数据中心不再只是机房，而是 AI 时代的新型工厂；交付速度、电力组织、冷却方式、供应链标准化，正在成为云厂商的新护城河。
8 月 10 日，阿里云表示，基于 CUBE 5.0 全模块化架构，其大型 AIDC 数据中心交付周期已缩短至 100 天。这个数字放在全球数据中心建设周期里相当醒目：国内传统交付通常需要 6 至 12 个月，美国常见周期为 12 至 18 个月，欧洲、日本部分项目甚至可达 30 个月。
阿里云全球数据中心总经理王朝阳给出的解释很直接：传统数据中心建设是「工程逻辑」，供配电、冷却、安防、消防、智能化等系统大量依赖现场串行施工；而 CUBE 5.0 试图把它变成「产品逻辑」——工厂生产、预调试、运输到场、像搭积木一样吊装集成。
按照阿里云的说法，100 天交付周期包括 30 天工厂生产和现场准备、50 天现场安装、20 天调试测试。在这 100 天内，供电、冷却、消防、安防、智能化五大系统完成部署，直到服务器和网络设备进入前结束。
这不是简单把几个设备装进集装箱，而是把数据中心的模块化率从早期约 30% 提升到 90%。王朝阳反复强调，模块化如果只做到 20%、30%，只能解决局部设备问题，不能真正压缩整体交期，因为关键路径还卡在其他工程环节。只有做到 90% 以上，才可能让数据中心从「现场施工」转向「标准组装」。
王朝阳用了一个很有意思的比喻：苹果不亲自生产每一部手机，但所有手机都知道是苹果的。阿里云希望在数据中心行业做类似的事：定义模块、标准、BOM、接口和版本，再由制造伙伴规模化生产。
这也是为什么阿里云敢说，在工期大幅缩短的同时，单位千瓦相关建设成本还能较上一代降低 10% 以上，产品一次性测试通过率接近 100%。在工程行业，「交期、成本、质量」通常是一个不可能三角；但如果生产方式发生变化，这个三角就可能被重新定义。
更关键的是，AI 算力现在处在供不应求阶段。王朝阳说得很直白：「今天没有一张卡是空闲的。」每一张 GPU 或 AI 加速卡，要么在训练模型，要么在生产 Token。数据中心早一天交付，就意味着算力早一天上线，客户早一天使用，收入和产业价值早一天释放。
谁能更快把芯片、电力、冷却、网络和运维整合为可用算力，谁就更接近 AI 基础设施竞争的核心。
乌兰察布为什么重要：AI 算力正在重画中国数据中心地图
这次阿里云把讨论现场放在乌兰察布，并不是偶然。
乌兰察布距离北京约 350 公里，往返网络延迟约 4 毫秒；当地年平均气温约 4.3 摄氏度，气候干爽，海拔约 1500 米，光伏发电时间超过 3200 小时。更现实的因素是电价：王朝阳透露，当地电价大约在每度 3 毛 2 到 3 毛 5 之间。同样规模的数据中心放在乌兰察布，相比相邻区位，一年电费可能节省数十亿元。
这解释了为什么乌兰察布、大同、张家口、和林格尔等地会成为大规模算力中心的候选地。它们大多位于胡焕庸线以西或附近，拥有低温、土地、电力和新能源资源优势。
但王朝阳提出了一个更值得注意的判断：中国 AI 算力布局正在同时发生两种运动。
第一种是以训练为中心的「从东往西三级纵深」。最早的千卡、万卡集群出现在京津冀、长三角、大湾区等经济圈；随着训练集群规模继续扩大，大量万卡智算中心开始向胡焕庸线左侧迁移；再往后，更大规模的算力可能继续向西部能源富集区延展。
训练任务对时延相对不敏感，但对电力、土地、冷却和成本极其敏感。越是大规模训练，越适合部署在电价低、能源充足、气候适合的地区。
第二种是以推理和 Token 消耗为中心的「从西往东三级下沉」。随着模型进入「好用」阶段，Token 消耗开始爆发。真正消耗 Token 的，是东部人口、产业和经济活动。因此，推理算力不可能全部远离用户和产业。它会从西部电价洼地，逐步下沉到长三角、大湾区、京津冀等经济带，再进一步覆盖汽车、金融、制造、游戏、量化、内容生产等高频使用 AI 的产业集群。
这背后反映的是训练和推理两种算力需求的分化。
训练像大型重工业，可以集中到能源富集区；推理更像城市公共服务，需要靠近用户、靠近场景、靠近数据。乌兰察布可以成为北京和华北地区的重要后端算力中心，但如果要覆盖更多南方产业带，还需要与韶关、中卫、沿海节点、边缘算力和端侧算力共同形成层级结构。
这也解释了为什么王朝阳说，数据中心选址有三套逻辑：市场、成本和技术依赖。
市场决定低延迟行业必须靠近客户。量化交易、游戏、实时交互等业务无法忍受过高延迟。成本决定大规模训练会追逐低电价和低冷却成本。技术依赖则指向数据和算力的绑定：客户的生产数据、业务数据、模型训练和推理部署之间并不是完全可拆开的。
