中國資料中心 24GW 估算：空機櫃與 AI 需求如何並存？（2026）

2026 年 9 月 25 日，Everlyn、Dylan Patel 與 Patrick Schaabi 在 SemiAnalysis 發布了〈The Chinese AI Infrastructure Boom: Introducing the SemiAnalysis China Datacenter Model〉。這份中國資料中心報告把超過千座設施串成一張容量地圖，拋出 24GW 以上的規模估算；真正值得追問的是：這個數字有多少是能承接 AI 工作負載的算力？下文先還原作者的證據，再與業者財報及政策原文對照，最後說明該如何讀這張地圖。

中國資料中心：作者真正主張什麼？

SemiAnalysis 說它追蹤中國超過 1,000 座設施、60 多家營運商，按建物和階段估算已交付、在建及計畫中的容量。其模型介紹頁列出設施位置、營運商、可歸屬的租戶與季度交付曲線，完整明細則屬獨立的機構產品。作者認為，只看上市的 GDS 和 VNET，會漏掉大型平台自建、未上市業者及電信商的容量。原文後段逐家分析設在付費區；以下判讀以公開段落、圖表與可取得的公司披露為界。

Our tracking of 1,000+ datacenter facilities across over 60 players shows that China alone boasts a fleet of over 24GW.

中文：作者用逐棟追蹤模型，估算中國資料中心容量超過 24GW；這是 SemiAnalysis 的模型結果，不是公開普查值。

SemiAnalysis 原文

報告另一個醒目的推估是：ByteDance 約占全國「已交付」容量的五分之一，且大多以租用取得。這個比率可能改變我們看待批發機房業者的方式，公開文章呈現的是匯總圖，逐址表屬獨立的機構產品；因此，這個比率適合當成待驗證的集中度假說。

24GW 是現在的容量，還是年底的估計？

這張區域圖的標題寫著「2026YE」，副標是「2026 年底的 live IT capacity」；模型產品頁也寫中國「有望於 2026 年底」達到 24GW 以上。原文正文卻用現在式說中國已有 24GW 以上機群。兩種表述的時間口徑不完全一致。把它寫成「截至 9 月 25 日已交付 24GW」會比圖表與產品頁更確定；較準確的讀法，是 SemiAnalysis 對 2026 年底可運作 IT 容量的估算。

還要分清四個容易混在一起的量：機房規劃功率、已交付且可運作的 IT 容量、客戶已承諾的容量，以及真正被設備使用的容量。它們都用 MW 或 GW 表示，卻不能直接互換；機房有電、有空間，也不代表已裝上可訓練模型的晶片與冷卻系統。

為何舊機房有空位，新 AI 機房仍在蓋？

原文把市場分成四段：早期電信商與零售機櫃、雲端擴張、2022 至 2023 年消化過剩，以及 2024 年起的大型 AI 租賃需求。作者的核心解釋是「容量不相同」：過去面向小客戶的低密度機櫃，不一定能以合理成本改成高功率、集中供電的 AI 園區。

VNET 2026 年第二季業績提供可核對的局部證據：截至 6 月 30 日，其批發容量在役 1,007MW、客戶使用 744MW，使用率 73.9%；零售在役 50,081 個機櫃、使用 32,314 個，使用率 64.5%。VNET 同時披露，2024 年起零售使用率排除了部分預留機櫃。這支持「同一家公司內，不同產品的占用率不同」，卻不能把 VNET 的比例推成全中國使用率，也不能把整條跨年代曲線當作完全同口徑比較。

GDS 同季業績則用面積報告：在役 684,977 平方公尺、已使用 542,236 平方公尺，使用率 79.2%。它和 VNET 的 MW、機櫃口徑不同，不能拿兩家報表直接拼出全國 GW。這也解釋了為何付費逐址模型可能有價值：它試圖先把各家不相同的披露轉成一致口徑；但轉換假設仍需檢驗。

東數西算改變了什麼？

中國國家發展改革委員會 2022 年公告明確列出八個國家算力樞紐、十個資料中心集群。SemiAnalysis 進一步主張，能耗審查、土地和電價把大型專案導往資源較充裕的地區；但政策地圖畫的是允許與引導，不是每個集群已經建成的同量容量。原文提及山西等樞紐外地點仍吸引投資，正提醒我們：供電成本、距離需求端的延遲，以及業者既有布局，會與政策一同決定地址。

報告還說，標準 100MW 設施的交付時間已縮至約 12 個月，並把預先建殼、鋼構與機電預製列為原因。這是 SemiAnalysis 對業界的概括；公開頁面呈現的是施工例子與彙總結論。我會把它當成值得追蹤的建造能力線索，而不是每座中國機房都能如期交付的保證。

我的判讀：地圖回答「在哪」，還沒回答「能做多少」

我同意：把空置率拆成產品與地點，比看總量更有用

VNET 的零售與批發分項、GDS 的在役與已使用面積，都顯示「全國有空位」無法直接推出「AI 不需要新園區」。讀一張機房地圖時，第一步應問它計入的是舊零售機櫃、可承接高密度設備的批發園區，還是尚未交付的計畫案。

我存疑：24GW 與 ByteDance 五分之一，還不能當成可獨立重算的事實

建物層級方法比口號強，但關鍵結果仍來自 SemiAnalysis 自有模型。其商業利益是銷售模型；這提供了檢查定義與樣本的理由，並非數字錯誤的證據。尤其 24GW 的時間口徑和租戶歸屬方式，應看完整逐址表、容量定義與更新紀錄後再下強結論。

下一張真正重要的表：交付 → 上架 → 使用

若要追蹤中國資料中心的 AI 增長，我會按季度對照三組訊號：一是業者在役與客戶已使用容量，二是批發訂單轉為實際交付的速度，三是晶片、供電與冷卻能否讓容量產生有效工作量。前兩組可從財報逐期檢查；第三組需要更多硬體與負載資料。想理解平台投資動機，可接著讀 AlphaLab 的阿里巴巴全棧 AI 分析；若要看電力如何限制有效產出，可讀NVIDIA DSX 電力調度分析。