电力成AI数据中心核心瓶颈，亚太多市场迎增长机遇

概览

本篇研报整理了高盛2026年5月亚洲通信科技大会的核心观点，聚焦AI浪潮下数据中心行业的供需演变。会议邀请了Empyrion Digital、Digital Edge及PaleBlueDot AI三家运营商高管分享一线洞察。核心结论是：虽然GPU短缺预计在2028-2029年缓解，但电力供应已成为制约数据中心建设与交付的首要瓶颈；与此同时，AI原生客户的极速需求正在重塑行业运营标准，印度、日本等亚太市场展现出强劲增长潜力。

核心观点

电力瓶颈与公私合作模式：电网基础设施建设通常需要5至10年，这使其成为比GPU更长期的制约因素。为解决这一问题，政府需发挥主导作用，私营运营商和超大规模企业则通过直接投资发电及可再生能源来弥补缺口，马来西亚被视为政企合作的有效范例。此外，不同市场需根据资源禀赋权衡能效（PUE）与水资源消耗，例如Digital Edge在孟买利用处理后的废水实现PUE低于1.25。社区接受度也被视为继电力、水、连接和许可之后的第五大关键基建要素。 客户需求分化与运营策略调整：AI时代的客户结构发生显著变化。单租户GPU客户通常在开工前15-24个月即锁定订单，而传统多租户客户仅要求3-6个月交付期；新兴AI客户（Neoclouds）的合同签署周期更是压缩至6周，远快于传统超大规模企业的4-6个月。为应对这种差异，运营商普遍采用模块化设计和混合风液冷却系统作为默认配置，并保持机架密度从20kW到1MW以上的宽泛兼容性，同时尽可能推迟机房装修以保留灵活性。交付速度已成为核心竞争力，如PaleBlueDot在日本项目中实现了89天交付6000个GPU。 区域增长前景与需求结构：印度凭借人口红利、工程人才及毗邻中东的优势被寄予厚望，Digital Edge已在当地推进300MW园区项目；日本在政府支持下扩张激进；菲律宾则因审批简化及电力可扩展性受到关注。需求端方面，推理需求已占AI算力需求的约70%，且随着应用层落地仍有巨大扩展空间。行业普遍认为AI带来的增量需求是非零和博弈，传统云业务仍将同步增长，供给侧的整合也有望提升效率并缓解资源约束。

分析框架

研报采用“产业链瓶颈识别+客户行为对比+区域差异化分析”的综合框架。首先通过对比GPU与电力设施的解决周期，精准定位当前行业的核心矛盾已从硬件短缺转移至基础设施配套；其次通过将传统超大规模客户与新兴AI原生客户在签约时长、技术标准上的量化对比，揭示运营商必须保持设施“可替换性”的商业逻辑；最后结合各国政策、资源禀赋及地缘政治因素，筛选出具备结构性增长机会的区域市场。这种分析方法帮助投资者理解，在AI基建周期中，单纯的产能扩张并非万能钥匙，资源整合能力与交付速度才是新的护城河。

方法论与常识提炼

• 行业/产业分析框架供需框架

  核心瓶颈转移分析

  研报通过比较GPU供应正常化时间（2028-2029年）与电网建设周期（5-10年），判断行业主要矛盾已从设备短缺转为电力基础设施约束，这是典型的动态供需错配分析。

• 竞争与战略框架

  设施可替换性与灵活性策略

  面对AI与传统云客户需求节奏的巨大差异，运营商通过混合冷却、宽机架密度兼容及延迟装修等手段保持资产通用性，避免过度优化单一场景导致的沉没成本风险。

• 行业/产业分析框架渗透率 S 曲线

  推理需求占比与成长阶段判断

  通过监测推理需求占比达到70%这一指标，判断AI算力消费正从早期的模型训练阶段向规模化应用落地阶段迁移，暗示下游商业化进程加速。

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）。

• Digital Edge

  会议嘉宾公司，展示适应本地资源的运营策略

  优势

  孟买项目利用废水制冷实现PUE<1.25；机架密度兼容20kW至1MW以上；在印度Navi Mumbai布局300MW园区

  对比

  相比纯AI导向运营商，更注重传统与AI负载的兼容性及本地资源适配

• Empyrion Digital

  会议嘉宾公司，提供客户需求分化与社区关系洞察

  优势

  识别单租户AI客户提前15-24个月锁单趋势；提出社区接受度为第五大基建支柱；主张AI需求为非零和增长

  对比

  强调通过延迟机房装修来平衡AI与传统客户需求的灵活性策略

• PaleBlueDot AI

  会议嘉宾公司，验证推理需求爆发与极速交付能力

  优势

  日本项目89天交付6000个GPU；推理需求占比达70%；定位为能源转Token的GPUaaS服务商

  对比

  交付速度显著快于行业平均，凸显AI原生服务商的敏捷优势

关键数据

• AI客户合同签署周期6周相比传统超大规模客户的4-6个月大幅缩短，反映AI需求紧迫性
• 电网基础设施建设周期5-10年远超GPU供应恢复周期，成为当前数据中心交付的核心硬约束
• 潜在供应去化周期3-6个月若供给不受限，当前需求水平下可用库存将在此时间内售罄
• 推理需求占比约70%PaleBlueDot数据显示AI算力需求重心已转向推理侧
• 孟买项目PUE<1.25通过使用处理废水而非饮用水，在缺水地区实现高能效
• 机架密度兼容范围20kW至>1MWDigital Edge设施支持极宽功率密度，以适配多样化负载

影响与含义

对于数据中心运营商而言，获取稳定电力资源和快速交付能力已取代单纯的机柜规模成为核心估值要素。具备政企合作经验、掌握混合冷却技术且能灵活响应AI客户短周期需求的企业将获得溢价。对于上游设备商，支持高密度、液冷及模块化部署的产品将成为标配。区域层面，印度、日本和菲律宾因各自独特的政策或资源优势，有望承接新一轮AI基建外溢需求，成为亚太区新的增长极。

风险

• 电力、水资源及许可审批限制导致数据中心扩建进度不及预期
• 社区反对情绪上升可能阻碍新项目落地或增加合规成本
• 地缘政治监管趋严增加供应链尽职调查负担与运营复杂度
• 过度针对AI优化可能导致设施丧失对传统云负载的兼容性

后续跟踪

• 各国政府在电网基础设施公私合作（PPP）模式上的具体进展
• AI原生客户与传统超大规模客户在签约条款与交付要求上的持续分化
• 印度、日本、菲律宾等重点市场的政策支持力度与电力扩容情况
• 数据中心运营商之间的并购整合活动及其对供给效率的影响
• 推理侧应用层商业化落地速度及算力消耗的进一步演变