易海创腾
最近几年，一个变化越来越明显。
一边，国内 AI 企业、云厂商和数据中心不断向北布局。内蒙古、新疆等地，正在成为大规模算力基础设施的重要承载地。过去距离互联网中心较远的地区，如今反而因为风电、光伏、土地和气候条件，吸引越来越多数据中心项目。
另一边，中国的算力产业链又开始向海外寻找机会，东南亚、中东等市场正在成为新的数据中心和 AI 基础设施投资热点。
本文来源于广告门 adquan.com
问题也随之而来：
既然中国已经有内蒙古这样的低成本算力基地，为什么还要把算力带到海外？
因为算力的商业价值，从来不只是“每度电多少钱”。
它还取决于用户在哪里、数据能不能流动、网络够不够快，以及当地有没有真正的 AI 需求。
从内蒙古到东南亚，再到中东，这场算力迁徙背后，其实是一场围绕能源、用户和产业机会的重新布局。
按照传统互联网的逻辑，数据中心应该尽量靠近北京、上海、广州、深圳等需求中心。
但 AI 改变了这个逻辑。
尤其是大模型训练，对实时性的要求没有那么高，却对电力、土地和散热提出了更高要求。
对于一些规模很大的训练任务，把计算放在能源成本较低的地区，往往比全部部署在高成本城市更划算。
内蒙古、新疆等地拥有较丰富的风电、光伏资源，土地成本相对较低，也有空间承载大型数据中心。
于是，一个新的趋势开始出现：
过去是把电送到城市，现在则可以让计算主动靠近能源。
算力不一定非要跟着用户走。
对于实时性要求不高的训练任务，可以在能源附近完成计算，再通过网络把模型参数和计算结果传回需求中心。
另一个容易被忽略的问题，是散热。
算力密度越高，冷却成本越重要。相比高温高湿地区，内蒙古等气候较凉爽、干燥的地区，在降低部分冷却能耗方面更有优势。
所以，内蒙古真正吸引 AI 企业的，并不只是风电便宜，而是电力、土地、气候和基础设施形成了适合大规模计算的综合条件。
这其实也揭示了 AI 基础设施的一条商业规律：
训练算力越来越像“能源产业”，而不是传统互联网产业。
因为便宜的算力，不等于全球可用的算力。
对于面向海外市场的 AI 企业来说，至少有三个问题无法靠国内算力解决。
首先是距离。
从中国向北美、欧洲等地区提供 AI 服务，跨洲数据传输会产生明显延迟。
普通网页、内容生成可能还能接受，但实时语音、在线游戏以及部分工业和企业级应用，对响应速度更加敏感。
所以未来很可能形成一种分工：
训练集中，推理分散。
大模型训练可以放在能源成本较低的地区，而真正面对海外用户的推理服务，则部署在距离用户更近的区域节点。
第二个问题是数据合规。
当 AI 进入金融、医疗、政务、电商等场景后，数据在哪里存储、能否跨境传输，就不再只是技术问题。
不同市场有不同的数据监管要求。
这意味着，中国 AI 企业进入海外市场，不能简单地把国内模型“搬过去”，还需要重新设计数据存储、计算和服务架构。
第三个问题反而最值得关注：
海外市场本身正在产生新的 AI 基础设施需求。
东南亚、中东等地区正在加快数字基础设施建设，也在推动本地 AI 能力发展。
这意味着中国企业出海的机会，可能不只是卖模型，也不只是卖服务器。
而是把国内已经形成的数据中心建设、电力配套、液冷、通信和工程实施能力一起带出去。
这会让“算力出海”从一个单纯的设备生意，变成一门基础设施生意。
如果把全球算力放在一张地图上，会发现未来并不存在一个统一的“最佳地点”。
不同地区，会承担不同角色。
北弗吉尼亚、新加坡以及欧洲主要互联网枢纽，网络连接密集、用户和企业集中，更适合低延迟推理和实时 AI 服务。
内蒙古、新疆、北欧以及北美部分能源资源丰富地区，则更适合大规模训练和后台计算。
