当我们谈论AI,真正在物理世界被点燃的,是一轮以“吉瓦(GW)”为计量单位的算力基础设施建设。把过去数月全球公开披露的项目放在一起就会发现,这场超级周期的轮廓便清晰可辨——不再是零散的机房扩容,而是连续、巨额、跨大洲的产能锁定。
2026年6月2日，软银(SoftBank)拟在法国建设5GW、美国俄亥俄州建设10GW AI数据中心；
2026年6月5日，Damac Digital计划在四大洲扩展6GW数据中心；
2026年6月5日，AirTrunk与印度马哈拉施特拉邦签署210亿美元、规划3GW的数据中心协议；
2026年6月3日，万国数据与内蒙古乌兰察布市政府签署战略合作协议,计划建设多个GW级数据中心园区,并实现超过80%的绿电覆盖率，这仅是万国未来三年超300亿元资本开支计划的其中一部分；
2026年6月3日，Oracle与OpenAI在美国密歇根州启动约1GW项目；
……
Token调用量正在成为映射AI产业景气度的新指标
过去，行业讨论大模型，我们的焦点多在参数规模、训练成本与能力边界；如今，一个更贴近商业化进程的指标浮出水面——Token调用量。它不是单纯的技术参数，而是AI应用被真实调用、真实消耗、真实计费的结果。当调用量持续攀升，背后被高频调动的不只是用户的几次提问，而是算力、服务器、供电、散热、网络与数据中心资产构成的一整套生产体系。
公开口径显示，截至2026年3月，中国日均Token调用量已突破140万亿，较2025年末增长超40%。从2024年初的1000亿，到2025年底的100万亿，再到2026年3月的140万亿级，曲线的陡峭已足以说明AI应用正从演示、试用走向规模化运营。
企业侧的信号同样明确：豆包大模型3月日均Token使用量突破120万亿，MiniMax、智谱等模型公司在AI编程与coding plan场景的消耗出现数倍至十余倍增长，且增量越来越多来自AI编程、智能体、多模态生成与企业流程自动化等生产场景，而非单纯的聊天问答。
这正是本轮AI基建周期区别于上一轮信息化建设之处：需求不再是“有多少企业上云”，而是“每一次推理、每一次调用、每一次智能体执行任务都会持续消耗算力”。Token由此成为AI应用活跃度的外显指标，也成为底层基础设施压力的先行指标。
Token重塑AI基础设施的生产函数
严格意义上，Token调用量不能被简单换算成固定的电力消耗，也不能代表AI实际的落地效果。而模型架构、参数规模、上下文长度、推理精度、并发调度效率、KV Cache使用方式、量化压缩水平与硬件利用率，却都会实际影响单位Token对算力与能耗的实际占用。
但产业层面的趋势已足够清晰。当调用量从千亿级跃迁到百万亿级，需求侧会沿一条相对稳定的链条向下传导：应用请求增加，推理负载上升，GPU/NPU服务器利用率提升，集群规模扩大，随之而来的是更高密度的机柜、更复杂的东西向网络、更大的供电容量、更高要求的散热系统，以及更长周期的容量锁定。
因此，Token爆发真正改变的不是某一个单点技术环节，而是AI基础设施的生产函数。过去，训练集群往往呈现阶段性、项目制、峰值驱动的扩张；现在，推理工作负载正在变成连续、实时、高并发的工业负载。AI编程、智能体、企业知识库、智能客服、办公、营销、视频生成等应用一旦嵌入业务流程，算力消耗便具备更强的日常性与刚性。
这也是数据中心行业重新进入资本市场视野的根本原因——应用侧的Token增长，最终会转化为云厂商、互联网平台与模型公司对高性能数据中心资源的中长期锁定。
需求兑现：竞争要素从“空间”转向“电力与交付”
需求侧最直接的信号，来自头部科技公司的资本开支以及大量电力基础设施的建设。海外方面，谷歌与Intersect Power在得州动工建设数据中心以及超过1GW清洁能源基础设施的项目、Meta与长时储能公司NoonEnergy签署最高1GW供电协议、甲骨文(Oracle)则向Bloom Energy采购了高达2.8GW燃料电池，同时在新墨西哥州部署高达2.45GW的Bloom Energy燃料电池微电网以进行自有备电；
