支撐AI運行的，不只有大模型和高端晶片，還有「幕後」一系列算力基礎設施。
近期，全球儲存晶片價格上漲，影響甚至傳導至U盤、SD卡、移動硬碟等普通消費者熟悉的電子產品。隨著世界範圍內AI數據中心建設提速，燃氣輪機、變壓器、儲能設備、冷卻設備、光纖電纜以及銅、鋁等基礎材料的需求也同步上升。當前，AI熱潮正向產業鏈的多個基礎環節延伸，讓一批「隱形剛需」受到更多關注，也牽動全球供應鏈發生新變化。
算力基礎設施需求升溫
近期，「儲存」成為全球科技產業關注的熱詞。AI數據中心不僅需要高性能晶片完成計算，也需要大量記憶體和儲存設備來完成數據讀取、調用、交換和保存。隨著AI數據中心建設提速，高頻寬記憶體、伺服器記憶體、企業級固態硬碟等產品的需求顯著增加。
據韓聯社報導，全球科技企業加大AI基礎設施投資，帶動伺服器記憶體產品需求上升。2026年，全球記憶體晶片市場規模預計較上年擴大超過4倍。另據路透社報導，AI基礎設施投資增長推高了記憶體和儲存晶片需求，全球記憶體供應趨緊。報導援引花旗銀行分析稱，記憶體晶片製造商SK海力士預計，記憶體供應緊張可能持續至2027年。
這一變化已開始向消費端傳導，U盤、儲存卡等產品價格上漲，手機、電腦等電子產品也面臨成本壓力。《華爾街日報》報導稱，AI數據中心大量採購記憶體晶片，使消費電子企業可獲得的供應減少，推高了個人電腦、智能手機、遊戲機等產品成本。另據美國新聞網站Axios報導，美國勞工統計局的消費者價格指數顯示，今年5月，美國「電腦軟件及配件」價格同比上漲14.5%，U盤等儲存產品價格上升是推動上漲的重要因素。
不只是儲存，AI算力擴張也顯著拉動電力設備需求。數據中心耗電量較大，對供電穩定性要求高，其建設和運行離不開發電設備、變壓器及輸配電系統支撐。路透社報導援引西門子的消息稱，大型科技企業加大AI基礎設施投資，正在推高燃氣輪機和電力設備需求。彭博社的報導也提到，隨著AI數據中心建設加速，美國大幅增加了大功率變壓器的海外採購。摩根士丹利6月的研究報告也顯示，電力變壓器的交貨週期已大幅延長，全球供應鏈承壓。
數據中心對穩定供電的要求，也帶動了儲能設施等配套環節需求上升。彭博新能源財經分析稱，隨著數據中心建設，電池已不只是人們印象中的短時備用電源，更是緩解數據中心接網壓力的重要設施。英國《金融時報》也報導稱，AI數據中心需要不斷電電力供應，以防停電或電壓波動，儲能設備因此成為重要支撐。
AI還帶動了冷卻設備需求升溫。AI伺服器密集運行會產生大量熱量，散熱能力直接關係到運行穩定。路透社援引摩根大通報告稱，全球AI伺服器液冷系統的市場規模，預計將從2025年的89億美元增至2026年的超過170億美元。隨著數據中心建設，冷卻設備需求增長，相關企業或將受益。
此外，數據中心還需要高速、穩定的數據傳輸，光纖光纜等連接設備需求也隨之上升。美國消費者新聞與商業頻道報導稱，美國科技企業Meta正為其AI數據中心採購光纖光纜。美國康寧公司等相關企業也表示，將推出面向AI數據中心網絡的光纖光纜和連接產品，以滿足高速數據傳輸需求。
相關需求還延伸至基礎材料領域。數據中心建設、供配電設備、電纜、變壓器、冷卻系統等環節均需要銅、鋁等金屬材料的支撐。標普全球研究稱，受電氣化、數字化發展和AI數據中心等需求帶動，全球銅需求到2040年預計將較2025年增長約50%。其中，AI和數據中心相關的銅需求預計將明顯增加。
「幕後環節」為何引發關注
存儲、網絡、電力、關鍵材料……這些環節看似處在幕後，為何吸引越來越多國際關注？與以往的AI發展階段相比，現階段AI對基礎設施的需求出現了什麼新變化？
