AI数据中心用电预测再上调，可靠性产业链仍获积极看待

概览

报告围绕三项核心问题展开：AI和数据中心电力需求还能增长多久，AI创新周期是否正由投入扩张转向效率阶段，以及AI的社会价值能否覆盖其排放、资源和治理成本。高盛上调全球数据中心用电预测，同时认为社区许可、电网、设备、劳动力和环境条件会影响建设节奏，但这些约束也强化了可靠性基础设施的长期投资需求。

核心观点

报告首先以“7P”梳理数据中心电力需求的增长动力和约束，即AI普及度、生产率、价格、政策、零部件、人员和物理环境。基于数据中心容量扩张、TMT团队上调AI服务器出货预测，以及美国电力团队更新区域需求判断，高盛将2030年全球数据中心用电量较2025年的增幅由117%上调至170%，其中美国贡献超过60%。相对2023年，至2030年的累计新增用电约为1,100 TWh，超过全球第五大电力消费国日本在2023年的全年用电量。2025年可再生能源与核电技术相关PPA签约量同比增长17%，报告因此继续采用天然气、可再生能源、储能和核电并举的供电假设。 资本开支仍是需求扩张的直接支撑。Alphabet将2026年资本开支区间上调150亿美元，并预计2027年资本开支仍将显著同比增长；Amazon将2026年资本开支目标上调200亿美元；Meta也上调了2026年预测区间下限，报告所列此前区间为1,250亿至1,300亿美元。高盛分析师预计，Alphabet、Microsoft、Meta、Amazon、Oracle、Baidu、Tencent和Alibaba等超大规模云服务商的资本开支与研发支出合计将在2026年超过1万亿美元。不过，长期持续性最终取决于AI能否带来提高回报的实际成果；报告预计部分超大规模云服务商的公司层面回报将下降，2027年再投资率可能超过100%。 芯片、服务器和模型的效率提升并不必然降低总用电量。新一代服务器单机最大功率更高，但算力增长更快，因此单位算力能耗下降。报告认为当前尚未进入需求受限阶段，因为企业和政府仍担心削减预算会损害竞争地位，且其所需token和算力规模尚未充分确定。只有当需求更清晰、生产率提升开始推动预算下调时，AI周期才会从“评估／希望与梦想”阶段转入“执行／效率”阶段。2Q26的行业交流显示，客户已开始监控组织内部谁在使用算力及每个token的支出，但尚不能确认这种优化会抵消效率提高所诱发的新增需求。 报告用情景分析说明需求弹性的重要性：假设客户原计划购买10台AI服务器，新一代产品的算力为原来的10倍、最大功率为6倍、价格为5倍。在预算受限情景下，客户购买2台，预算不变，算力提高100%，最大功率提高20%；在需求受限情景下，客户只购买1台，算力不变，预算下降50%，最大功率下降40%；在无约束情景下，客户仍购买10台，预算增加400%，算力提高900%，最大功率提高500%。这表明技术效率能否降低总能耗，关键不在单机效率，而在客户是否把效率红利用于削减预算，还是用于扩大算力消费。 电价对超大规模云服务商本身仍不是主要约束。高盛认为其强劲资产负债表使其能够接受更高电力成本，并签署照付不议合同。美国全天候低碳可靠供电相对天然气联合循环存在“绿色可靠性溢价”，但与超大规模云服务商的EBITDA和企业回报相比仍较温和，不足以阻止天然气、可再生能源、储能和核电并用。美国低天然气价格使联合循环发电更具优势，而欧洲、日本、韩国及依赖进口LNG的地区缺少同等条件；若天然气联合循环项目资本成本高于基准假设，该溢价将相应收窄。供电组合的时间路径预计是短期更多依靠可再生能源、储能和简单循环天然气，中期增加天然气联合循环，长期引入核电。 政策与社区许可可能比电价更直接地拖慢建设。得州占美国到2030年预期新增数据中心容量的13%，其州长在8月3日发布行政命令，要求部分项目接受审计和数据披露后才能取得并网批准；弗吉尼亚占预期新增容量的17%，当地出现跨党派暂停建设的呼声，以确认电力供应和电网连接能力。社区关注包括电力与供水可靠性、消费者电费、噪声、耗水和局部升温。解决路径包括允许数据中心在电网紧张时中断负荷、增配备用电源或备用数据中心、使用照付不议合同降低成本外溢、部署闭环液冷、设置隔音设施和场地缓冲区，以及在经济可行时利用废热。但报告强调，技术解决方案未必能完全消除社区对AI社会效益、项目透明度及邻避效应的担忧。 设备、人员和电网接入共同限制执行速度，并推动表后供电。GE Vernova表示，到2026年底预计其2031年产能已有超过50%被合同锁定。高盛预计美国总用电需求到2030年的复合增速为3.5%，其中0.8个百分点来自表后供电；受上市时间要求和电网接入周期影响，以天然气为主的表后方案预计贡献约30%的数据中心增长。即使项目最终并网，部分表后设施仍可能作为备用电源保留。为满足美国整体电力需求增长，报告预计需要超过50万个新增岗位，若加上欧洲则超过70万个；美国需求中超过20万个岗位与输配电连接有关，而即使所有能源相关学徒都投向输配电，基准情景下到2030年仍有7.8万人的劳动力缺口，电工短缺尤其突出。 物理环境会削弱部分能效改善。高盛估计，全球和美国分别有56%和55%的新建数据中心位于高温、高湿或干旱风险较高的地区。预计43%的新建容量采用机房内部的直接芯片液冷或浸没式冷却，56%采用冷水机、绝热系统或机械备用冷却向外排热。美国更重视减少用水，即使这会增加耗电；中国则通过最低能效要求约束PUE，可能带来更高用水。报告在用电基准预测中因此将环境因素计入，等效于全球PUE提高5个百分点、美国提高11个百分点，部分抵消服务器和冷却技术的效率改善。 在可持续性方面，报告主张以净影响评估AI：用AI促进可持续发展目标所创造的潜在社会价值，减去排放、资源足迹、劳动力及其他风险所造成的社会成本。投资者还需关注AI开发、风险管理与合规、治理和实施机制。尽管AI的最终社会净价值仍需持续衡量，高盛维持对可靠性主题及数据中心电力生态的积极投资展望，认为AI用电增长与为防范电力、供水、供应链、网络和运营中断而建设的全球冗余能力，将共同支撑发电设备、输电公用事业、电气元件和冷却解决方案需求。

