东盟电信与数据中心受益于AI算力基础设施扩张

概览

本报告是一份面向投资者的东盟电信与数据中心主题研究，核心讨论AI基础设施建设如何改变数据中心经济学、选址逻辑和供应链暴露。报告指出，NVIDIA GPU、agentic AI框架以及主权AI需求推动新一轮算力基础设施扩张；东盟因土地、电力、海底光缆连接和本地化需求，有望成为AI数据中心集群的重要承载区域。

核心观点

报告的核心观点包括：第一，MW仍是数据中心容量核心单位，但收入取决于已租赁负载、价格、用电结构、爬坡节奏、互联服务和客户组合；第二，AI把竞争重点从空间转向电力密度、散热和网络；第三，权益投资机会不只在数据中心业主，也分布在电力、冷却、网络、服务器、半导体和光通信供应链；第四，Singtel/Nxera可通过网络连接、AI数据中心、GPUaaS/AIaaS和编排平台，把区域连接能力转化为AI工作负载。

分析框架

报告采用“数据中心101”框架，从容量、租赁、利用率、EBITDA到ROIC建立投资者KPI桥；再从连接、土地、电力、气候、需求和政策解释东盟数据中心集群形成逻辑；最后通过技术栈变化、供应链图谱和Singtel/Nxera案例评估AI基础设施变现能力。

方法论与常识提炼

• 行业分析数据中心KPI桥

  Capacity → Leasing → Utilization → EBITDA → ROIC

  用容量、租赁、利用率、盈利和资本回报串联数据中心投资逻辑，强调MW只是起点，收入和回报还取决于价格、用电转嫁、客户组合和爬坡节奏。

• 基础设施选址数据中心集群形成框架

  连接、土地、电力、气候、需求、政策

  最佳选址需要在光纤/海底光缆/云接入、土地可得性、电力价格与可靠性、气候与水资源、企业与主权AI需求、税收与审批政策之间取得平衡。

• 技术栈分析AI机柜密度与散热路径

  从传统机柜到AI GPU机柜再到下一代AI平台

  传统企业机柜约5-15 kW，当前AI GPU机柜约40-200 kW，下一代平台可能达到数百kW以上，推动散热从风冷走向direct-to-chip和浸没式液冷。

• 价值链映射AI基础设施供应链图谱

  数据中心、托管、电信、发电、电网、服务器、网络、半导体、散热和电力设备

  报告将受益者扩展到数据中心外部的硬件和基础设施链条，强调AI算力建设是一个跨电力、网络、服务器、芯片和冷却的系统性投资主题。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Singtel / Nxera

