美国早被打醒了!他们终于明白:要先有中国制造,才能谈AI算力
美国这次是不是真被打醒了? 为什么芯片再先进,最后还得回头找中国工厂下单? 答案就藏在扬州一家工厂的流水线上,藏在深圳华强北的柜台里,也藏在那些像乐高一样拼起来的数据中心里。 2026年9月,美国CNBC记者走进江苏扬州的一家工厂,看到一座三层楼高的AI数据中心正在被"造"出来——注意,不是盖,是造。 一个个钢制箱体整齐码在车间,组装起来就是一座完整的数据中心。 企业方面说,这套玩法叫预制化建造,通常可缩短施工周期25%至30%,质量也能在工厂里就把好关。 眼下全球AI热,数据中心的需求跟着爆炸。 可真要动手盖,难点不少,尤其是在美国—— 审批流程绕得人头大,民众抗议此起彼伏,人工和建材贵得吓人,关税高、供应短,哪一样都能把工期拖黄。 在美国建一座数据中心,平均要花两到三年。 而中国供应商,把这个周期压缩了一大截。 业内人士直言,中国对美国数据中心的供应链太关键了。 有业内人士当时指出,美国部分数据中心设备的本土供应存在缺口,即便能够买到,部分设备的交货周期也可能长达数年。 中国企业能在时间上给出更漂亮的答案。 中美这场AI竞速越跑越激烈,两边到底怎么合作、能不能合作,谁也说不准。 美国那边政策制定者担心对中国依赖太深,官员们一直在想办法限制甚至禁掉中国造的东西。 国家安全也被反复提起,加上美国国内还有人喊着AI要刹车,整个行业的节奏可能都要被影响。 走进这家工厂,可以看到数据中心的各种"积木"正在室内环境里一块块长出来。 这家中国企业叫PrefabDC,是新加坡注册公司BrightRay的独家制造商,后者负责整体建造的组织。 数据中心是按模块拼起来的,每个模块里电缆、设备一应俱全。 一座中型的50兆瓦数据中心,要拆成约1000个模块。 原材料和设备来自世界各地,但很大一部分来源于中国。 企业方面坦言,正是看中国供应链整合度高、体系全,才把工厂设在国内。 预制化、模块化这套玩法在中国已经相当普遍,无论是盖房子还是造数据中心,都能像造汽车一样搞定。 这家企业更狠,不只是做数据中心内部的模块,而是把整座数据中心都给模块化了。 整个建造过程都在室内完成,天气这种老大难问题基本沾不上边。 企业人员说,除了天气,施工现场的制约还不少,各种设备进场时协调起来相当复杂,这才是真正拖慢工期的罪魁祸首。 撬装式和微模块化系统在国际上用得很多,但真能把整个数据机房模块化的企业,掰着手指都数得过来。 美国的数据中心里,大概40%到60%的部件会采用模块化生产,有些比例还更高。 施耐德电气、维谛技术、ABB这些西方跨国巨头,是这一领域的主要玩家。 生产线上,钢结构先搭起来,然后冷却设备、通风系统、不间断电源依次装上去。 每个模块功能各不相同:有的放服务器机柜,有的装冷却系统,还有的塞的是供电设备。 每个模块都有专属编号,到现场一拼就行,整个过程像组装家具。 这些模块到了工地紧挨着一拼,工厂里长啥样现场就啥样。 模块在厂里打包完,吊到卡车上运走,到地方再由吊车组装,像乐高积木一样严丝合缝地扣在一起。 BrightRay介绍,在东南亚从设计、制造、运输到组装、测试,整套走完大约九个月。 公司价格也有竞争力,但真正的卖点不是便宜,而是快、稳,加上背后那条中国的庞大供应链。 在美国的报价公司没透露,不过美国和加拿大现代化数据中心平均新建成本大约每兆瓦1760万美元,不含芯片及GPU。 截至2026年9月接受采访时,该公司在中国和东南亚已有项目,并计划进一步拓展美国市场。 公司觉得美国市场潜力大,需求更旺。 数据对比一下:2025年美国有5427座数据中心,中国有449座。 差距主要来自资本的可获得性。 从2022年底到2026年9月相关报道发布时,美国在数据中心上的投入已经大幅增长。 有预测说,2026年美国大型云服务商在AI和云基建上的投入,大约是中国的六倍。 美国私营部门在AI上的总投资,更是中国的二十三倍还多。 分析人士指出,中国企业从AI服务里赚的钱还相对有限,这也是国内难以像美国同行那样大手笔砸钱的原因之一。 不过,2026年6月9日,彭博社援引知情人士消息称,中国正研究未来五年投入约2万亿元人民币(约2950亿美元),用于建设全国性数据中心网络。 但这个规模仍然远低于美国私营部门的投资。 分析人士认为,这笔钱到底能落多少、分配给谁,还得等等看。 更深层的问题在于,过去支持建的不少数据中心,因为AI服务需求没跟上,不少都闲着没人用。 所以国内制造企业在国内需求相对疲软的情况下,特别想抓住美国市场这块大蛋糕。 中国是全球最大的制造业国家。 工厂不只是生产各种电子产品——深圳华强北这座多层电子市场就是最好的写照—— 在电气设备供应领域,中国同样占主导地位。 华强北在深圳,是全球规模最大的电子批发市场。 各种电子元器件应有尽有,光纤电缆销售商是其中的重要
觉得有用?分享给朋友
让更多人看到这篇内容