最新消息显示，Token 爆发之后，IDC 价值看什么
能否保障长期 SLA、PUE、液冷改造与绿电覆盖
从更深层次来看，需求兑现：竞争要素从”空间”转向”电力与交付” 需求侧最直接的信号，来自头部科技公司的资本开支以及大量电力基础设施的建设
值得关注的是，样本解剖：万国数据的订单、资本与区域三重验证 观察这一轮周期，更合理的方式是把企业财报当作产业变化的一个重要视角——看订单是否增长、客户是否提前锁定容量、建设是否加速、利用率是否爬坡、资金是否足以支持后续 Capex、资产循环是否跑通
从更深层次来看，这也是数据中心行业重新进入资本市场视野的根本原因——应用侧的 Token 增长，最终会转化为云厂商、互联网平台与模型公司对高性能数据中心资源的中长期锁定
值得关注的是，Token 重塑 AI 基础设施的生产函数 严格意义上，Token 调用量不能被简单换算成固定的电力消耗，也不能代表AI实际的落地效果
值得关注的是，一季度净收入 33.671 亿元（同比 +23.6%），剔除部分一次性项目后为 29.380 亿元（同比 +7.9%）；经调整EBITDA 19.487 亿元（同比 +47.2%），剔除部分一次性项目后为 14.303 亿元（同比 +8.0%）
值得关注的是，Token 爆发之后，IDC 价值看什么 Token 爆发改变了 AI 产业的观察方式，也改变了数据中心行业的价值判断
业内人士指出，这背后是”东数西算”叙事的升级——成熟市场（京津冀、长三角、粤港澳）继续承载在线推理、金融交易、实时互动与低时延服务，对网络质量、交付确定性与长期运维稳定性要求极高；新兴枢纽（乌兰察布、和林格尔、中卫）则凭借土地、电力、气候与绿电资源，承接更大规模的训练、离线推理、批量算力任务处理与多模态生成
业内人士指出，客户购买的不再只是机柜空间，而是电力容量、散热能力、网络质量、交付确定性与长期稳定运营；企业估值也不应停留在当前 EBITDA，而要看未来可交付容量、订单质量、利用率爬坡、资本回收与资产循环能力
从更深层次来看，当我们谈论 AI,真正在物理世界被点燃的,是一轮以”吉瓦(GW)”为计量单位的算力基础设施建设
从更深层次来看，这也是万国数据一季度财报值得放入行业框架解读的原因：约 200MW 的单季新增、超 340MW 的年初至今签约、84.4% 的在建预签约率、77.3% 的数据中心上架计费率、192.3 亿元现金（包含定期存款），叠加未来三年 300 亿至 500 亿元投资计划，共同构成”订单—建设—资金—交付”的闭环雏形
业内人士指出，从 2024 年初的 1000 亿，到 2025 年底的 100 万亿，再到 2026 年 3 月的 140 万亿级，曲线的陡峭已足以说明 AI 应用正从演示、试用走向规模化运营
业内人士指出，6 月 3 日，万国数据与乌兰察布市人民政府达成战略合作协议，计划打造多个高密度数据中心园区与 GW 级数据中心园区，并通过绿电直连、绿电交易实现 80% 以上绿电覆盖，形成规模化零碳数据中心集群
从更深层次来看，企业侧的信号同样明确：豆包大模型 3 月日均 Token 使用量突破 120 万亿，MiniMax、智谱等模型公司在 AI 编程与 coding plan 场景的消耗出现数倍至十余倍增长，且增量越来越多来自 AI 编程、智能体、多模态生成与企业流程自动化等生产场景，而非单纯的聊天问答
从更深层次来看，关键词正从”资源调度”转向”算电协同”：未来数据中心的竞争，不只看谁离客户近，更看谁离稳定、低碳、可规模化的电力近
业内人士指出，当调用量持续攀升，背后被高频调动的不只是用户的几次提问，而是算力、服务器、供电、散热、网络与数据中心资产构成的一整套生产体系
从更深层次来看，这一轮 IDC 产业变化的本质，不止是功率密度的提升，更是 AI 把数据中心重新推回了数字经济生产函数的核心位置
从更深层次来看，由此，IDC 行业的竞争核心正从”空间竞争”转向”电力竞争”与”交付竞争”
业内人士指出，AI 编程、智能体、企业知识库、智能客服、办公、营销、视频生成等应用一旦嵌入业务流程，算力消耗便具备更强的日常性与刚性
从更深层次来看，因此，Token 爆发真正改变的不是某一个单点技术环节，而是 AI 基础设施的生产函数
值得关注的是，单看其中任一指标都不足以证明其处于周期核心，但这些指标同时出现，便说明产业景气正在进入企业经营系统
从更深层次来看，公开口径显示，截至 2026 年 3 月，中国日均 Token 调用量已突破 140 万亿，较 2025 年末增长超 40%