中国方面在强大电网基础设施的支撑下，大量资金近年来也开始加速投向AI基础设施建设：阿里巴巴已宣布未来三年投入超过3800亿元建设云与AI硬件基础设施；腾讯2026年一季度资本开支约319亿元，主要投向IT基础设施、数据中心与AI相关领域；围绕字节跳动的资本开支计划，多份媒体报道亦指向其持续加码AI基础设施，据称2026年资本开支计划超过2000亿，其中国内占比约65%。中国科技大厂的大力投入，也引发了国产算力的加速崛起，中国AI产业进入高刚性、长周期、指数级增长的“超级周期”
这类投入不会停留在财报的Capex科目上。对数据中心产业而言，它们最终会转化为三个更具体的需求：更大规模的电力容量、更高密度的AI机房交付、更长周期的资源预定。由此，IDC行业的竞争核心正从“空间竞争”转向“电力竞争”与“交付竞争”。
传统周期里，客户围绕机柜数量、地理区位、带宽与成本进行决策；进入AI周期后，客户最关心的问题已变成：能否一次性获得足够规模的连续电力？能否支撑数十千瓦乃至更高功率密度的AI机柜？能否在约定时间内完成交付？能否保障长期SLA、PUE、液冷改造与绿电覆盖？
机房面积仍然重要，但已不再是最稀缺的生产要素——电力指标、供电稳定性、散热架构、网络质量、建设速度与长期运维能力，正在共同决定AI数据中心的资产价值。
样本解剖：万国数据的订单、资本与区域三重验证
观察这一轮周期，更合理的方式是把企业财报当作产业变化的一个重要视角——看订单是否增长、客户是否提前锁定容量、建设是否加速、利用率是否爬坡、资金是否足以支持后续Capex、资产循环是否跑通。万国数据2026年一季度财报，提供了一个具有代表性的样本。
其一，订单与运营：风险结构从“先建后租”转向“以销定产”。一季度新增签约约200MW，创公司单季度历史最高水平；截至2026年3月31日，总签约及预签约面积达725,485平方米（同比+11.7%），在运面积674,269平方米（同比+10.4%），上架计费面积520,929平方米（同比+12.7%），上架计费率提升至77.3%；在建面积118,411平方米（环比+60.0%），在运面积签约率92.8%，在建面积预签约率84.4%。
存量资产继续爬坡、新项目加速建设，且大部分在建容量已提前获得客户预定——这意味着数据中心资产的风险结构正从“先建后租”的库存风险，转向“以销定产”的交付风险；真正的考验不再是能否拿到订单，而是能否把订单按期转化为可计费容量。
其二，财务与资本：表观利润之外，更看资本调度能力。一季度净收入33.671亿元（同比+23.6%），剔除部分一次性项目后为29.380亿元（同比+7.9%）；经调整EBITDA 19.487亿元（同比+47.2%），剔除部分一次性项目后为14.303亿元（同比+8.0%）。净利润26.521亿元（同比+247.1%）。
评估AI数据中心，不能只看表观利润，而要同时观察经营性EBITDA、利用率爬坡、订单储备、资本开支能力与资产循环能力。一季度，万国数据公司出售DayOne部分普通股回笼3.85亿美元，截至2026年4月29日仍持有约19.9%股权（按C轮融资价格计，剩余市值超22亿美元），并完成3亿美元B系列可转换优先股私募发行；一季度末现金及现金等价物（包含定期存款）为192.3亿元，同时维持2026年全年约90亿元Capex指引。
其三，区域与能源：从“All in中国”到算电协同。6月3日，万国数据与乌兰察布市人民政府签署战略合作协议，计划打造多个高密度数据中心园区与GW级数据中心园区，并通过绿电直连、绿电交易实现80%以上绿电覆盖，形成规模化零碳数据中心集群。这仅是万国数据未来三年超过300亿元资本支出计划的一部分。