復旦大學經濟學院教授劉志闊接受本報記者採訪時表示，隨著AI從技術研發走向更多實際應用，對算力基礎設施的要求已從「能不能跑起來」，轉向「能不能穩定、持續、低成本地運行」。在這一過程中，支撐模型長期運行的基礎設施被推到更重要的位置。與此同時，AI牽動的產業環節也更加廣泛。存儲負責數據讀取和保存，光纖光纜承擔高速傳輸，電力設備保障穩定供電，冷卻系統維持設備運行，銅、鋁等材料則支撐設備製造。這些環節雖不直接呈現在消費者面前，卻影響著AI服務能否持續、穩定、高效運行。
英國《金融時報》的分析稱，隨著AI應用擴大，行業關注點正從模型訓練進一步延伸至推理環節。訓練主要是讓模型形成能力，推理則是模型在實際場景中被調用和使用。推理需求增加，意味著AI服務需要更穩定、更低延遲的計算和網絡支撐。該報另一篇報導也指出，AI發展正在改變數據中心設計，對電力、冷卻和配電設備提出了更高要求。
美國戰略與國際問題研究中心有關報告和文章也表示，每一個AI模型和應用背後，都是由大量數據中心、密集計算硬件和龐大電力需求構成的網絡。支撐AI算力的基礎設施已成為重要變量，未來要大規模提升AI算力，需要統籌考慮電力輸送穩定性、工業製造能力等基礎設施條件。
在各類算力基礎設施中，電力越來越成為關鍵變量。廈門大學中國能源政策研究院院長林伯強對本報記者表示，AI數據中心對電力的需求增長較快，凡是與數據中心、電力、綠電、儲能相關的環節，都會隨之加快發展。特別是新建數據中心往往更重視綠色電力的使用比例，未來，數據中心不僅需要穩定供電，也將更多與清潔能源和儲能系統結合。
算力鏈條牽動全球產業鏈
隨著AI需求向算力基礎設施各環節傳導，相關全球產業鏈的格局和價值鏈條也在發生變化。
劉志闊認為，未來不能僅以「有沒有大模型」來判斷一個國家或地區是否參與了AI產業鏈。不同國家和地區嵌入全球產業鏈的方式各不相同，有的體現在模型和平台層面，有的則體現在製造、材料、設備和零部件環節。以中國為例，在光通信模組、電源設備和部分配套環節中佔有較高比重。韓國存儲芯片企業則近期表現搶眼。其他國家也在部分技術、材料和設備等領域各有積累。這種差異化參與，構成了全球AI基礎設施供應鏈的基本格局。
國際機構分析也顯示，AI的全球產業鏈具有高度複雜性。美國戰略與國際問題研究中心在報告中指出，AI等技術建立在複雜的技術棧和高度相互依存的價值鏈上。相關產品往往涉及設計、製造、設備、材料等多個國家和地區的分工，並與各地傳統產業高度依存。
麥肯錫在一份研究報告中估算，全球數據中心建設支出到2030年可能達到數萬億美元規模。其推進速度不僅取決於資金投入，還受到能源資源、工業能力和供應鏈配套等多重因素的影響。
能源環節的作用也日益凸顯。林伯強表示，數據中心用電需求增長對電力系統的影響會是一個過程。更值得關注的是，未來數據中心建設如何更多與清潔能源、儲能和電網建設相結合。AI熱潮帶來的供應鏈變化，不只是科技產業內部的變化，也與能源、製造、材料等領域密切相關。
AI熱潮持續升溫，也正推動全球產業鏈重新審視算力基礎設施的產業價值。
「當下AI基礎設施建設由真實需求拉動，相關熱度也已體現在產業鏈相關企業營收和利潤增長上。」劉志闊說，但與此同時，也要警惕短期熱度過快累積、基礎設施建設快於真實需求、應用鋪開快於價值創造的泡沫化現象。AI產業發展的關鍵，在於把支持重點放在長期能力建設上，推動算力建設、應用創新和產業需求更好匹配。這樣，AI熱潮帶動的「隱形剛需」才能真正轉化為全球產業鏈發展的長期動力。