而中东正在形成另一种模式。
它的优势不只是能源，更在于资本投入能力、基础设施建设意愿以及发展 AI 产业的政策动力。
所以，中东值得关注的地方，并不是“电便宜”这么简单，而是它可能同时成为算力中心、资本中心和 AI 产业投资中心。
这其实给中国企业一个很重要的启示：
未来的算力竞争，不一定是争夺同一块市场，而是寻找最适合自己的位置。
中国没有必要把所有算力都放在海外，也没有必要把所有海外业务都从国内处理。
更现实的模式，是形成一套全球化的算力网络：
国内能源型基地负责部分训练，海外区域节点负责本地推理和服务。
这和过去企业出海建工厂很像。
不是把国内所有产能搬出去，而是在关键市场建立本地能力。
算力真正走向海外，还需要解决一个经常被忽略的问题：
网络。
数据中心在哪里，只解决了“机器放在哪里”；海底光缆、骨干网络和区域节点，决定了这些机器能不能高效服务全球用户。
所以，未来的算力出海很可能不是一个单独的数据中心项目。
它需要数据中心、电力、网络和本地运营共同组成基础设施体系。
这也意味着，中国企业真正可以输出的，未必只是服务器。
过去几十年，中国制造形成的优势之一，就是把复杂的基础设施项目做得更快、更完整。
从电力系统到通信设备，从数据中心建设到液冷，再到服务器和 AI 应用，中国已经形成了较完整的产业链。
如果这些能力能够被打包输出，算力出海的商业模式就会发生变化：
从卖设备，变成卖一整套 AI 基础设施能力。
这可能比单纯出口服务器更值得关注。
这里真正值得观察的，并不是所谓“中间国家”。
更准确地说，是东南亚、中东等正在建设区域数字基础设施的新兴市场，与中国算力产业链之间出现了新的需求交集。
这些市场需要 AI。
但它们未必希望未来所有数据、云服务和 AI 能力，都依赖少数海外科技巨头。
因此，“主权 AI”“本地数据中心”等概念越来越受到关注。
所谓主权 AI，并不意味着每个国家都要从零开始训练一个顶级大模型。
更现实的需求，是让关键数据、计算能力和 AI 基础设施保持一定程度的本地可控。
这恰好给中国企业留下了空间。
中国需要海外节点，解决距离、合规和全球服务的问题；这些新兴市场需要更多基础设施供应商，也希望在全球技术竞争中保留更多选择。
双方的合作逻辑，其实很现实：
中国提供工程和产业链能力，海外市场提供新的需求和落地空间。
但机会并不意味着可以轻松复制国内模式。
芯片管制、跨境数据监管、投资审查，以及当地的政策和合作伙伴体系，都会影响项目能否真正落地。
所以，算力出海真正的门槛，可能不是“有没有服务器”。
而是有没有能力把算力、电力、网络、数据和合规整合起来，并且按照当地市场重新组织。
这也是未来中国企业竞争的关键。
如果只是把国内设备搬到海外，竞争最终还是价格。
如果能够进一步参与当地的数据中心建设、AI 基础设施和产业生态，算力出海才可能从一次性订单变成长期业务。
AI 企业扎堆内蒙古，背后是一个很朴素的商业逻辑：
算力越来越像能源密集型产业，哪里有更合适的电力、土地和散热条件，哪里就可能成为训练基地。
而算力走向海外，则是另一套逻辑：
训练可以追着能源走，但服务必须追着用户走。
因此，未来的 AI 基础设施很可能不是一个中心，而是一张网络。
国内负责部分大规模训练，海外节点负责本地推理和服务；能源决定算力成本，用户决定算力位置，数据监管决定算力边界。
对中国企业来说，真正值得关注的也许不是“算力要不要出海”，而是：
中国已经具备的工程、制造和基础设施能力，能不能在全球 AI 基础设施重新布局的过程中，找到新的商业位置。
这可能才是算力出海真正的机会。
易海创腾Bryan
