精選解讀｜中國 AI 從「節省算力」走向「控制算力」：烏蘭察布 12.5 GW 計畫透露了什麼？

DeepSeek 讓世界看到中國如何把有限算力用得更有效率；烏蘭察布現在提出下一個問題：如果 AI 需求持續擴大，誰能確保算力一直存在？

中國 AI 過去兩年的國際敘事，經常圍繞更便宜的模型、開放權重，以及在先進 GPU 受到限制時提高算力效率。但內蒙古烏蘭察布正在提供另一個值得追蹤的訊號。WIRED 引述高盛研究指出，當地企業承諾興建的資料中心容量合計約 12.5 GW，其中超過 70% 是過去一年宣布。DeepSeek、字節跳動、阿里巴巴、小紅書等公司也被報導正在增加當地基礎設施投入。真正需要重新檢查的，是中國 AI 是否正從「把有限算力用得更有效率」，進一步走向「確保長期算力能被自己掌握」。

01｜12.5 GW 很大，但規劃容量與真正可用的 AI 算力仍有很長一段距離

烏蘭察布不是生成式 AI 熱潮之後才出現的資料中心城市。

華為早在 2016 年便開始在當地布局，之後更多大型企業進入。中國推動「東數西算」之後，內蒙古也進一步成為全國算力布局的一部分。

截至 2025 年底，公開資料顯示，烏蘭察布已簽約 84 個資料中心專案，其中 81 個為智算中心；簽約標準機架超過 400 萬架，已建成約 50 萬架，實際投運約 33 萬架。

這組數字比「12.5 GW」本身更重要。因為它把容易被混在一起的幾個概念拆開了：承諾、簽約、建成與投運，是不同階段。

WIRED 2026 年 8 月 21 日報導，烏蘭察布自 2016 年以來已有或正在興建近 100 座資料中心，企業承諾的規劃容量估計約 12.5 GW，其中超過 70% 的容量是在過去一年宣布。

這足以說明企業與資本正在快速往當地集中，但不能直接解讀成 12.5 GW 已經接電、裝上 AI 晶片並投入模型訓練與推論。

WIRED 也把這個數字與 OpenAI Stargate 最初提出的 10 GW 目標相比。不過這個比較現在只能作為尺度參照。

OpenAI 在 2026 年 4 月表示，Stargate 已提前超過原訂「取得 10 GW AI 基礎設施容量」的里程碑，並正在評估進一步擴張。這同樣不代表所有容量都已經完成建設或投入運作。

因此，真正值得追問的是：為什麼中國 AI 公司正在這個時間點，開始對如此龐大的實體算力基礎設施下注？

02｜效率沒有消除算力需求，反而可能讓「算力控制權」變得更重要

DeepSeek 讓國際市場重新認識中國 AI 的其中一項能力：在算力受到限制的環境下，仍然可以透過模型架構、訓練方法與工程效率，提高有限算力的產出。

但這也容易形成另一個過度簡化的印象：

中國 AI 的競爭方式，就是用比較少的先進晶片，持續追趕美國前沿模型。

烏蘭察布讓這個假設開始需要重新檢查。

WIRED 報導指出，DeepSeek 正在當地興建大型 AI 資料中心，字節跳動、阿里巴巴、小紅書等企業也在增加相關投入。公開資料目前還不足以完整確認每家公司確切取得多少容量、實際建設進度與最終用途，但這些企業行為已提供一個值得追蹤的方向。

因為算力效率與算力規模，本來就不是二選一。

如果模型能用較少運算完成相同工作，企業可以降低單位成本；但當使用者、模型、推論請求與 AI Agent 數量持續增加，總算力需求仍可能快速成長。

中國國家資料局公布，2025 年用於 AI 訓練與推論的資料總量年增 42.86%，而推論資料量首次超過訓練。這不能直接換算成同等比例的算力需求，但國家資料局同時估計，未來推論算力需求與訓練算力需求之比可能達到 3：1，甚至更高。

