两个方向上都很昂贵：一边是为算力多付钱，另一边是把资本困在错误的机房里。查看 /zh/gpu/，在 /zh/data-centers/ 中筛选，对照 /zh/index/ 做基准，然后让 /zh/quote/ 在一个工作日内把真实、可比的报价送到你的案头。