Epoch AI 评估华为和林格尔数据中心算力与中美差距

本文是我们网站上完整报告的精简版

作为中国最大的 AI 芯片研发商，华为正依托中国充足的能源供应大力建设数据中心。不过受美国出口管制影响，华为在芯片性能和能效两方面仍然落后于美国竞争对手 Nvidia。

以具体案例来看，华为位于内蒙古和林格尔的 AI 数据中心按 AI 算力计算是中国规模最大的数据中心之一，但其算力还不到全球最大 AI 数据中心——位于美国田纳西州的 Colossus 2 的十分之一。根据未来的扩建规划，至少到 2028 年，它与 Colossus 之间仍将保持巨大的差距。

本文结合卫星图像和公开资料，深入剖析了和林格尔数据中心及华为更广泛的 AI 基础设施规划，阐明我们是如何得出上述结论的。

和林格尔园区：用于 AI 的 IT 供电容量最高达 286 兆瓦

华为和林格尔园区位于和林格尔新区内，共分为西区、南区和北区三大地块。卫星图像显示，当地为了给数据中心建设腾出空间，拆除了原有的村庄。

尽管该园区可能服务于多样化的终端用户和业务场景，但华为的公开文件显示，园区部署了专为大模型训练和推理设计的“超节点”（hypernode）服务器，这表明园区很大一部分设施专门用于 AI 任务。

我们获取了这些区域的商用高分辨率卫星图像，以此估算各建筑的供电容量。我们主要采用散热设备模型：根据肉眼可见的冷却机组类型、尺寸和数量，先估算其排热能力，再进而反推出建筑的 IT 供电容量。

卫星图像显示，每个地块都建有外观近乎一致的三层建筑。不过，北区的冷却塔数量远少于西区和南区，这说明北区建筑不太可能用于部署高算力 AI 芯片——毕竟现代 AI 服务器的功率密度往往是行业平均水平的 10 倍以上。

剔除低密度的北区后，剩下的四栋建筑配备了密集的冷却设施且外观已基本完工：南区两栋、西区两栋。根据我们的散热模型测算，这四栋建筑的 IT 供电总容量约为 286 兆瓦（MW）。

多项迹象表明这些建筑已经投入运营。首先，从外观上看，建筑已基本竣工，冷却设施、备用发电机和停车场一应俱全，且没有在建工程的痕迹。其次，一张卫星图像显示，某栋建筑的至少一座蒸发式冷却塔上方出现了疑似冷凝水蒸气，说明该建筑正在运行。第三，在另一张图像中，多台冷却塔风扇呈现出彩色的“重影”，这表明风扇当时正在运转。1

四座大楼中，只有位于西区的一座目前还没有任何投运迹象。一份公开披露的信息显示，截至 2026 年 9 月该楼已经竣工，但尚未投入运营。我们推算它将在 12 月前正式投运，而另外三座目前均已正常运转。

估算和林格尔的算力规模

华为和林格尔园区的物理规模固然庞大，但要评估中国的 AI 实力，更关键的指标还是它的算力规模。

根据该园区高功耗机房楼的投运时间推算，并假定芯片从销售到部署有四个月的滞后期，我们结合各时期的华为芯片销量，估算了填满这些机架所需的芯片数量。测算结果显示，第一座机房楼混用了昇腾 910C 和 910B 芯片（以 910C 为主），而其余三座机房楼则全部配备 910C。鉴于目前尚有一座大楼未投运，我们测算出目前已投入运营的芯片大约有 10.5 万颗昇腾 910C 和 8000 颗昇腾 910B。

在对比中美两国的芯片时，业界常用的基准是“H100 等效卡”（H100e），即以单颗 H100 芯片的性能为基准。华为公开的数据表明，910C 的性能约为 0.76 H100e。相比之下，英伟达的 B200 和 B300 芯片性能大约在 2.5 H100e 左右。

