2026年10月28日，央视新闻报道了八大国家算力枢纽的最新建设进展。北京周边的张家口，单向网络时延已控制在2毫秒以内；内蒙古和林格尔绿电占比超过85%；甘肃庆阳正成为国内大模型训练和词元计算的重要基地。从张家口到芜湖，从贵州贵安到宁夏中卫，一张横跨中国东西部的算力网络逐渐成形。

这项工程始于2022年。国家发展改革委等部门确定了京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏八大国家算力枢纽，并在其中规划了十大数据中心集群。具体落点包括张家口、芜湖、韶关、贵安、中卫、庆阳、和林格尔等地，以及长三角生态绿色一体化发展示范区、天府和重庆集群。四年过去，生成式AI改变了中国算力市场，原本围绕互联网、云计算和数据存储形成的区域布局，开始承接大模型训练、推理服务和人工智能应用需求。这也让八大枢纽的选址逻辑有了新的商业意义。

理解算力枢纽的选址，首先要理解数据中心是一门什么生意。一家互联网公司在北京研发大模型，需要采购大量GPU、建设服务器集群，并为设备提供稳定的供电、冷却和网络服务。芯片和服务器决定初期资本投入，电力则是一项长期运营成本。假设一座数据中心的平均IT负载为100兆瓦，全年运行8760小时，PUE为1.2，那么其全年总耗电量约为10.5亿千瓦时。电价每降低0.1元/千瓦时，理论上每年就能节省约1.05亿元电费。这是一个简化测算，但足以说明数据中心为什么对电价敏感。而在北京、上海、深圳这样的城市，土地、电力供应和建设指标都面临约束。

问题在于，数据中心也不能无限远离客户。金融交易、工业控制、视频会议等业务对网络时延十分敏感。即使服务器成本更低，如果数据传输距离过长，也可能影响实际使用效果。于是，张家口、芜湖、韶关获得了机会。张家口靠近北京，能够承接首都地区的互联网、人工智能及政企客户需求，同时具备可再生能源和大型数据中心建设条件。芜湖地处长三角，能够服务上海、南京、杭州、合肥等城市形成的产业集群。韶关则处于广东省内，能够承接广州、深圳以及部分港澳相关的数据处理需求。这三个地方的共同优势，是在建设成本和客户距离之间形成平衡。

这一选址逻辑早在2022年就已明确。国家发展改革委提出，金融证券、工业互联网、远程医疗和人工智能推理等对网络要求较高的业务，应优先考虑东部枢纽；后台加工、离线分析、存储备份等业务，则可以向西部转移。因此，东部算力枢纽的核心价值来自客户密度和服务半径。对于一家AI公司来说，能够稳定获得客户、保持较高算力利用率，有时比单纯节省电费更重要。

与东部相比，内蒙古、贵州、甘肃、宁夏四个西部枢纽的选址逻辑明显不同。它们的共同特点是拥有相对充裕的能源、土地或者自然冷却条件，但各自优势又有差异。内蒙古和林格尔拥有风电、光伏及电力供应基础，可以发展大规模绿色数据中心。贵州贵安的优势来自较早形成的数据中心产业——早在“东数西算”工程启动之前，贵州就开始承接云计算和政务数据中心项目，大型运营商和科技企业逐步在当地形成投资布局，这是一种典型的产业先发优势。宁夏中卫位于腾格里沙漠边缘，气候干燥，年平均气温约8.8℃，较低的环境温度有利于利用自然冷源，减少部分机械制冷需求。甘肃庆阳则属于后来赶上人工智能产业周期的代表，近年来积极引入智能计算项目，推动国产芯片、GPU集群和大模型训练产业发展。

这四个地方实际上代表着不同的竞争路径：内蒙古侧重能源规模，贵州依靠产业积累，宁夏拥有气候及能源条件，甘肃则在智能算力需求增长期间加速布局。其背后还有一个更深层次的能源经济问题。长期以来，中国的电力资源与能源消费中心存在空间错配。西北、华北部分地区拥有丰富的风能、太阳能及传统能源资源，但东部沿海集中了大量工业和服务业需求。解决这种错配，可以把电力输送到东部，也可以把一部分高耗电产业放到能源产地。数据中心恰好提供了后一种可能。不过，算力跨区域调度同样需要支付网络成本，还会遇到数据安全、时延以及集群协同问题。所以，西部枢纽的竞争力还需要建立在算力能够稳定出售的基础上。从商业角度看，电力资源决定了数据中心建设的成本下限，客户需求和算力利用率则决定了投资回报。

八大枢纽中，成渝是一个特殊的存在。它既没有北京、上海那样高度集中的互联网总部，也不同于以能源资源为主要优势的内蒙古和宁夏。成都和重庆能够入选，主要来自区域产业规模、计算需求和西南能源条件的结合。成都拥有软件、电子信息、游戏、科研及人工智能产业基础；重庆拥有汽车、电子制造、装备工业和工业互联网需求。这两座城市本身就在产生大量数据和计算任务。例如，一家汽车制造商需要利用AI开展质量检测、生产计划优化、供应链分析和自动驾驶仿真。不同业务对算力的要求并不一样：产线实时检测可能要求服务器靠近工厂，大规模仿真、历史数据分析则可以使用远距离算力。成都和重庆因此有机会同时发展本地计算和跨区域计算服务。