将其与未来三年300亿至500亿元的国内投资计划（创公司成立25年以来资本支出新高）并置，资本配置方向清晰可见：公司把新增资金、订单承接与区域布局的重心压回中国AI基础设施。所谓“All in中国”，是由资本开支、客户签约、在建项目与能源资源共同构成的经营事实。这背后是“东数西算”叙事的升级——成熟市场（京津冀、长三角、粤港澳）继续承载在线推理、金融交易、实时互动与低时延服务，对网络质量、交付确定性与长期运维稳定性要求极高；新兴枢纽（乌兰察布、和林格尔、中卫）则凭借土地、电力、气候与绿电资源，承接更大规模的训练、离线推理、批量算力任务处理与多模态生成。关键词正从“资源调度”转向“算电协同”：未来数据中心的竞争，不只看谁离客户近，更看谁离稳定、低碳、可规模化的电力近。
估值重构：从静态EBITDA到多阶段动态模型
AI基建周期之下，数据中心的估值逻辑也在变化。传统估值锚围绕EBITDA、上架率、稳定现金流、资产折旧与区域供需展开，这套框架依然重要，却已不足以完整反映AI数据中心的成长属性——其价值不只体现在当前已运营资产，更体现在未来数年可交付的电力容量、已签约订单、客户预定、建设进度与资本循环效率。
更适配当前周期的，是一个多阶段动态模型：短期看订单获取能力与交付节奏，中期看利用率爬坡与EBITDA释放，长期看自由现金流、资本回报率，以及通过REITs、ABS、基金、售后回租或资产出售实现的资产再循环能力。在此模型下，市场会重新追问：企业手握多少已签约MW？预签约率是否足够高？在建项目能否按期交付？单MW投资成本与回报周期是否可控？客户move-in速度如何？融资成本会否侵蚀项目收益？
这也是万国数据一季度财报值得放入行业框架解读的原因：约200MW的单季新增、超340MW的年初至今签约、84.4%的在建预签约率、77.3%的数据中心上架计费率、192.3亿元现金（包含定期存款），叠加未来三年300亿至500亿元投资计划，共同构成“订单—建设—资金—交付”的闭环雏形。单看其中任一指标都不足以证明其处于周期核心，但这些指标同时出现，便说明产业景气正在进入企业经营系统。
不过，“超级周期”并不意味着所有IDC资产都会自动受益，行业景气与企业回报之间仍隔着多重风险。其一，Token高增长不等于单位算力需求永远同速增长，模型压缩、推理优化、算子效率提升、国产芯片迭代与调度算法改进，都可能降低单位Token的算力成本；其二，客户签约不等于收入即时确认，订单到收入之间存在建设、交付、设备进场、上架与利用率爬坡的时间差；其三，AI基础设施的Capex强度更高，一旦需求节奏放缓、融资成本上升或交付延迟，资产回报周期就会被拉长；其四，高密度数据中心对电力、液冷、网络与运维稳定性要求更高，拿到电力指标只是第一步，连续供电、控制PUE、绿电消纳与满足SLA才是长期竞争的分水岭；其五，行业景气也可能带来局部供给扩张与价格竞争，中小玩家、地方平台、运营商与云厂商自建数据中心之间的竞争关系仍需观察。
因此，红利不会平均分配。真正受益的，更可能是同时具备四类能力的企业：能获得客户长期订单，能锁定稀缺电力与区位资源，能完成高密度数据中心的工程交付与长期运维，能通过多元融资与资产循环支撑连续扩张。万国数据的优势也应放在这一框架中理解——它并非凭一份财报就天然获得确定性，而是其订单、资金、区域布局与交付能力，在2026年一季度同时出现了向AI基建周期靠拢的迹象。它是这一轮周期的重要观察样本，而非唯一答案。
Token爆发之后，IDC价值看什么
Token爆发改变了AI产业的观察方式，也改变了数据中心行业的价值判断。过去，IDC更多被视作承载互联网流量与云计算需求的基础设施资产；现在，它正成为AI推理与训练负载的物理底座。客户购买的不再只是机柜空间，而是电力容量、散热能力、网络质量、交付确定性与长期稳定运营；企业估值也不应停留在当前EBITDA，而要看未来可交付容量、订单质量、利用率爬坡、资本回收与资产循环能力。
这一轮IDC产业变化的本质，不止是功率密度的提升，更是AI把数据中心重新推回了数字经济生产函数的核心位置。谁能把Token爆发转化为稳定、绿色、可计费、可融资、可持续交付的算力基础设施，谁就更有可能成为中国AI基建超级周期中的长期受益者。
