返回投资研究台 2026-07-23
Market Context

报告对应赛道与标的

08

AI算力电力基础设施交付压力测试 - 2026-07-23

权威工作日期:2026-07-23 (Asia/Singapore) 分析师:AI基础设施分析师 (AI Infrastructure Analyst) 研究立场:压力验证 (stress-test) 看板编号:既有研究记录 (研究线程标识: [source-id-redacted]) 关联课题:全球变压器与配电自动化瓶颈是否通过拉长数据中心建设周期制约算力扩张

核心摘要

截至 2026-07-23,我支持 th_T01,但需要把机制说窄:真正约束不是抽象的“电力”,而是变电站、大型电力变压器、中压开关柜、保护控制系统、公用电网接入审查和调试团队能否按期交付 [S1][S2][S4][S5]。最强证据是,IEA测算2024年全球数据中心用电量约415 TWh,预计2030年升至约945 TWh;IEA还估计如果电网瓶颈不能解决,约20%的规划中数据中心项目存在延期风险 [S1]。JLL 2026年展望预计2025年至2030年全球将新增约97 GW数据中心容量,并指出主要市场平均并网等待时间超过四年 [S2]。这意味着普通土建周期可能已经不是决定性工期,电力链条才是关键路径。

我的压力测试结论是:会制约,但高度分化。在Northern Virginia、Chicago、London、Frankfurt、Singapore、Tokyo等供电紧张核心市场,变压器交期和并网队列可能使通电节点较最快土建节奏延后18-36个月 [S2][S3][S4][S5][自测算]。在中国西部或其他规划型算电走廊,瓶颈不主要是年度电量总额,而是电能质量、园区电网接口、源网荷储控制和绿电合规。国家能源局称,2025年全国算力中心总用电量1700亿千瓦时,占全社会用电量1.6%;预计“十五五”时期全国算力用电量年均新增1000亿千瓦时以上,到2030年达到约8000亿千瓦时,占全社会用电量约6% [S6]。对既有研究记录的含义是,继续重配柔性配网自动化和具备变压器交付能力的电气设备,但对纯数据中心和液冷资本开支要加入“电力交付是否已锁定”的折价规则。

证据链

压力点 证据 投资含义
需求规模真实 IEA称2024年数据中心用电量约415 TWh,占全球用电量约1.5%;基准情景到2030年约945 TWh [S1]。 新增负荷足以与新能源并网、公用事业升级、工业电气化和替换投资争夺同一批电气设备。
数据中心扩张快于电网交付 JLL预计2025年至2030年数据中心容量增加97 GW,2030年全球容量约200 GW [S2]。 97 GW建设需要园区级变电站与中高压变换能力,不只是更多GPU。
电网接入已进入关键工期 JLL称主要数据中心市场平均并网等待时间超过四年 [S2];Deloitte称美国部分并网请求已出现七年等待时间 [S13]。 选址逻辑从土地和光纤优先,转向电力位置优先。
变压器是最硬的硬件瓶颈 美国能源部2024年7月LPT报告称大型电力变压器高度定制、运输困难且依赖进口,并提到常见制造交期约36个月、最长接近60个月 [S4]。 变压器采购必须前置到选址或设计早期;若采购滞后,通电会晚于土建完工。
2026年市场数据确认短缺 pv magazine USA在2026-05-11报道称,高容量变压器交期可达四年,Wood Mackenzie数据显示2019年至2025年发电机升压变压器需求增长274%、变电站变压器需求增长116% [S5]。 这验证 th_T01th_p_7da6c300:送电时间是可销售算力的硬上限。
AI机柜密度提高内部配电复杂度 NVIDIA DGX GB200 NVL72单柜含72块GPU,功耗约120 kW [S8]。NVIDIA还称Blackwell时代机柜功率密度提高3.4倍,功率可在毫秒级从约30%空闲状态跳至100%利用率 [S10]。 配电自动化、电力遥测、UPS/BESS控制、谐波治理和调试已经成为算力基础设施的一部分,而非普通机电配套。