  直接受益者与案例核心

  优势

  拥有区域电信网络、海底光缆、边缘连接和Nxera AI数据中心平台，并通过RE:AI、Paragon尝试向GPUaaS/AIaaS和编排服务延伸。

  劣势

  需要持续投入高密度数据中心、液冷、电力和合作伙伴资源，资本开支与执行复杂度较高。

  对比

  相较单纯托管平台，Singtel的差异化在于连接层、企业客户入口和主权AI本地化能力。

  风险

  STT GDC交易完成、项目融资、预租进度、客户集中度、电力接入和ROIC爬坡均需跟踪。

• 东盟电信运营商与数据中心平台

  区域结构性受益者

  优势

  受益于主权AI、本地数据驻留、区域云接入、低延迟连接和相对可用的土地/电力资源。

  劣势

  不同市场的电网可靠性、审批速度、土地、气候和政策差异较大。

  对比

  训练负载更偏向低成本电力和高利用率的大型集群，推理负载更看重靠近用户和数据主权区域。

  风险

  政策变化、许可延迟、电力价格波动、PPA执行和自然灾害风险可能影响项目回报。

• 电力、并网与能源设备供应链

  关键约束与上游受益环节

  优势

  AI数据中心需要稳定电力、冗余设计、PPA、电网设备、储能和电力电子能力。

  劣势

  项目周期长，受公用事业、并网排期和设备交付周期制约。

  对比

  在AI高密度场景下，电力约束的重要性可能超过土地和建筑外壳。

  风险

  电网连接延期、设备通胀、碳排放约束和公用事业依赖可能压缩回报。

• 散热与液冷供应链

  AI高密度机柜的核心使能环节

  优势

  从风冷到direct-to-chip和浸没式液冷的演进提升高密度容量可用性。

  劣势

  技术路线、改造难度、维护能力和客户认证仍存在不确定性。

  对比

  具备液冷经验的运营商和供应商相较传统机房建设商更具差异化。

  风险

  散热系统失效、改造成本超支、供应商交付延误和技术标准变化。

• 网络、光通信、服务器与半导体链条

  AI数据中心价值链外溢受益者

  优势

  高性能GPU、HBM、高速交换、光模块、服务器ODM/EMS和网络互联是AI集群扩张的基础。

  劣势

  供应链分散且存在周期性，部分公司并非报告覆盖对象。

  对比

  权益暴露不局限于数据中心地主，还包括NVIDIA生态、网络设备、光通信和服务器组件。

  风险

  GPU供给、客户资本开支周期、技术替代、库存波动和地缘政治限制。

关键数据

• 报告日期2026-06-29封面显示June 29, 2026 12:00 AM GMT。
• AI基础设施判断历史性拐点报告称AI基础设施建设由NVIDIA GPU和agentic AI框架推动，东盟处于土地、电力、连接和主权AI需求交汇点。
• 数据中心收入驱动已签约容量、计费模式、电力转嫁、爬坡节奏、互联服务、客户组合报告强调MW不是唯一收入指标。
• 传统机柜功率5-15 kW传统企业机柜功率密度显著低于AI GPU机柜。
• 当前AI GPU机柜功率40-200 kWAI训练和高密度推理推动更高电流交付、网络和散热要求。
• 下一代AI平台功率数百kW+更高密度平台将进一步提高液冷和电力系统重要性。
• Singtel/Nxera四层栈Connectivity、AI DC platform、GPUaaS & AIaaS、Orchestration对应网络连接、Nxera、RE:AI和Paragon，目标是把区域连接和容量转化为AI工作负载。
• STT GDC平台规模50个数据中心、约673MW运营容量、12个市场报告称该平台为联合体带来运营规模和地理足迹。
• STT GDC中期管线>400MW medium-term pipeline；合并平台约2.8GW design capacity / 12 markets报告同时提到约1.7GW跨市场管线。
• STT GDC交易读数EV S$13.8bn；S$6.6bn现金收购100% STT GDC；Singtel出资S$740mn取得25%权益预计按权益法核算，对股息无影响，管理层预计2H26完成。
• Singtel追加资本开支约S$400-500mn，未来三年与STT GDC交易和平台扩张相关。
• Singtel估值读数约4% EV uplift based on MSe报告给出的价值读数，未等同于正式目标价。

影响与含义

对投资者而言，数据中心主题不应只看楼宇面积或名义MW，而应重点评估电力获取、液冷能力、网络密度、客户预租、融资结构和ROIC。东盟电信运营商若能把海底光缆、边缘节点、主权AI需求和本地合作伙伴整合为AI-ready容量，可能获得比传统托管更高的战略价值。

风险

• 电力接入、PPA、并网日期和冗余设计不达预期。
• 高密度AI机柜导致电气、散热和网络设备资本开支高于预期。
• 预租不足、租户集中度高或客户信用质量下降，拖累利用率和EBITDA爬坡。
• 计费模式、电力转嫁和合同期限不清晰，可能影响收入可见度。
• 数据主权、审批、税收激励和监管政策变化可能改变项目经济性。
• 融资结构、JV安排、项目债务和资产循环进度影响资本回报。
• 轨道数据中心是长期可选项而非近期替代，但若技术突破可能成为远期颠覆因素。

后续跟踪

• Singtel/STT GDC交易是否按管理层预期在2H26完成。
• Nxera在新加坡、泰国、印度尼西亚和马来西亚的AI-ready园区建设、预租和客户结构。
• RE:AI、Paragon、GPUaaS/AIaaS是否真正带来高于批发托管的变现能力。
• 各项目的电网连接日期、PPA、备用电力和公用事业依赖。
• 机柜功率密度、液冷改造能力和从风冷到direct-to-chip/浸没式液冷的推进速度。
• 租赁合同中每kW、每kWh、shell-and-power或捆绑服务的计费方式，以及电力是否可转嫁。
• capex/MW、稳定期EBITDA、ROIC和租赁延迟下的下行情景。
• 轨道数据中心相关的发射成本、辐射屏蔽、热设计、轨道碎片、安全和更换周期。