分析框架

高盛先以“7P”框架识别需求增长与执行约束，再结合AI服务器出货、数据中心容量、区域电力预测和超大规模云服务商资本开支，上调长期用电预测。随后通过服务器技术迭代的三种预算与需求情景，判断效率提升会降低还是扩大总能耗；再以页岩创新周期为参照，判断AI由投入探索转向执行效率的阶段。供电侧采用不同技术的平准化成本、天然气价格敏感性和绿色可靠性溢价进行比较，并结合政策、社区、设备、劳动力、冷却和地理环境分析项目落地。最后用潜在社会价值减去社会成本的净影响思路评估AI可持续性。

方法论与常识提炼

• 行业/产业分析框架

  数据中心电力需求“7P”框架

  报告从普及度、生产率、价格、政策、零部件、人员和物理环境七个维度同时评估用电增长动力与建设约束。

• 行业/产业分析框架供需框架

  预算受限、需求受限与无约束情景分析

  报告改变服务器购买数量和预算反应，比较技术进步对算力、支出和最大功率的不同影响，用于判断单位效率提高是否会转化为总用电下降。

• 周期与景气框架

  AI与页岩创新周期类比

  报告借鉴页岩创新周期的阶段性指标，判断AI是否正从重投入的评估阶段转向强调预算纪律和资本效率的执行阶段。

• 行业/产业分析框架

  平准化能源成本与绿色可靠性溢价比较

  报告比较天然气联合循环、核电、可再生能源、储能和调峰燃气等供电组合的成本，并测试天然气价格与资本成本变化对全天候低碳可靠供电溢价的影响。

• 行业/产业分析框架产业链上中下游传导

  数据中心负荷向电力生态传导

  报告将数据中心新增负荷依次映射到发电容量、输配电连接、表后供电、电气元件、冷却设备和熟练劳动力需求。

• （词表外方法）

  AI可持续性净社会影响评估

  报告以AI推动可持续发展目标的潜在社会价值减去排放、资源足迹、劳动力和治理风险对应的社会成本，作为评估AI可持续影响的基本思路。

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）。

• AI/数据中心电力生态与可靠性主题

  AI用电增长及电力、供水、供应链、网络和运营冗余建设是主题需求的核心驱动。

  优势

  长期数据中心用电预测上调，且超大规模云服务商仍具备较强资本开支和电力成本承受能力。

  劣势

  项目建设高度依赖审批、电网连接、设备交付和熟练劳动力。

  对比

  报告认为绿色可靠供电溢价相对超大规模云服务商的EBITDA和企业回报较温和。

  风险

  AI回报不达预期、预算转向效率、社区反对及基础设施瓶颈可能放慢增长。

• 发电设备与电源解决方案

  新增数据中心负荷需要天然气、可再生能源、储能和核电等多种新增供电能力。

  优势

  报告预计至2030年需增加约139 GW容量，设备长交期也提高了已签约产能的可见度。

  劣势

  燃气轮机等设备供应周期长，资本成本上升可能改变技术组合的相对经济性。

  对比

  美国低天然气价格使联合循环发电较欧洲、日本、韩国及LNG进口地区更具成本优势。

  风险

  许可、设备交付和社区对排放及可靠性的担忧可能延迟项目。

• 输电相关公用事业与电网基础设施

  数据中心负荷增长需要新增输配电连接、老旧基础设施更新和更高电网韧性。

  优势

  美国总用电需求预计至2030年以3.5%的复合速度增长，且超过20万个新增岗位需求与输配电连接有关。

  劣势

  并网周期较长，电工等熟练劳动力存在显著缺口。

  对比

  电网仍是超大规模云服务商的优选，但表后供电因上市时间更快而承担约30%的数据中心增长。

  风险

  消费者账单上涨、成本分摊争议和社区可靠性担忧可能影响许可与投资节奏。

• 冷却解决方案与电气元件

  更高功率密度、节水要求、备用供电和恶劣环境推动液冷、冷水机、隔音、电气连接及备用系统需求。

  优势

  预计43%的新建容量使用直接芯片液冷或浸没式冷却，56%需要外部散热冷却方案。

  劣势

  节水与节电之间存在权衡，部分冷却方案会提高PUE和总用电量。

  对比

  美国优先减少用水，即使耗电上升；中国的最低PUE要求可能导致更高用水。