這讓問題逐漸從：一次訓練大型模型需要多少 GPU？

轉向：當 AI 被大量、持續使用時，企業能不能長期、穩定而可預測地取得算力？

這也是為什麼自建、長期租用，或直接掌握資料中心資源，可能開始變得更有價值。

過去中國 AI 公司被迫學會的是如何把有限算力用得更有效率；下一階段若 AI 使用量繼續成長，更現實的問題會變成：需要算力時，算力能不能被穩定取得。

競爭因此可能從 Compute Efficiency 延伸到 Compute Control。

03｜AI 改變了偏遠資料中心的經濟價值，也把瓶頸推向能源與地方基礎設施

烏蘭察布能承接這一輪投資，並不是單純的地方招商成功。

它本身就具備幾項大型資料中心需要的條件。

內蒙古擁有大量煤炭、風力與太陽能資源，電力成本相對較低；寒冷氣候可以降低部分冷卻需求；土地供給也比北京、上海、深圳等大型城市充足。

更重要的是，它其實沒有想像中那麼「偏遠」。

公開資料顯示，烏蘭察布到北京的網路延遲約 4.2 毫秒。當地建有連接北京的大容量網路，使部分對延遲較敏感的運算也有機會往內蒙古移動。

AI 又進一步改變了距離的經濟意義。

傳統網際網路服務高度重視即時反應，資料中心離使用者太遠，延遲本身就是劣勢。但大型模型訓練可能持續數週甚至數月，許多工作並不需要終端使用者即時互動，因此更容易被移往能源成本較低的地區。

這也解釋了「東數西算」與 AI 結合後真正值得看的地方。

中國相關政策已明確提出，把部分 AI 模型訓練與推論、機器學習、影片渲染、離線分析與儲存工作向西部移動，並把算力布局與當地能源條件一起考慮。

換句話說，烏蘭察布的形成不是單純：

便宜土地＋便宜電力＝資料中心。

而是一個更完整的系統：

Power × Climate × Network × Land × Policy × AI Workload

AI 讓原本較適合儲存與備份的西部資料中心，開始具有承接模型訓練與推論的更高經濟價值。

但新的瓶頸也隨之出現。

WIRED 指出，烏蘭察布年降雨量約 14 英吋，2026 年 7 月當地供水系統甚至一度在夜間關閉部分設施 7 小時，以降低尖峰壓力。

這不是附帶的環境議題。

它真正提醒的是：12.5 GW 能不能最後變成可使用算力，取決於整套地方基礎設施能不能一起跟上。

AI 資料中心真正需要的從來不只是 GPU，而是一整套互相制約的系統：

Compute × Power × Cooling × Water × Network × Land × Permits

其中任何一個環節不足，紙面上的 GW 就不一定能變成真正投入運作的 AI 算力。

04｜當 AI 進入規模化使用，「算力從哪裡來」會變成新的經營問題

烏蘭察布現在還不足以證明，中國已經縮小與美國前沿 AI 公司之間的整體基礎設施差距。

美國在先進 GPU、雲端平台、資本投入與大型資料中心專案上的規模仍然很大；單一城市的規劃容量，也不能直接推導國家整體 AI 能力。

但這件事確實讓一個舊問題需要重新被定義。

過去談 AI 基礎設施，很容易把問題收斂成：

需要多少 GPU？

未來更完整的問題可能是：

企業需要多少能長期取得、成本可預測，而且不容易因供應瓶頸中斷的算力？

這兩件事並不相同。

如果 AI 只是偶爾使用的工具，企業可以把算力當成外部雲端服務。

但當模型開始進入客服、研發、內容、軟體開發、供應鏈，甚至 AI Agent 工作流程，算力會逐漸接近一種生產資源。

對大型 AI 公司來說，提高自有或可控制算力的比例，可以降低一部分外部依賴。

對一般企業而言，這並不代表需要自己蓋資料中心；更現實的是，未來採購 AI 服務時，問題可能不只剩下「每次推論多少錢」，還要包括：需要容量時能不能取得、價格是否可預測、部署位置是否符合要求，以及供應商是不是過度集中。