项目延期测算

对于100 MW IT负荷、PUE为1.2的AI集群,设施峰值负荷约120 MW,年用电量约1.051 TWh [自测算:100 MW x 1.2 x 8,760小时 / 1,000]。按NVIDIA GB200 NVL72单柜约120 kW测算,100 MW IT负荷约对应833个机柜和约60,000块GPU [S8][自测算:100,000 kW / 120 kW每柜;833柜 x 72块GPU]。一篇2026-05-23提交的arXiv论文描述了一个承载83,000块GB200 GPU的150 MW数据中心,并称此类AI数据中心的电力供应瓶颈已经超过加速器可得性 [S9]。

现实工期问题在于,100-150 MW集群的设计、租赁或发布速度可能快于通电速度。如果土建和机电壳体需要12-24个月,而主要数据中心市场并网平均等待时间超过四年、大型变压器常见交期约36个月且最长接近60个月,那么电力链条可能在普通建设完工后额外造成约18-36个月延误 [S2][S4][S13][自测算]。开发商在取得场地后才下单变压器时,延误最大;若提前锁定变压器产能、并网权和阶段性自备电源,延误会收窄 [S5][S13]。

变压器与配电自动化的差异

变压器是更严峻的全球物理瓶颈。它们体积大、定制化程度高、受工厂档期约束、依赖取向硅钢和铜,美国市场还高度依赖进口 [S4][S5]。美国能源部称,美国大型电力变压器需求2019年约750台,预计2027年达到约900台,而进口占比超过80% [S4]。这不像短期排队,更像多年制造和材料约束。

配电自动化是另一类瓶颈。它较少形成全球同质硬件短缺,因为NVIDIA 800 VDC生态伙伴中包括ABB、Eaton、GE Vernova、Hitachi Energy、Schneider Electric、Siemens和Vertiv等供应商 [S10]。但它仍会通过工程集成拖慢项目:保护定值、计量、电能质量监测、微电网调度、具备网络安全的SCADA/EMS以及并网调试都必须匹配具体电网接口 [S10][S12]。Eaton 2026年一季报显示这一层需求也很紧:Electrical Americas过去12个月滚动订单有机增长42%,Electrical Americas backlog同比增长44%,Electrical Global backlog同比增长73%,电气业务过去12个月滚动book-to-bill为1.2 [S11]。换言之,配电自动化不像500 MVA变压器那样是单点硬上限,但它是安全通电的闸门。

中国对照

中国更有机会把瓶颈转化为规划型基础设施资本开支,而不是随机项目延期。国家能源局称,2025年我国已建成42个万卡级智算集群,全国算力中心总用电量达1700亿千瓦时,占全社会用电量1.6% [S6]。国家能源局还预计“十五五”时期全国算力用电量年均新增1000亿千瓦时以上,到2030年预计达8000亿千瓦时,占全社会用电量约6% [S6]。同一发布还称,全国一体化算力网络8大枢纽节点算力用电成为增量主力,近3年平均增长率约39.5% [S6]。

政策端也更具约束性。中国2024年《数据中心绿色低碳发展专项行动计划》要求,到2025年底新建及改扩建大型和超大型数据中心PUE降至1.25以内,国家枢纽节点数据中心项目PUE不得高于1.2 [S7]。国家能源局《配电网高质量发展行动实施方案(2024-2027年)》要求推进配电网升级改造、建设满足新型主体接入的项目、探索分布式智能电网,以提高配电网对分布式新能源的接纳、配置和调控能力 [S12]。这直接支持既有研究记录中的A股柔性配网自动化主线。

但中国优势也不是无限的。国家能源局表示,AI负荷对电压稳定性和频率偏差等指标要求极高,微小电能质量偏差都可能导致数据传输错误或设备故障风险 [S6]。因此,即便西部枢纽年度绿电充足,只要缺少变电冗余、电能质量控制、谐波治理、BESS协调或调度权,瓶颈仍会以调试延期而不是燃料短缺的形式出现 [S6][S10][S12]。

投资判断

本次压力测试支持此前组合方向,但改变风险表述。最强多头敞口仍是具备变压器交付能力的电气设备、柔性配网自动化、保护控制、电能质量设备和面向电网的EMS [S4][S5][S10][S11][S12]。无论Hyperscalers采用公用电网接入、自备电源、过渡性燃气机组,还是算电走廊,这些资产都受益 [S2][S5][S13]。

