2026年7月的香港，亚洲数据中心峰会如期举行。这次会上，一个很值得关注的信号是：算力和能源这两个原本相对独立的系统，正在走向深度耦合。博大数据高级副总裁李亚和果下科技执行总裁刘子叶的这场对话，恰好把这个问题掰开揉碎讲清楚了。
从“资源池”到“生产力底座”，AI正在重新定义数字基础设施
对话一开始，李亚就点出了一个关键变化。过去两年，从ChatGPT掀起生成式AI浪潮，到DeepSeek等开源大模型加速落地，AI的渗透速度远超预期。但站在基础设施这个环节来看，AI真正改变的，远不止应用层，而是整个底层的运行逻辑。
回顾过去的二十年，从互联网、移动互联网到云计算，每一次技术迭代都伴随着基础设施的升级。但这轮AI变革和上一轮云计算有个本质区别。云计算时代，大家解决的核心问题是资源池化、弹性计算和规模化部署，追求的是标准化和资源共享。而到了AI时代，训练和推理对算力的需求是爆发式的——它要的不只是更多的GPU，更需要高速网络、更高的供电能力、更高的散热效率，以及一套能智能化、稳定运行的整体运营体系。
从博大数据自身的客户变化也能看得很清楚。过去，服务的多是互联网、金融、云计算的客户；而现在，越来越多的需求直接指向AI训练、AI推理和大模型应用。客户提出的问题也完全不同了。李亚特别强调了一个观点：AI基础设施最大的挑战，从来不是单点能力，而是系统能力。他说得很直白，“AI时代的算力中心，不再是简单地把服务器部署进去就可以了。它是一个由算力、电力、制冷、网络、安全、运营等多个系统共同组成的复杂体系。任何一个环节，都可能影响整个AI集群的效率。”现在很多人在谈建设大规模GPU集群，目光都集中在芯片性能上，但真正决定这些GPU能不能发挥价值的，并不仅仅是芯片本身。
这一点，博大数据已经在实践中验证了。以河北廊坊二号智算基地为例，这个项目完全面向AI时代的高密度算力需求打造，按国家A级算力中心和国际Tier3+标准建设，已经为某头部互联网客户提供了定制化服务。围绕AI训练和高密度GPU集群对供电效率、稳定性和可持续性的要求，他们对电力架构进行了针对性优化，目的就是让每一度电都能更高效地转化为有效算力。而在深圳前海一号智算基地，超过5万平方米的总面积为头部金融机构提供了高功率的深度定制服务。这些项目很能说明博大数据在资源承载与系统交付上的实际能力。
谈到算力与能源的融合，果下科技的刘子叶则从能源资产运营的角度提出了他的观察。他注意到，随着智算中心的规模向百兆瓦级跃升，电力保障早已不是单纯的物理建设，而是升级成了基础设施的核心系统。“当一座智算中心的功率波动足以影响局部电网稳定时，能源就不再是被动的供应，而是决定运营效率的内在变量。”在他看来，解决问题的关键在于把“运营”思维贯穿始终——从项目规划阶段就把能源当作系统设计的一部分，并通过智能化手段在全生命周期里持续优化用能效率。客户最终要的，是一份长期、稳定、可量化的绿色能源收益。这种从“资产建设”到“价值运营”的思维转变，是行业正在经历的一个非常重要的趋势。
从“单点竞争”走向“生态协同”，AI基础设施迈向生态共创时代
AI基础设施的竞争，正在经历一个清晰的演进路径：从单点能力，到系统能力，再到生态协同能力。李亚的判断很明确，未来的AI基础设施生态里，算力能力、能源与电力系统能力、网络与软件调度能力、运营与智能化能力，这四类核心能力将变得越来越重要。他打了个比方：“如果能力是分散的，系统是割裂的，效率就一定会被损耗在协同成本上。所以未来AI基础设施的竞争力，最终还是来自系统效率的竞争。”
顺着这个逻辑往下推，你会发现算力企业正向能源能力延伸，能源企业正向数字化和智能化延伸，云厂商在向基础设施底层延伸，运营商和设备商也在进入一个更融合的生态体系。行业边界正在模糊，协同的效率将直接决定竞争的胜负。
刘子叶对此也有相近的观察。他基于多年在能源领域的积累，提出了实现这种协同需要三个前提：一是算力中心从规划阶段就把能源作为系统要素而非孤立的物理建设；二是有能力把能源资产作为运营对象持续优化；三是用数据打通算力侧和能源侧的信息壁垒。这三点，缺一不可。
作为领先的融合算力基础设施服务商，博大数据已在环首都、长江经济带、粤港澳大湾区、成渝及菲律宾等地部署了全方位的算力融合资源。本次峰会上，他们也展示了AI基础设施解决方案及全球化布局成果。
在对话的最后，李亚做了一个很有远见的总结。他说，AI正在重塑算力体系，能源转型正在重塑能源体系，而这两个体系，正在真正走向深度耦合。他期待未来几年能看到三件事发生：算力和能源实现系统级的协同设计；基础设施从“建设导向”走向“运营导向”；行业从单点竞争走向生态共创。这不仅是技术的变革，更是一场关乎效率、创新与可持续发展的深刻变革。