值得关注的是，其一，订单与运营：风险结构从”先建后租”转向”以销定产”
业内人士指出，它是这一轮周期的重要观察样本，而非唯一答案
从更深层次来看，机房面积仍然重要，但已不再是最稀缺的生产要素——电力指标、供电稳定性、散热架构、网络质量、建设速度与长期运维能力，正在共同决定 AI 数据中心的资产价值
从更深层次来看，评估 AI 数据中心，不能只看表观利润，而要同时观察经营性 EBITDA、利用率爬坡、订单储备、资本开支能力与资产循环能力
业内人士指出，而模型架构、参数规模、上下文长度、推理精度、并发调度效率、KV Cache 使用方式、量化压缩水平与硬件利用率，却都会实际影响单位 Token 对算力与能耗的实际占用
从更深层次来看，其一，Token 高增长不等于单位算力需求永远同速增长，模型压缩、推理优化、算子效率提升、国产芯片迭代与调度算法改进，都可能降低单位 Token 的算力成本；其二，客户签约不等于收入即时确认，订单到收入之间存在建设、交付、设备进场、上架与利用率爬坡的时间差；其三，AI 基础设施的 Capex 强度更高，一旦需求节奏放缓、融资成本上升或交付延迟，资产回报周期就会被拉长；其四，高密度数据中心对电力、液冷、网络与运维稳定性要求更高，拿到电力指标只是第一步，连续供电、控制 PUE、绿电消纳与满足 SLA 才是长期竞争的分水岭；其五，行业景气也可能带来局部供给扩张与价格竞争，中小玩家、地方平台、运营商与云厂商自建数据中心之间的竞争关系仍需观察
值得关注的是，2026年6月2日，软银(SoftBank)拟在法国建设5GW、美国俄亥俄州建设10GW AI数据中心； 2026年6月5日，Damac Digital 计划在四大洲扩展6GW 数据中心； 2026年6月5日，AirTrunk与印度马哈拉施特拉邦达成210亿美元、规划3GW的数据中心协议； 2026年6月3日，万国数据与内蒙古乌兰察布市政府达成战略合作协议,计划建设多个GW级数据中心园区,并实现超过80%的绿电覆盖率，这仅是万国未来三年超300亿元资本开支计划的其中一部分； 2026年6月3日，Oracle与OpenAI在美国密歇根州启动约1GW项目； …… Token 调用量正在成为映射 AI 产业景气度的新指标 过去，行业讨论大模型，我们的焦点多在参数规模、训练成本与能力边界；如今，一个更贴近商业化进程的指标浮出水面——Token 调用量
值得关注的是，传统估值锚围绕 EBITDA、上架率、稳定现金流、资产折旧与区域供需展开，这套框架依然重要，却已不足以完整反映 AI 数据中心的成长属性——其价值不只体现在当前已运营资产，更体现在未来数年可交付的电力容量、已签约订单、客户预定、建设进度与资本循环效率
从更深层次来看，存量资产继续爬坡、新项目加速建设，且大部分在建容量已提前获得客户预定——这意味着数据中心资产的风险结构正从”先建后租”的库存风险，转向”以销定产”的交付风险；真正的考验不再是能否拿到订单，而是能否把订单按期转化为可计费容量
业内人士指出，净利润 26.521 亿元（同比 +247.1%）
值得关注的是，更适配当前周期的，是一个多阶段动态模型：短期看订单获取能力与交付节奏，中期看利用率爬坡与 EBITDA 释放，长期看自由现金流、资本回报率，以及通过 REITs、ABS、基金、售后回租或资产出售实现的资产再循环能力
业内人士指出，万国数据 2026 年一季度财报，提供了一个具有代表性的样本
从更深层次来看，这仅是万国数据未来三年超过 300 亿元资本支出计划的一部分
值得关注的是，Token 由此成为 AI 应用活跃度的外显指标，也成为底层基础设施压力的先行指标
值得关注的是，中国科技大厂的大力投入，也引发了国产算力的加速崛起，中国 AI 产业进入高刚性、长周期、指数级增长的”超级周期” 这类投入不会停留在财报的 Capex 科目上
从更深层次来看，谁能把 Token 爆发转化为稳定、绿色、可计费、可融资、可持续交付的算力基础设施，谁就更有可能成为中国 AI 基建超级周期中的长期受益者
从更深层次来看，其二，财务与资本：表观利润之外，更看资本调度能力
值得关注的是，一季度新增签约约 200MW，创公司单季度历史最高水平；截至 2026 年 3 月 31 日，总签约及预签约面积达 725,485 平方米（同比 +11.7%），在运面积 674,269 平方米（同比 +10.4%），上架计费面积 520,929 平方米（同比 +12.7%），上架计费率提升至 77.3%；在建面积 118,411 平方米（环比 +60.0%），在运面积签约率 92.8%，在建面积预签约率 84.4%