  风险

  技术选择受当地温度、湿度、干旱、噪声规范和社区接受度限制。

关键数据

• 全球数据中心用电增长2030年较2025年增长170%此前预测为117%
• 相对2023年的累计新增用电1,100 TWh到2030年的新增量超过日本2023年全年用电量
• 美国新增需求贡献超过60%占全球数据中心用电增长的比重
• 可再生能源与核电PPA签约量同比增长17%2025年
• 超大规模云服务商资本开支与研发支出超过1万亿美元高盛分析师对2026E的合计预测
• Alphabet资本开支调整上调150亿美元2026年资本开支区间
• Amazon资本开支调整上调200亿美元2026年资本开支目标
• 服务器预算受限情景算力+100%，最大功率+20%，预算不变新一代服务器算力10倍、功率6倍、价格5倍时，购买量由10台降至2台
• 服务器需求受限情景算力不变，预算-50%，最大功率-40%购买量由10台降至1台
• 服务器无约束情景预算+400%，算力+900%，最大功率+500%仍购买10台新一代服务器
• 消费者电费预测美国每年+3%至+6%；欧洲每年+2%至+4%美国预测期至2029年，欧洲至2030年
• 数据中心负荷所需新增发电容量约139 GW截至2030年
• 美国总用电需求增速3.5% CAGR截至2030年，其中0.8个百分点来自表后供电
• 表后供电贡献约30%预计占美国至2030年数据中心增长的比例
• 新增就业需求美国超过50万；连同欧洲超过70万满足整体电力需求增长，其中美国超过20万与输配电连接有关
• 输配电劳动力缺口7.8万人即使全部能源相关学徒转向输配电，2030年基准情景下仍存在的缺口
• 面临较高物理环境风险的新建数据中心全球56%；美国55%高温、高湿或干旱风险
• 新建容量冷却方式机房内部液冷或浸没式冷却43%；外部散热冷却56%外部散热包括冷水机、绝热系统或机械备用冷却
• 环境因素对PUE的影响全球+5个百分点；美国+11个百分点基准用电预测中用于调低年度效率改善幅度
• 燃气轮机产能锁定超过50%GE Vernova预计到2026年底，其2031年产能已有超过一半签约

影响与含义

报告认为，AI用电增长并非单纯由服务器数量决定，而是资本开支、单位算力效率、需求弹性和基础设施可执行性共同作用的结果。即使技术持续降低单位算力能耗，积压需求、表后供电、备用容量和节水型冷却仍可能推高总电力与基础设施需求；与此同时，社区许可和资源约束可能改变建设地点、进度及供电结构。因此，AI需求与全球冗余建设将继续支持可靠性产业链，但实际兑现节奏取决于项目审批、电网接入、设备交付和劳动力供给。

风险

• 美国社区对电力和供水可靠性、电费、噪声、耗水及局部升温的反对可能延迟或缩减数据中心项目。
• 若AI周期进入执行与效率阶段，生产率提升可能促使客户下调预算，从而削弱服务器和电力需求增长。
• 超大规模云服务商公司层面回报下降及2027年再投资率超过100%可能引发对资本开支持续性的质疑。
• 发电设备、电网连接和熟练劳动力不足可能限制项目执行，其中输配电劳动力基准缺口为7.8万人。
• 高温、高湿和干旱会限制冷却技术选择，并可能通过提高PUE抵消部分能效改善。
• 更高电价、天然气发电资本成本和消费者账单可能加剧成本分摊与社区许可争议。
• 排放、资源足迹、劳动力和治理风险可能削弱AI对可持续发展目标的净贡献。

后续跟踪

• 跟踪超大规模云服务商2027年资本开支、再投资率及AI相关企业回报能否支撑持续投入。
• 观察token和算力需求何时被充分定义，以及客户是否从扩大消费转向削减预算。
• 关注得州审计与披露要求、弗吉尼亚暂停建设呼声及其他社区许可变化。
• 跟踪天然气价格、联合循环项目资本成本和绿色可靠性溢价的变化。
• 关注燃气轮机等设备签约进度、电网接入周期及表后供电在数据中心增量中的占比。
• 观察电工与输配电劳动力缺口是否影响美国电力基础设施建设。
• 跟踪液冷、节水冷却和废热利用的采用率，以及环境条件对PUE和总用电量的影响。
• 关注投资者对AI开发、风险管理、合规、治理和净社会价值衡量的参与重点。