为计算、存储、网络和AI加速设备提供场地、电力、冷却、网络、安防、运维和资源交付环境，是算力基础设施从硬件堆叠转化为连续可用服务的核心承载层。
数据中心与智算中心行业，是指建设、运营和服务传统数据中心、云数据中心、超算中心、AI数据中心和智能计算中心的基础设施产业。其核心包括园区选址、土地与建筑、变配电、备用电源、UPS、机柜和母线、冷却系统、网络接入、布线、安防、消防、DCIM、运维管理、能效与可靠性治理，以及面向AI训练、推理和科学计算的高密度算力集群承载能力。主要采购与使用者包括云服务商、互联网平台、运营商、模型公司、科研与超算机构、政府和大型企业。其边界在于：液冷与热管理、供配电与机柜是设施子系统；通用服务器和AI服务器是IT设备；算力调度平台负责资源运营和交易，不等同于物理数据中心本体。
数据中心园区、托管机房、云与智算中心、AI数据大厅、高密度机柜区、网络与链路接入、DCIM/BMS系统、可靠性运营、能效优化、运维服务、合规认证和算力资源托管服务。
云服务商、互联网平台、运营商、AI模型公司、服务器与系统集成商、科研超算中心、政府智算中心、金融和制造业数字化部门，以及需要稳定托管、互联和算力资源交付的企业客户。
全球数据中心扩张由云服务、AI训练和推理需求持续拉动，但电力接入、并网周期、冷却能力、供应链和人才短缺成为关键约束。高密度AI机柜推动新建园区从传统机房设计走向以GPU集群、液冷、电力冗余和网络拓扑为中心的AI工厂设计，运营商需要同时管理可用性、能效和资本开支。
中国智算中心建设由东数西算、运营商云、地方算力项目和模型应用需求共同推动。政策强调算力基础设施高质量发展和算力互联互通，市场从“建中心、堆算力”转向算力质量、网络连接、绿色低碳、异构资源调度和持续运营能力。地方项目若缺少真实负载、网络连通和运维能力，可能形成低利用率风险。
AI训练、推理、云服务和主权算力需求持续推高高密度数据中心建设，但电力和冷却可得性决定扩张速度。行业从规模建设转向高密度、可靠运营和资源利用率竞争。
核心瓶颈是电力接入、机柜功率密度、液冷能力、网络互联、建设审批、运维人才和稳定负载。机房面积和规划容量不能直接代表可交付算力。
主要风险来自电力短缺、建设超前于需求、设备更新周期过快、地方项目利用率不足、运维故障和能源合规压力。
查看该子行业的产业控制力结构、关键节点与最新变化。
并网容量、冗余设计和电价决定数据中心扩张上限
液冷和热管理能力决定AI机柜可部署密度
低时延互联和多运营商接入影响算力可用范围
故障预防、应急流程和人员能力影响SLA
长期租约、云客户和AI负载决定资产利用率
面向大模型训练和推理的数据中心按GPU集群、液冷和高速网络整体设计，而非传统机架累加。
北美、欧洲和亚洲多个市场面临并网周期、能源价格和区域电力容量约束。
AI负载、供电波动和高密度系统让停机风险对客户和运营商更敏感。
中国政策继续强调高质量算力基础设施、绿色低碳和算力互联互通。
市场关注点从规划峰值算力转向利用率、负载匹配和持续服务收入。
跨区域资源调度、网络时延和绿色电力供给决定中心间协同价值。
新建和扩容项目能否按期并网，将直接决定高密度机柜交付。
单柜功率上升会改变建筑、电力、冷却和运维标准。
训练、推理和企业租约能否持续填充容量，决定投资回报。
低碳电力、PUE/WUE和地方能耗指标会影响选址和客户准入。
跨区算力服务是否可用取决于链路质量和带宽成本。