从更深层次来看，一季度，万国数据公司出售 DayOne 部分普通股回笼 3.85 亿美元，截至 2026 年 4 月 29 日仍持有约 19.9% 股权（按 C 轮融资价格计，剩余市值超 22 亿美元），并完成 3 亿美元 B 系列可转换优先股私募发行；一季度末现金及现金等价物（包含定期存款）为 192.3 亿元，同时维持 2026 年全年约 90 亿元 Capex 指引
值得关注的是，传统周期里，客户围绕机柜数量、地理区位、带宽与成本进行决策；进入 AI 周期后，客户最关心的问题已变成：能否一次性获得足够规模的连续电力
业内人士指出，在此模型下，市场会重新追问：企业手握多少已签约 MW
从更深层次来看，对数据中心产业而言，它们最终会转化为三个更具体的需求：更大规模的电力容量、更高密度的 AI 机房交付、更长周期的资源预定
从更深层次来看，将其与未来三年 300 亿至 500 亿元的国内投资计划（创公司成立 25 年以来资本支出新高）并置，资本配置方向清晰可见：公司把新增资金、订单承接与区域布局的重心压回中国 AI 基础设施
业内人士指出，过去，IDC 更多被视作承载互联网流量与云计算需求的基础设施资产；现在，它正成为 AI 推理与训练负载的物理底座
业内人士指出，这正是本轮 AI 基建周期区别于上一轮信息化建设之处：需求不再是”有多少企业上云”，而是”每一次推理、每一次调用、每一次智能体执行任务都会持续消耗算力”
从更深层次来看，其三，区域与能源：从”All in 中国”到算电协同
从更深层次来看，不过，”超级周期”并不意味着所有 IDC 资产都会自动受益，行业景气与企业回报之间仍隔着多重风险
值得关注的是，万国数据的优势也应放在这一框架中理解——它并非凭一份财报就天然获得确定性，而是其订单、资金、区域布局与交付能力，在 2026 年一季度同时出现了向 AI 基建周期靠拢的迹象
值得关注的是，把过去数月全球公开披露的项目放在一起就会发现,这场超级周期的轮廓便清晰可辨——不再是零散的机房扩容,而是连续、巨额、跨大洲的产能锁定
值得关注的是，过去，训练集群往往呈现阶段性、项目制、峰值驱动的扩张；现在，推理工作负载正在变成连续、实时、高并发的工业负载
值得关注的是，真正受益的，更可能是同时具备四类能力的企业：能获得客户长期订单，能锁定稀缺电力与区位资源，能完成高密度 数据中心 的工程交付与长期运维，能通过多元融资与资产循环支撑连续扩张
业内人士指出，当调用量从千亿级跃迁到百万亿级，需求侧会沿一条相对稳定的链条向下传导：应用请求增加，推理负载上升，GPU/NPU 服务器利用率提升，集群规模扩大，随之而来的是更高密度的机柜、更复杂的东西向网络、更大的供电容量、更高要求的散热系统，以及更长周期的容量锁定
业内人士指出，估值重构：从静态 EBITDA 到多阶段动态模型 AI 基建周期之下，数据中心的估值逻辑也在变化
值得关注的是，海外方面，谷歌与 Intersect Power在得州动工建设数据中心以及超过1GW 清洁能源基础设施的项目、Meta 与长时储能公司 NoonEnergy 达成最高 1GW 供电协议、甲骨文(Oracle)则向 Bloom Energy 采购了高达 2.8GW燃料电池，同时在新墨西哥州部署高达 2.45GW 的 Bloom Energy燃料电池微电网以进行自有备电； 中国方面在强大电网基础设施的支撑下，大量资金近年来也开始加速投向AI基础设施建设：阿里巴巴已公开未来三年投入超过 3800 亿元建设云与 AI 硬件基础设施；腾讯 2026 年一季度资本开支约 319 亿元，主要投向 IT 基础设施、数据中心与 AI 相关领域；围绕字节跳动的资本开支计划，多份媒体报道亦指向其持续加码 AI 基础设施，据称2026 年资本开支计划超过 2000 亿，其中国内占比约 65%
从更深层次来看，它不是单纯的技术参数，而是 AI 应用被真实调用、真实消耗、真实计费的结果
值得关注的是，能否支撑数十千瓦乃至更高功率密度的 AI 机柜
值得关注的是，所谓”All in 中国”，是由资本开支、客户签约、在建项目与能源资源共同构成的经营事实
可以预见，这一趋势将在未来深刻影响IDC行业格局
如果您正在寻找优质的大带宽服务器，欢迎访问 www.isclouder.com 了解更多