【经管讲堂·AI经管实践】算力新基建：AI投资的ROI革命与绿色算力

案例背景

2026年6月，算力基础设施迎来了建设高峰。东山精密12亿美元加码光芯片和光模块扩产，1.6T光模块已在海外实现批量交付。全球磷化铟供需缺口超过70%，交付排期已至2028年。中国信通院联合10家企业启动”Token服务能力攀登计划”，算力网络建设开启万亿级投资周期。英伟达进军PC市场，将AI算力从云端推向终端。与此同时，Robotaxi行业正寻求大规模商用突破，自动驾驶的”最后一公里”需要更大的算力支撑。

算力正在成为”新石油”——就像石油驱动了20世纪的工业文明，算力正在驱动21世纪的智能文明。然而，算力基础设施的建设和运营带来了全新的管理课题：AI项目如何评估投资回报率（ROI）？当算力成本占到AI项目总成本的60%以上时，企业如何做出”买算力”还是”建算力”的决策？

核心分析

一、AI投资的ROI框架：超越传统的财务评估

传统IT投资的ROI评估框架（如净现值NPV、投资回报周期）在AI项目中面临挑战。AI投资具有三个区别于传统IT投资的特征：第一，收益的”非线性”——初期投入大、产出小，拐点后爆发式增长；第二，价值的”多维性”——不仅体现在成本节约，还体现在收入增长、客户体验提升、风险降低等多个维度；第三，不确定性的”方向性”——技术路线的不确定性大于市场需求的不确定性。麦肯锡提出的”AI投资组合”思路值得借鉴：将AI项目分为”稳健型”（确定性高、周期短）、”增长型”（中等确定性、中等周期）和”探索型”（不确定性高、长期布局）三类，确保投资组合的健康发展。

二、”买算力”还是”建算力”：自建与外包的战略决策

算力是”买”还是”建”，本质上是”自建与外包”（Make or Buy）的经典战略决策。奥利弗·威廉姆森的交易成本经济学提供了分析框架：当资产专用性高、交易频率高、不确定性高时，自建优于外包；反之则外包优于自建。对于大多数中小企业而言，AI训练任务具有”间歇性”特征（不是每天都需要大规模训练），使用云算力（买）比自建数据中心（建）更为经济。但对于AI为核心业务的企业（如自动驾驶公司），算力基础设施具有极高的资产专用性，自建可能更有优势。东山精密的12亿美元扩产决策采用的是”卖铲子”策略——不是自己使用算力，而是为算力使用者提供关键零部件（光模块），在算力产业链上找到了自己的价值定位。

三、绿色算力：可持续发展的战略维度

算力需求的爆炸式增长带来了能源消耗问题。据估计，全球数据中心用电量已超过一些中等国家。中国的”东数西算”工程正是从国家层面优化算力布局——将数据中心建在西部能源丰富地区，通过高速网络连接东部需求中心。对于企业而言，绿色算力不仅是一个”社会责任”话题，更是一个”经济效益”话题——电力成本通常占数据中心运营成本的40%-60%。谷歌DeepMind利用AI优化数据中心制冷系统，将能耗降低了40%，这是”用AI优化AI基础设施”的经典案例。企业的AI算力战略中必须包含”绿色维度”——算力效率（每瓦特电产生多少有效计算）已成为衡量AI基础设施建设质量的核心指标。

管理启示

AI算力基础设施的投资决策给管理者三重启示：第一，AI投资的ROI评估需要新的框架——不能简单套用传统IT的NPV模型，需要纳入”非线性收益”和”多维价值”。第二，”买还是建”的决策不能一刀切，需要根据资产专用性、使用频率和技术能力综合判断——大多数中小企业应该”买”，少数核心能力企业可以考虑”建”。第三，绿色算力是下一阶段的战略机遇——谁能在算力效率上领先，谁就能在AI竞争中获得成本优势。

其他思考

1. 随着量子计算技术的发展，当前的AI算力投资会否在未来5-10年内成为”沉没成本”？企业如何平衡”当前需要”和”未来可能”？
2. “东数西算”战略下，东部的AI应用型企业和西部的算力基础设施企业如何实现有效协同？
3. 从全球竞争角度：中国的算力基础设施与美国相比优势和劣势分别在哪里？

关键词：AI算力、ROI评估、自建与外包、绿色算力
来源：每日经济新闻、第一财经、经济观察网 | 整理：经管讲堂