汽车行业商用车关键词“转型”系列报告三：如何建立AIDC基础设施需求跟踪框架.pdf

随着AI大模型训练与推理需求爆发，算力基础设施已成为数字经济的核心瓶颈之一，亟需系统性升级。本报告聚焦于AIDC基础设施建设中的发电与液冷环节，试图解决传统预测方法中存在的资金流向不明及跨期错配问题，建立一套从AI芯片出货出发、逐步推导至基础设施设备需求的物理量跟踪体系。

底层需求：从芯片到电力容量的物理传导

报告摒弃直接依赖云厂商资本开支的做法，转而建立逐厂商、逐型号的AI芯片数据库。通过跟踪芯片出货量并结合CoWoS等先进封装产能验证其可实现性，确保数据源的可靠性。在此基础上，依据不同芯片的热设计功耗、服务器功耗结构及数据中心PUE，将芯片出货量转化为AIDC新增电力容量。这一过程充分考虑了芯片代际升级带来的功率变化，以及中国与北美在供电模式上的结构性差异。

行业映射：发电与液冷需求的差异化测算

在发电行业，报告指出中国主要依靠电网供电，需求集中于供配电设备及柴油备用电源；而北美因电网接入瓶颈，现场自发电比例持续提升，带动燃气轮机、燃气内燃机、SOFC及核电等设备需求。通过对比新增需求与有效产能，可判断各类发电设备的供需格局。在液冷行业，报告通过AIDC存量电力容量与液冷渗透率测算存量装机，进而得出年度新增液冷容量，结合单位GW价值量测算市场空间，并细化至冷板、CDU等核心组件。

验证闭环：多维数据交叉校验

为确保模型准确性，报告构建了“资本开支—设备订单—公司业绩”的三级验证体系。通过将自下而上的芯片推导结果与CSP资本开支对比，区分订单阶段以确认需求落地，并结合公司产能与市场份额映射业绩，形成从建设规划到业绩兑现的完整闭环。投资建议关注上游供配电服务及液冷领域具备技术迁移优势的龙头企业。