5策略从“东数西算”到美企自建电厂：AI扩张的能源底线

（原标题：从“东数西算”到美企自建电厂：AI扩张的能源底线）5策略

《投资者网》吴微

当大家还把注意力都放在GPU、模型和算法时，高盛在最新发布的《Powering the AI Era》报告中，提出了一个AI发展更“底层”的问题：AI的扩张不是单靠算力就能解决的，它更需要稳定、可持续的大量电力支持。换而言之，算力只是“上半场”，电力才是决定AI竞赛下半场能不能打下去的关键。

从“东数西算”到美企自建电厂，AI底层的竞争战早已打响。

需求端：量和“密度”双重上升，电网面临新课题

《Powering the AI Era》报告显示，近两、三年，数据中心的总用电量在快速上升，这既是数据中心规模增长产生的需求，也是单个中心能量密度提高所带来的问题。

以美国为例5策略，据伯克利实验室统计，2023年美国数据中心用电约176TWh，约占全国用电的4.4%，且在未来数年内，这一占比将显著上升空间。据高盛预测，到2030年，全球数据中心用电需求将比2023年增长160%。随着AI对算力要求的持续提升，其用电量或会继续提升。

除了规模扩张外，更值得注意的是单个算力中心功率密度的显著提升。AI专用机架（用于大量GPU的“算力机柜”）单位面积、单位时间的耗电远高于传统云服务器；高盛的研究指出，面向AI的机架设计在短期内对供电、散热的要求会大幅提高（文中用“文件柜里容纳上千户家庭用电”的比喻来说明这一点）。也就是说，电力问题不只是“多不多”的问题，还是“能不能把大功率安全、稳定地送到同一个点”的问题。

因此，AI数据中心建设带来的挑战主要有两个：一是总体发电量需要大幅提升（发电侧）；二是“最后一公里”的配电、变电、冷却与局部储能也需要同步升级（传输与园区侧）。如果两端不能同步，就可能会出现“算力有规划、但上电受限制”的尴尬局面。

中美路径与案例：不同制度下的同一难题

在AI技术发展迅速的中美两国，政府、企业层面，早已着手解决算力与电力之间的矛盾。

其中，美国算力建设的特点是市场化程度高、资本介入力度大。因此，大型云厂商与公用事业公司常通过长期购电协议（PPA）、共同出资建设发电与输电设施等举措来保证供电。最近Meta在路易斯安那的超大数据中心就是典型案例。

为了保障Meta项目的用电5策略，地方公用事业推进了总计数十亿美元级别的发电与输电扩产计划，但该项目也引发了关于由谁承担长期成本的讨论。因此，美国路径的优点是能较快调动私人资本、按合同分摊风险，但也带来监管、公众议价权与电价外溢成本的争议。

以集中力量办大事见长的中国，其做法更侧重于政策引导和集中规划。“东数西算”等国家级战略，就试图把算力需求向可再生资源较多的西部输送，并通过标准化、配额与审批等手段来控制节奏。

同时，中国近年推出的绿色数据中心行动计划与可再生能源配比要求，对新建数据中心提出了更高的能效与绿色电力比率目标（比如在重点地区对新能源使用比例提出硬性要求）。这种方式的好处是能在宏观上协调输配电与产业布局，但也面临着地方审批、运维协调和短期内“产能过剩/利用率低”的风险。

美国靠市场用合同去“买”电、花钱解决输电和发电问题；中国更倾向在顶层做规划、用政策去“安排”电和算力落点。两种方式各有千秋，但如果单纯扩算力而不顾及电网与能源供给并行建设，都将会碰到算力实际部署的瓶颈。

资本、技术与治理：务实的路径比单点押注更管用

要把算力和电力的矛盾变成可管理的问题，或需要从三个方向同时发力，即需要解决资金到位、技术预适配、制度协同等难题。

资金方面，AI与数据中心带来的电力扩容不是小投资。行业研究所与市场机构都给出了天文级的数字。无论是电网升级、发电装机，还是数据中心本身的建设，都需要长期且稳定的资金流。机构投资、基础设施基金、公私合营和绿色债券，都或会成为行业的主要融资手段。各方需要在合同设计里明确谁承担建设、维护与退场风险，以避免地方和消费者承担隐性成本。

AI对电力、算力的旺盛需求，在A股相关公司的股价上也已有体现。电力板块中，长江电力(600900.SH)凭借其稳定的现金流和高股息预期，其股价稳步上行；算力部件领域，受益于AI需求的持续爆发，光模块龙头中际旭创(300309.SZ)等核心供应商因订单饱满、技术领先，上半年公司股价涨幅巨大，成为市场焦点。储能板块虽竞争激烈，但阳光电源(300274.SZ)等具备全球渠道和品牌优势的企业市场表现依旧坚挺。

当然，单单靠堆量，以追求“更多的输电”还远远不够，机房内部的电力供应形式、冷却方式和冗余设计也需要更新，以更高效的使用电力。液冷、浸没冷却、高压直流供电、机架级储能等技术正在被试点采用，以应对高功率密度带来的散热与效率问题。提前在设计中预留升级口子，将能降低未来改造成本并提升算力中心的运行灵活性。

制度协同方面，电价、输电补偿、可再生电力配额、碳核算与地方财政安排，也是项目能否落地的关键。实践中更有效的模式往往是地方、发电企业与云厂商三方协作。其中，地方负责规划和审批、发电/电网公司负责长期供给能力、运营商负责需求侧灵活调度。把这些规则写进长期合同和财政安排之中，或将能把“临时性压力”变成“可预期的收益”。

总而言之，AI要跑得顺，既要有算力，也要有“持续给力”的电力。靠单一能源、单一路径或单方出资来解决问题，成功概率会大幅降低；只有把发电、输电、冷却、储能和金融工具当成一个整体来设计，才能更现实也能更稳妥的解决问题。全球AI产业的竞争，既是算法的竞争，也是算力的竞争，但最终还是会落到电力的竞争上。（思维财经出品）■

fund 5策略