更重要的是，西南地区还拥有相对丰富的水电资源，以及连接四川、重庆与西部其他省份的能源和通信基础设施。央视新闻此次提到，重庆部分数据处理任务已经跨越约2000公里，利用新疆的风光能源开展大模型训练，再将结果传回产业端。这说明成渝枢纽的价值，正在从本地数据中心建设延伸到跨区域算力协调。它既是算力消费者，也可以是算力服务的组织者。在全国算力版图中，成渝承担着连接西部能源资源与区域产业需求的角色。这一特点决定了它不能简单套用内蒙古或宁夏的模式。成渝未来的竞争优势，很大程度上取决于工业、汽车和软件企业能否真正形成规模化的AI需求。

八大枢纽的设立解决了一个重要问题：中国的大型数据中心应该优先建设在哪里。如今，真正考验它们的是运营效率。国家数据局数据显示，截至2025年底，全国智能算力规模达到159万PFLOPS，八大国家算力枢纽及十大集群的智算规模占全国八成以上。到2026年6月底，全国智能算力规模进一步增长至约218.5万PFLOPS。算力规模迅速增长，意味着大量地方政府、运营商、互联网企业和投资机构正在投入资金建设基础设施。但建设规模不等于商业收入。

对于一家数据中心运营商来说，项目的商业模型通常需要考虑四项指标：建设投资、电力和运维成本、客户租赁或算力采购价格，以及实际利用率。假设两个地区建设了同样规模的计算集群：A地区电价较低，但利用率只有40%；B地区电价稍高，却拥有稳定的大客户，利用率能够达到80%。在设备折旧等条件相近的情况下，B地区完全可能获得更好的投资回报。智能算力比传统机架托管还要复杂。GPU的采购价格较高，设备更新速度较快。如果算力在较长时间里闲置，折旧和资金成本仍然会持续发生。

由此产生了一个容易被忽略的问题：在各地争相建设智算中心的同时，谁来承担最终的算力需求？过去，互联网和云计算企业通常是主要客户。现在，大模型公司、科研机构、制造业企业和政务单位成为新的潜在购买者。但不同客户的支付能力、使用周期和采购方式差异很大。训练大模型可能需要长时间占用大型GPU集群，推理服务则更在意持续调用成本、软件优化和服务稳定性。随着模型推理需求增长，算力竞争也将逐步延伸至Token生产成本。庆阳已经提出围绕词元计算发展产业；芜湖则尝试把不同类型的算力资源放到平台上销售，推动通算、智算、超算等资源的统一交易。这些探索指向同一个方向：数据中心需要进一步形成标准化、可计量、能够持续交付的服务。

而国家一体化算力网络建设，也在降低跨区域采购和调度的难度。2026年8月，央视披露，全国超过六成算力已被纳入统一监测范围，全国一体化算力网监测调度试验验证平台进入试运行。一旦算力可以更加透明地进行比较和采购，地方之间的竞争就可能进一步加剧。拥有更低能源成本、更好网络条件、更高设备利用率的运营商，会在价格竞争中获得优势。当然，市场暂时还难以做到完全统一。不同芯片架构、通信网络、软件框架和数据安全要求，都会影响实际使用。尤其是大型模型训练，任务能否拆分、能否跨地域运行，远比普通云资源采购复杂。

但总体趋势已经清楚：算力逐渐从地方基础设施项目，进入跨区域竞争的服务市场。这会改变地方政府的招商逻辑。过去，一座大型数据中心落地，能够带来可观的固定资产投资，包括土建、供配电系统、服务器和网络设备采购。但数据中心投入运营之后，直接创造的就业岗位通常有限。如果当地缺少AI软件、模型服务以及行业应用企业，数据中心对经济发展的长期带动作用也可能低于最初预期。因此，地方政府未来需要争取的，除了服务器和投资额，还包括稳定的算力采购订单，以及愿意围绕算力设施开展业务的企业。

从这个意义上看，八大枢纽的竞争才刚刚进入第二阶段。张家口、芜湖和韶关，依靠靠近东部需求市场的区位优势；成渝依靠产业基础和区域计算需求；内蒙古、贵州、甘肃、宁夏则需要进一步发挥各自的能源、气候、网络和产业积累优势。这些优势最终都需要接受商业市场的检验。2022年，“东数西算”首先要解决的是算力建设布局问题。2026年，当AI训练、模型推理和企业应用开始持续消耗大量算力时，中国已经建立起一个具有相当规模的计算基础设施体系。接下来，投资者和地方政府需要更加关注算力利用率、客户结构、实际收入以及投资回报。八大枢纽的未来地位，最终取决于谁能够以更低的综合成本，向全国客户稳定交付有价值的计算服务。这也是中国算力产业从大规模建设走向商业化运营必须回答的问题。