液冷仍是高密度AI机柜的结构必需品,但单独液冷并不充分。NVIDIA自己的电力架构讨论称,电力基础设施正在成为决定新增部署规模、位置和可行性的主要因素 [S10]。因此,既有研究记录中拥挤度较高的液冷敞口应与电力交付确认绑定:变压器采购订单、并网队列位置、变电站EPC合同、电能质量设计、BESS/UPS集成节点 [S5][S10][S11]。

对数据中心运营商,估值规则应更简单:已签约可送电MW高于已宣布MW。若宣布容量没有变压器档期和并网权支撑,应给予折价,因为可观察瓶颈可能在建筑物完工后继续推迟收入确认 [S2][S3][S4][S5][S13]。

交接

推荐接棒分析师qa-manager 角色标签与触发条件qa-manager [reviewer, trigger d] - 当前为既有研究记录,整条研究已经形成跨中国宏观、A股策略、公用事业可行性、全球宏观外溢和AI基础设施交付风险的多步结论 [S1][S2][S6][S11]。最后一张卡应进行发布前QA,重点检查日期锚定、引用可追溯性、数字一致性,以及最终综合是否把变压器瓶颈过度表述为全球通用算力硬上限,而不是分区域的送电时间约束。

资料来源 / Sources

  • [S0] Institute OKF export API,变压器 / 数据中心 / 电力概念文档(2026-07-23尝试访问;HTTP 401,未摄取OKF事实)— 数据源入口 ; 数据源入口 ; 数据源入口
  • [S1] International Energy Agency, Energy and AI: Executive Summary — https://www.iea.org/reports/energy-and-ai/executive-summary
  • [S2] JLL Research, 2026 Global Data Center Market Outlook — https://www.jll.com/en-us/insights/market-outlook/data-center-outlook
  • [S3] CBRE Research, Global Data Center Trends 2026 — https://www.cbre.com/insights/reports/global-data-center-trends-2026
  • [S4] U.S. Department of Energy, Large Power Transformer Resilience Report to Congress, July 2024 — https://www.energy.gov/sites/default/files/2024-10/EXEC-2022-001242%20-%20Large%20Power%20Transformer%20Resilience%20Report%20signed%20by%20Secretary%20Granholm%20on%207-10-24.pdf
  • [S5] pv magazine USA, U.S. transformer market faces severe supply constraints as lead times extend to four years — https://pv-magazine-usa.com/2026/05/11/u-s-transformer-market-faces-severe-supply-constraints-as-lead-times-extend-to-four-years/
  • [S6] 国家能源局,《去年全国算力中心总用电量1700亿千瓦时》— https://www.nea.gov.cn/20260529/18c09743776c4dddb55288ceea38b8b1/c.html
  • [S7] 国家发展改革委,《关于印发〈数据中心绿色低碳发展专项行动计划〉的通知》— https://www.ndrc.gov.cn/xwdt/tzgg/202407/t20240723_1391895_ext.html
  • [S8] NVIDIA, DGX GB Rack Scale Systems User Guide: Hardware — https://docs.nvidia.com/dgx/dgxgb200-user-guide/hardware.html
  • [S9] Ardestani et al., Provisioning to Runtime Optimization of a 100 MW-Scale AI Cluster — https://arxiv.org/abs/2605.24461
  • [S10] NVIDIA Technical Blog, Building the 800 VDC Ecosystem for Efficient, Scalable AI Factories — https://developer.nvidia.com/blog/building-the-800-vdc-ecosystem-for-efficient-scalable-ai-factories/
  • [S11] Eaton, Eaton Reports Record First Quarter 2026 Results — https://www.eaton.com/us/en-us/company/news-insights/news-releases/2026/eaton-reports-record-first-quarter-2026-results.html
  • [S12] 国家能源局(深圳市绿色金融协会转载),《配电网高质量发展行动实施方案(2024-2027年)》政策摘要与原通知 — https://www.szgfa.com/down_view.aspx?id=385&nid=14&typeid=13
  • [S13] Deloitte Insights, Can US infrastructure keep up with the AI economy? — https://www.deloitte.com/us/en/insights/industry/power-and-utilities/data-center-infrastructure-artificial-intelligence.html

元数据页脚:本报告由AI基础设施分析师于2026-07-23 (Asia/Singapore)完成。