TMT压力测试：电力瓶颈与AI基础设施CAPEX转化曲线

日期： 2026-05-15 分析师： TMT行业分析师 立场： 压力测试 主题： 电力瓶颈对AI服务器、IDC扩张与算力租赁增长预期的影响

核心判断

截至2026-05-15，AI基础设施的长期需求天花板不应被简单下修，但其交付节奏、利用率爬坡和资本回报率需要下修。上一张政策研究：的方向成立：电网调度权、过网费、跨省电力交易等制度性障碍，使“算电协同”难以被全国性、线性地货币化。映射到TMT产业链，结论不是“芯片长期少卖”，而是CAPEX转化为可通电、可上架、可计费算力的过程变慢且更分化。估值应采用“电力约束下的扩张曲线”：已锁定并网、PPA、液冷交付和锚定客户的云厂商与IDC运营商应享受溢价；投机性服务器采购、普通IDC壳资源和弱合同约束的算力租赁平台，应下修长期增速和ROIC假设。

1. 需求仍然真实，但约束从“芯片”转向“已通电容量”

IEA在2025年《Energy and AI》报告中估算，2024年全球数据中心用电量约415 TWh，约占全球用电量1.5%；到2030年，该需求预计将翻倍以上至约945 TWh。¹ 这支持AI基础设施的结构性需求逻辑。但同一份报告也提示，如果电网风险得不到处理，约20%的规划数据中心项目可能面临延期；发达经济体新建输电线路通常需要4-8年，变压器、电缆等关键电网组件的等待时间在过去三年已翻倍。¹

这一区分对TMT估值非常关键。服务器需求没有消失，但交付、安装、验收和收入确认正被电力条件约束。一台GPU如果进入的是缺少并网、变压器容量、制冷准备或确定电价的机房，本质上更像库存型CAPEX，而不是生产性算力。因此，压力测试的核心不是“AI CAPEX崩塌”，而是“已投入CAPEX中有多少能在6-18个月内转化为已通电、被使用、可计费的算力”。

2. 超大规模云厂商CAPEX信号不支持全面下修TAM

最大的云平台仍在提高资本开支，且披露显示需求仍高于可用供给。

这些证据否定了最悲观的解释：能源获取难度尚未迫使超大规模云厂商取消AI基础设施周期。它真正迫使企业做的是内部化电力风险、支付更高组件和站点成本、使用融资租赁，并接受更长的现金转化周期。

3. IDC与算力租赁运营商面临最明显的下修风险

最脆弱的环节不是最强云厂商，而是那些被市场按“服务器CAPEX自动等于收入”定价的轻资产叙事。

AI服务器： 短期订单仍有支撑，因为云客户是容量受限，不是需求受限。但对于依赖未锁定电力站点交付的服务器厂商和集成商，应对收入确认节奏打折。在电力紧张区域，假设6-18个月滑坡比线性出货模型更现实。

IDC运营商： 已通电机柜的稀缺性反而利好有电力资源的运营商。CBRE披露，2025年北美主要数据中心市场空置率降至历史低位1.4%，即便总容量增加36%至9,432 MW；净吸纳量同比增长38%至2,497.6 MW。但CBRE同时指出，由于许可、分区审批及获取足够电力拉长周期，在建容量从2024年底的6,350.1 MW降至2025年底的5,994.4 MW。² 这是一种典型分化：已有电力的存量容量获得更强定价，而缺少并网的在建资产承受久期与成本膨胀。

算力租赁： 除非拥有长期锚定合同、可见利用率和电力保障集群，否则该环节应给予最大估值折价。算力租赁本质是利差业务：运营商先支付GPU、机柜、电力、制冷、融资和运维成本，再出租token或GPU-hour。电力不确定性抬高固定成本风险，降低可用时长能见度；利用率不达预期时，昂贵GPU会变成搁浅资产。对A股及中国相关公司而言，筛选指标不应再是“公告P数”，而应是已通电利用率、签约客户、电价确定性、PUE和续约条款。

4. 中国映射：政策支持绿色算力，但筛选标准更严

中国政策并未否定算电协同，而是收窄了可投资标的范围。国家数据局提出，力争2025年国家枢纽节点新建数据中心绿电占比达到80%，并强调“监测全量、优化存量、拓展增量”。⁷ 工信部也披露，2025年度60家绿色算力设施入选名单，全国累计建成国家绿色算力设施306家；2025年度入选设施PUE平均降至1.25，可再生能源利用率平均超过70%。⁸

对TMT而言，这些并不是普惠补贴，而是准入测试。一个拥有西部可再生能源但时延较差、位于东部但缺少新增电力指标，或只有IDC壳资源且上架率不足的项目，不应与具备枢纽节点、供电支持、低PUE和签约需求的设施享受同一估值。政策方向因此是支持优质龙头，同时压缩投机性产能的估值尾部。

5. 估值框架：下修S曲线，而不是下修终局市场

模型上应加入三层折扣

基准情形下，AI算力长期需求仍成立，但2026-2028年二线IDC与算力租赁公司的收入和利润率预测需要在电力权利不明确处下修。对服务器硬件而言，风险更多体现在出货节奏和产品结构，而不是终端需求消失。对IDC而言，电力保障资产反而能受益于稀缺。对算力租赁而言，下修应最严，因为该模式同时承担硬件折旧和利用率风险。

6. 投资结论

我支持上一张政策研究：的警示，但将其转化为TMT结论：能源获取难度要求选择性下修，而不是全面下修AI基础设施。市场不应再把“公告容量”按“运营容量”资本化。更合理的可投资代理变量应切换为“已通电MW x 利用率 x 签约价格 x 电力成本确定性”。

“算电协同”溢价只有在四个条件可见时才成立：获批并网或专线供电、可信的绿电或电力成本路径、高密度液冷交付能力，以及有支付能力的客户签约需求。缺少这些条件时，IDC和算力租赁平台的长期增长假设应下修；对绑定超大规模云厂商的服务器链和电力保障IDC龙头，增长空间仍在，但现金转化曲线比早期叙事更长、更重资本。

建议下一步交接

建议下一位分析师： chief-strategist 建议立场： 综合 跟进主题： 电力约束下的AI基础设施周期与A股行业配置 跟进问题： 在采用“电力约束CAPEX转化”框架后，组合应如何在电力保障IDC龙头、电气设备供应商、AI服务器厂商和投机性算力租赁标的之间重新配置？

资料来源

页脚： 本报告定稿于2026-05-15。实时磁盘检查显示当前目录列表中缺少研究档案、研究档案和research note文件，因此相关内容依据用户提供的会话快照重建；research note、research note、research note、research note文件已从磁盘读取。