他举了一个例子：中国超过 50% 的汽车行业相关生产数据和生产算力与这里发生连接。这意味着，乌兰察布并不只是一个便宜电力所在地，它正在成为产业数据和 AI 计算的节点。
下一场竞争不是「算」或「电」，而是算电协同
AI 数据中心和传统云数据中心最大的差异，是功率密度被迅速拉高。
王朝阳把数据中心分为四代：企业数据中心 EDC、互联网数据中心 IDC、云数据中心 CDC，以及 AI 数据中心 AIDC。前三代分别对应企业自用、共享托管、超大规模云。到了 AIDC，规模可能是过去的 10 倍，密度也可能是过去的 10 倍甚至几十倍。
功率密度的跃迁尤其惊人。EDC 时代单机柜平均功率约 3 至 5 千瓦，IDC 时代约 5 至 8 千瓦，CDC 时代约 10 至 15 千瓦，而 AIDC 时代已经来到 100 千瓦级。王朝阳判断，两年内可能会出现 1000 千瓦单机柜。
这意味着什么？一个机柜占地不过约 1 平方米，却可能承载相当于上万人体热量级别的散热压力。芯片单颗功耗从数百瓦走向 1200 瓦、1400 瓦甚至 1800 瓦后，传统 240 伏或交流供电体系会遭遇物理极限，线缆空间和承载能力都不够。阿里云因此在 CUBE 5.0 中采用高压直流架构，并面向未来 400V 甚至 800V 供电演进。
冷却也从可选项变成生死线。风液兼容几乎成为 AIDC 标配。CUBE 5.0 支持风冷和液冷自由切换，风冷 PUE 可做到不高于 1.15，液冷 PUE 可做到不高于 1.10。它还要兼容主流异构芯片和计算架构，至少支撑三代芯片迭代，按王朝阳的说法，保守估计可以支撑约 10 年。
但供电和冷却只是第一层问题。更大的问题是：AI 算力需求以指数级增长，而能源建设并不是指数级交付。
数据中心交付可以压缩到 100 天，能源基础设施却常常需要两年、三年，甚至更长。核电更久。这个错配，会成为 AI 基础设施下一阶段最大的瓶颈之一。
因此，「算电协同」成为阿里云这次释放的另一个核心信号。
王朝阳认为，今天行业里常说的源网荷储、绿电直连、峰谷套利、需求响应，只是算电协同的初级形态。真正的算电协同不是算力和电力简单相加，而是一个自洽系统：发电、储能、负载、电网、AI 调度之间形成动态平衡。
他提出四个突破：能源来源必须多样化，不能只看风光；负载必须柔性可调，AIDC 不能永远被视为刚性负荷；要实现能源存储与交换；还要用 AI 进行调度和优化。
传统电网面对水泥厂、化工厂、数据中心，本质上都是用电企业。但 AIDC 不一样，它关系到模型训练、企业生产、产业数字化甚至国家级 AI 能力。它需要更高质量的电力 SLA，也需要更灵活的电力组织方式。
这会冲击既有的发电、输电、配电、用电关系。未来的数据中心可能不只是电力消费者，也会成为微电网中的柔性负载、储能调度节点，甚至参与电力系统优化。
阿里云自身的能源数据也透露了方向。王朝阳表示，乌兰察布数据中心绿电占比约 90%，阿里云全国自建数据中心上一财年绿电占比为 73.6%。在水资源方面，乌兰察布数据中心 WUE 为 0.088，且使用中水。对西北、华北等水资源敏感地区而言，这一点很关键。
所以，AIDC 的竞争并不只是「谁建得快」。它最终会落到一个更复杂的综合效率：单位 Token 成本、单位千瓦建设成本、PUE、WUE、绿电比例、交付周期、芯片兼容性、网络延迟、供应链弹性，以及本地产业协同。
这也是阿里云 CUBE 5.0 最值得关注的地方。它并不是单纯宣布一个数据中心产品，而是在试图定义 AI 基础设施的新范式：用中国制造把数据中心产品化，用标准化把工程周期压缩，用算电协同对冲能源瓶颈，再通过全球供应链把这套能力输出到海外。
阿里云今年计划将模块化数据中心的全球产能提升两倍以上。CUBE 5.0 已经在乌兰察布、中卫等数据中心试点跑通，并获得欧洲 CE 认证和东南亚产品准入。
从这个意义上说，阿里云今天讲的不是一个「100 天建成机房」的故事，而是中国 AI 基础设施产业链尝试出海的故事。
AI 竞争越往后，越不会只发生在模型参数和芯片制程上。真正决定产业速度的，是谁能把昂贵、稀缺、高功耗的芯片，稳定、快速、低成本地转化为可调用的 Token。数据中心曾经是云计算背后的沉默资产，现在正在变成 AI 时代最显性的战略资产。
在这个阶段，交付就是生产力，电力就是竞争力，标准化就是规模化的前提。阿里云把 AIDC 从工程现场推向工业流水线，可能会逼迫整个行业重新计算时间、成本和能源三本账。
