维度网讯，近日，英国科技研究机构Omdia发布AI基础设施市场观察称，全球数据中心累计投资预计到2030年接近1.6万亿美元，头部科技企业仅在2026年就将合计投入超过6000亿美元AI基础设施资本开支。Omdia认为，AI Factory市场已越过不可逆转的扩张阈值，正在演变为一种高资本密度、强地缘属性和高工程壁垒的新型工业组织形态。

Omdia将AI Factory定义为一种以“生产智能”为目标的新型重工业基础设施，其基本产出单位是Token。按照这一框架，数据中心不再只是支撑企业IT、云服务和互联网应用的后台设施，而是在向数字产品制造中心转变。无论规模大小，AI工厂都需要围绕能源与物理基础设施、硬件与网络结构、调度与虚拟化编排、模型即服务和AI应用生态四层架构展开建设。

这一判断对应的是数据中心功能定位的变化。传统数据中心更强调服务器托管、云资源交付、存储和企业应用运行;AI工厂则把GPU、加速芯片、高速网络、液冷、电力供应、调度平台和模型服务组织成连续生产体系。其核心不只是“有多少机柜”，而是能否稳定、低成本、高效率地把算力转化为训练、推理和企业AI服务。随着模型调用量、智能体工作流和多模态应用增长，数据中心正在承受更高功率密度、更复杂网络拓扑和更严格交付周期压力。

Omdia还提出，AI工厂生态正在形成四类解决方案范式，包括全栈公共AI云超大规模企业、计算原生AI云专门厂商、交钥匙式私有AI基础设施提供商，以及区域或行业AI基础设施运营商。不同类型厂商的竞争重点并不相同：超大规模云厂商侧重全球算力网络和模型服务，AI云专门厂商强调GPU集群交付效率，私有AI基础设施提供商面向企业本地化和合规部署，区域或行业运营商则围绕主权AI、产业数据和本地算力需求展开。

这也解释了为何AI基础设施投资迅速走高。AI工厂建设同时牵动土地、电力、变电站、冷却系统、GPU供应、高速光互连、服务器集群、存储系统、网络交换、运维软件和模型服务平台。任何一个环节受限，都会影响整体上线速度和资产利用率。Omdia对200多家企业的调查显示，市场面临的主要挑战包括较长的上市周期与投资回报验证、数字主权、AI人才缺口，以及系统工程复杂度。

对数据中心行业而言，投资接近1.6万亿美元并不意味着所有资本都能顺利转化为有效算力。电力接入、供电可靠性、液冷工程、芯片供给、光模块和网络设备交付、园区审批、PUE表现和碳排放约束，都可能决定项目实际推进节奏。AI工厂的重资产属性越强，建设周期、运营成本和客户需求匹配度就越重要，单纯追求大规模资本开支可能带来利用率不足和回报压力。

企业客户需求也在重塑数据中心服务模式。过去企业采购云资源更多关注通用计算、存储和网络弹性;进入AI工厂阶段后，客户更关注GPU可用性、模型训练效率、推理成本、数据安全、主权合规、跨区域调度和端到端SLA。对金融、制造、医药、能源、通信和公共部门等行业来说，AI基础设施还需要与行业数据、私有部署和监管要求结合，推动区域化、行业化AI工厂出现。

后续观察重点将集中在头部科技企业2026年AI基础设施资本开支执行情况、全球数据中心投资是否按Omdia预测接近1.6万亿美元、电力和液冷是否成为项目交付瓶颈，以及AI工厂能否从算力建设进一步转化为稳定收入和产业应用。英国Omdia关于数据中心转向AI工厂的判断表明，AI基础设施竞争已经从单点算力扩张，进入能源、网络、芯片、调度和模型服务一体化的工业化建设阶段。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com