由此折算，目前在运的昇腾芯片相当于 8.1 万张 H100 等效卡（90% 置信区间：3.6 万至 14.1 万张）。完整测算过程见此表格。

结合已知的芯片总产量以及其他数据中心的部署情况，我们认为这一估算相当合理。根据芯片销售估算，截至 2026 年 3 月底，昇腾 910C 已售出 90.7 万颗，910B 已售出 60 万颗。卫星图像显示，和林格尔的第三座 AI 机房楼于 2026 年 8 月投入运营。按销售到部署相隔四个月推算，到 8 月份时，华为和林格尔园区消耗的 910C 占其总出货量的 11%。

和林格尔的 AI 算力相当于全球领跑者的 7%

达到 8.1 万张 H100 等效卡的华为和林格尔园区，放在当下已是规模庞大的 AI 数据中心，也很可能是中国境内规模最大的几个之一。我们全面排查了中国各大核心枢纽的 AI 数据中心，并重点考察了几个最有力的竞争对手。其中，可能与华为和林格尔平分秋色甚至略胜一筹的，只有世纪互联乌兰察布巴音以及华为芜湖两个项目。

但要与全球最大的 AI 数据中心相比，华为和林格尔园区仍有很大差距。目前全球头把交椅由 SpaceX 位于田纳西州的 Colossus 2 占据，其算力规模大约是华为和林格尔的 14 倍。

数据中心园区的 AI 算力通常会划分成多个高密互联的集群，所有算力未必能集中起来联合训练同一个 AI 模型。不过，即便华为和林格尔园区的算力被拆分成多个集群，依然足以支撑大型研发实验。仅凭其估算 AI 算力的 10%（即 8100 H100e），就足以在单月内完成 DeepSeek-V4-Pro 级别模型的训练。在极度乐观的情况下，若将华为和林格尔当前的全部算力汇总用于单次训练任务，训练一个 GPT-6 Astra 级别的模型需要耗时一年。

下一阶段：2028 年初算力将再增 70%

华为和林格尔基地的建设还远未结束。如前所述，现有的四座建筑中还有一座尚未投运；根据规划效果图以及卫星图像中显现的施工现场来看，除了已建成的六座建筑之外，至少还规划了三座新楼。

其中一座新建筑已在南区动工，按照目前的建设进度，预计将于2028年2月投入使用。假设这座新楼与已有建筑一样主打 AI 算力，到2028年初，该基地的 AI 总算力有望提升70%以上。

到2028年初，随着算力提升70%以上，华为和林格尔基地的算力规模预计将达到约14.1万张 H100e（90%置信区间：6.5万至22.7万）。但届时 Colossus 2 的规模预计将至少达到180万张 H100e，相较之下，和林格尔基地的算力占比预计将基本持平甚至进一步收缩。不过，这并不意味着中国顶尖数据中心整体会被进一步拉开差距。例如，华为在芜湖的姊妹基地扩张步伐就略快一些，预计到2027年12月即可达到15.1万张 H100e。

这对中国 AI 意味着什么

从目前来看，中国在数据中心建设上拥有充沛的电力保障。许多专为 AI 打造的设施正在拔地而起，容量高达数百兆瓦，内部配备了国产芯片。然而，美国 AI 数据中心的单位能耗算力是中国设施的2.5倍，其中规模最大的数据中心容量已达1000兆瓦。华为和林格尔数据中心便是这一差距的典型代表，其算力规模仅有田纳西州 Colossus 2 的7%。正因如此，中国在过去两年中依然打造出了如此强劲的 AI 模型，更显得引人注目。但在未来两年内，中国的算力瓶颈恐怕很难得到缓解，这意味着其 AI 能力与落地部署规模或将继续落后于美国。

感谢阅读！欢迎免费订阅以接收最新推送。

1

其原理在于：风扇有时会将眩光反射到卫星图像传感器上，而传感器在捕获红、绿、蓝波长时存在微小的时间差。当风扇转动时，眩光可能恰好只在采集其中某一种波长时被捕捉到，从而使反光呈现出单一的鲜明色彩。