所以，中國與美國雖然面對不同的晶片限制、能源市場與政策環境，正在碰到一個相似的基礎設施問題：

當模型能力繼續提升，真正稀缺的可能不再只是晶片，而是把晶片轉換成持續可用算力的整套能力。

總結｜烏蘭察布真正值得追蹤的是「算力充足」正在被重新定義

DeepSeek 讓國際市場看到，中國 AI 公司可以在算力受到限制的條件下，提高模型與工程效率。

烏蘭察布現在補上另一個訊號：效率並沒有消除大規模算力需求。

目前最合理的判斷，不是中國已經建成一套規模超過 Stargate 的 AI 基礎設施，也不是中國已經補上與美國之間的算力差距。

真正浮現的是一個形成中的變化：中國 AI 公司可能正把競爭邏輯從「如何把有限算力用得更有效率」，延伸到「如何確保長期算力在需要時可以取得」。

下一個真正值得觀察的訊號，是未來 12 至 24 個月，烏蘭察布目前承諾的容量，有多少真正完成供電、資料中心建設、AI 晶片上架，並投入穩定訓練與推論。

FAQ

Q1｜烏蘭察布真的有 12.5 GW AI 資料中心嗎？

12.5 GW 是 WIRED 引述高盛研究所估算的企業承諾與規劃容量，不是目前已建成或投入運作的容量。公開資料顯示，截至 2025 年底，烏蘭察布已簽約 84 個資料中心專案，已建成約 50 萬個標準機架，實際投運約 33 萬個。

Q2｜烏蘭察布的 12.5 GW 是否已超過 OpenAI Stargate？

如果只與 Stargate 最初提出的 10 GW 目標相比，12.5 GW 的規劃值較高。但 OpenAI 在 2026 年 4 月已表示，Stargate 提前超過原訂「取得 10 GW AI 基礎設施容量」的里程碑，並正在評估更多站點。因此不能說烏蘭察布目前的規劃容量已超過 Stargate 全部現有規劃，也不能把兩邊不同階段的容量直接視為完全可比。

Q3｜為什麼中國把大量 AI 資料中心布局在內蒙古？

主要條件包括能源成本、寒冷氣候、土地供給與「東數西算」政策。烏蘭察布距北京也相對較近，透過大型網路連線，當地至北京的延遲約 4.2 毫秒，使部分 AI 工作能往西部移動。

Q4｜AI 為什麼讓西部資料中心變得更有價值？

傳統即時網路服務很在意資料中心與使用者之間的距離，但大型 AI 模型訓練通常可以持續數週或數月，對終端即時延遲較不敏感。這讓能源成本較低、土地較充足的西部地區重新具備經濟吸引力。

Q5｜DeepSeek 是否正在烏蘭察布自建資料中心？

WIRED 報導 DeepSeek 正在當地興建大型 AI 資料中心，也提到字節跳動、阿里巴巴與小紅書等企業的投入。不過目前公開資料仍不足以完整確認各家公司確切容量、建設進度與最終用途，因此應把它視為值得追蹤的企業行為訊號，而不是已完全驗證的容量資料。

Q6｜烏蘭察布最大的限制是什麼？

除了晶片取得之外，電力、冷卻、水資源、網路與建設執行能力都可能形成限制。烏蘭察布本身屬於相對缺水地區，因此目前規劃中的資料中心能否全部建成並長期穩定運作，仍需觀察實際能源、水資源與地方基礎設施承載能力。

參考資料

The Unlikely Place at the Center of China's AI Boom
https://www.wired.com/story/the-unlikely-place-at-the-center-of-chinas-ai-boom/

Building the compute infrastructure for the Intelligence Age
https://openai.com/index/building-the-compute-infrastructure-for-the-intelligence-age/

國家發展改革委等部門關於深入實施“東數西算”工程 加快構建全國一體化算力網的實施意見
https://www.nda.gov.cn/sjj/zwgk/zcfb/0830/20240830174329104216060_pc.html

加快構建全國一體化算力網——國家數據局主要負責同志答記者問
https://www.nda.gov.cn/sjj/zwgk/zcjd/0830/20240830193716443740817_pc.html

2025年我國用於人工智能訓練和推理的數據總量同比增長42.86%
https://www.nda.gov.cn/sjj/swdt/mtsy/0429/20260429115354770941372_pc.html

作者：睿客

版權聲明與授權須知

本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。

如果你覺得這篇解讀對你有幫助，歡迎訂閱 InfoAI 電子報，我們將持續為你精選 全球 AI 新聞與趨勢洞察，幫助你看懂新聞背後的真正意義。也別忘了加入透過［按鈕］加入 Line 社群 ，隨時掌握值得關注的 AI 發展與專業觀點。

AI 協作聲明：

本篇文章由 InfoAI 團隊策劃，並透過人工智慧工具協助資料整理與內容撰寫，最終內容由編輯進行人工審閱與優化。

Turning Global AI Signals

into Business Decisions.

看懂 AI 正在改變什麼

做出更好的企業決策