数据中心供应链，我拿几个新工具拼了块看板

作为一个做数据中心供应链研究的人，我试了一下把 Kingspan 公告、算力网面板、OCR 和 Excel 拼在一起，看看美国 AI 数据中心热潮里那些藏在电力、建材和舆论里的风险。我之前写过“钱开始从算力流向砖头”，这次算是把这句话拆成几个字段。

问题其实很直接。新闻里提到，美国数据中心设备进口在2025年达到6530亿美元，比2020年翻倍，其中大约5800亿美元是计算硬件。另一头，美国民调里有大约四分之三的人反对新建数据中心，社交平台上还被发现疑似中国水军账号在放大电费、噪音和土地争议。我想知道，这些东西能不能被整理成一块能持续看的面板，而不是今天刷到明天忘。

我拼了什么

方案不复杂。Kingspan 我是1天前才第一次接触，所以不敢说熟，只是拿它当例子，看看一家做建筑围护系统的公司怎么被数据中心需求推着走。简单说，围护系统就是外墙、屋顶、保温这些。我点进它的投资者关系页面，看到发债公告和业绩展望里反复提到 data center，于是先挑出资本开支、客户类型、融资成本几类字段。

算力网我用了大概1个月，大致熟悉。它里面能看区域电力、机柜负载、冷却需求这些指标。我这边导出了一份 CSV，挑了几个数据中心集群。BMC 也是刚上手，只够让我理解服务器管理控制器是什么，没法真去查硬件日志。OCR 这几天在试，就是把图片里的字变成可复制文本，我把 CNBC 截图和 Kingspan PDF 丢进去。Excel 用了1周，负责把字段合并。

这里有个坑。OCR 对干净文本还行，但 PDF 里有图表、脚注、两列排版时，数字和日期会串。我试过把一段关于进口金额的文字转出来，6530亿识别没问题，脚注里的日期却跑到下一行。后来还是把干净 PDF 和图片分开处理，效果稳一点。Excel 合并时日期列也变成文本，我上周在别的帖子里说过这个问题，手动转格式花了点时间。

效果怎样

最后拼出来的东西不漂亮，但有用。左边是公司，中间是指标，右边是风险标签。指标包括电力缺口、设备来源、融资成本、社区反对度。风险标签我暂时只分三类：硬件依赖、电力与冷却、舆论与政策。

惊喜点在于，把新闻里的抽象风险拆开后，供应链问题不像只有芯片。计算硬件确实大，但 Kingspan 这种建材公司发债，说明数据中心扩张已经进入盖楼、改楼、锁融资成本的阶段。电力和冷却也不是模型参数，它们会直接变成社区反对、电价争议、审批周期。新闻里说德州 Abilene 在建大型数据中心，弗吉尼亚 Gainesville 的数据中心卫星图还被中国官媒拿出来报道，这类事放在一起看，就不只是商业新闻。

缺点也明显。这块看板依赖我手动补证据，不能自动判断「中国风险」到底多大。

算力网面板偏运行指标，Kingspan 公告偏财务，新闻偏舆论，三者时间口径不一样。BMC 刚接触，暂时没接上。OCR 和 Excel 清洗也不省事，数据脏的话，前面功夫一分都省不掉。

结论是看情况。 如果你只是想刷一条新闻，这个面板没必要做。如果你研究物理 AI、人形机器人、AI 基础设施，想搞清楚模型之外的电力、冷却、建材、债券和舆论，那这种分步拼装挺值。对纯小白不友好，因为大概率会卡在字段解释和清洗上。

下一步我想再试几天 Kingspan 和 BMC，把融资成本、服务器运维入口补进去。算力网再导出几个区域，看看电力缺口和社区反对能不能对上。

---

📌 本文编译自 CNBC Tech，原文：https://www.cnbc.com/2026/09/03/us-ai-data-centers-china-supply-chain.html

版权归原作者所有，本文为基于公开报道的编译与独立分析。