2026-06-23 — 以密度代替节流：能效如何在云厂商CAPEX中重塑“电力 vs 芯片”的比例

报告日期： 2026-06-23 分析师： chief-strategist | 首席策略师（A股策略、风格轮动、行业配置） 研究立场： 支持（综合收口，） 研究： [source-id-redacted]

工作区说明： 本报告未直接重读 研究档案（使用了实时快照）；research note 的报告文件在磁盘上存在并已完整读取。下文引用的前序研究事实均以会话快照与 research note 的磁盘报告为依据。

1. 把问题磨锋利

研究记录09（AI基础设施分析师，压力测试）的结论是：CPO/OCS、Prefill-Decode 解耦与稀疏 MoE 提升了每 MW 的 Token 产出，可为固定电网上限争取约 0.6–1.5 年的缓冲，但不能压低超大规模厂商的绝对 CAPEX——省下的瓦数会被重新投入更多加速器、更高密度机架、更大园区。本收口卡支持这一判断，并回答交接问题：若能效以“提密度”而非“砍预算”的方式出现，电力基础设施与 AI 硬件在云厂商 CAPEX 预算中的比例关系将如何被重塑？

核心判断： 以密度驱动的能效改善是教科书式的 杰文斯反弹（Jevons rebound） [S8]。它不缩减预算，而是把结构向电力链轮动。2026–2028 年，云厂商 CAPEX 的边际美元越来越多地用于购买电网接入、变电站、变压器、开关柜与液冷——而非增量芯片——因为约束已从“芯片”迁移到“兆瓦”。这是对研究记录03–06“电力/电网 > 光模块 > 算力”哑铃配置最强的确认。

2. 预算没有缩水——而是在爆炸

问题里“能效=降本”的前提在总量层面并不成立。美股四大超大规模厂商（Google、Amazon、Microsoft、Meta）指引 2026 年 CAPEX 约 7250 亿美元，较 2025 年约 4100 亿美元增长约 77% [S1]。公司层面指引：Amazon 约 2000 亿、Microsoft 约 1900 亿、Alphabet 1750–1850 亿、Meta 1150–1350 亿美元 [S1]。Goldman 测算 FY2025–FY2030 四家合计 CAPEX 约 5.3 万亿美元 [S1]。2026 年总量中约 75% 与 AI 相关（某来源将 AI 部分锚定在约 4500 亿美元附近）[S1]。

在此背景下，能效不是“削预算的工具”。Deloitte 2026 年观点明确：AI 的下一阶段“需要更多算力，而非更少”，推理在 2026 年约占算力的三分之二 [S8]。Goldman 预计到 2030 年全球数据中心电力需求较 2023 年 +165% [S8]。这正是反弹机制：单位 Token 的能耗成本下降，于是系统买入数量级更大的 Token。能效降低单位成本，从而抬高需求量——这正是杰文斯悖论 [S8]。

3. 结构：边际美元流向何处

当前数据中心 CAPEX 大致拆分为 约 60% IT/芯片（其中 GPU 约占总额 39%）与约 40% 厂务/电力/制冷/网络/土地；2024 年约 78% 投向 IT 设备、服务器约占 61%，而仅电气系统就可占物理建造成本的约 50%、机械与制冷再占 15–20% [S2]。问题在于：当能效以密度形式出现（如 NVIDIA GB200 NVL72 约 120 kW/机架 [S3，引自 research note]）而非以“克制”形式出现时，这一比例会怎样。

作为盯住“约束栈”的策略师，我的回答是

驱动力	对芯片 CAPEX 占比	对电力链 CAPEX 占比
机架密度上升（kW/机架↑）	单位 IT-MW 中性偏下（每瓦算力更高）	上升——配电、母线、液冷、CDU、变电站 kVA 随密度而非芯片数量放大 [S2, S3]
杰文斯反弹（买入更多 Token）	绝对值上升，占比持平偏下	上升——每一个新增 MW 都要先配齐电网硬件 [S8]
电网/变压器稀缺	边际下降（无电则芯片闲置）	大幅上升——稀缺资产攫取定价权 [S5, S6]
架构能效（MoE/解耦）	每 Token 下降	上升——KV 缓存网络、异构资源池、更密集制冷 [research note S8–S11]

净效果： 芯片绝对支出仍在上升，但电力与制冷在边际 CAPEX 中的占比向上轮动。我估计厂务/电力/制冷桶将从当前约占建造 CAPEX 的 40%，在 2026–2028 年向边际建造美元的约 45–50% 迁移 [自测算：输入——当前厂务约 40% [S2]、机架密度升至 120kW+ [S3]、电网交期溢价 [S5]]。决定能否上线的不再是芯片，而是并网协议与变压器订单。

4. 为何是电力承接这轮轮动：稀缺性已迁移

约束是物理而非财务的，证据最为清晰

变压器交期 4–5 年，疫情前仅 7–14 个月；特种大型机组逼近 36–48 个月 [S5]。
并网排队平均约 5 年；2000–2019 年提交并网申请的容量，到 2024 年底仅约 13% 投入商业运营 [S5]。
约一半 2026 年美国数据中心管线面临延期/取消 风险，原因是缺电力设备——2026 年宣布的约 12 GW 中，仅约 5 GW 在实际建设 [S5]。
Gartner：到 2027 年 40% 的现有 AI 数据中心将因电力可用性而运营受限 [research note S2]。

当芯片可在数月内交付、而驱动它的兆瓦需约 5 年时，兆瓦才是稀缺资产——稀缺资产赚取经济租金。密度让情况更糟而非更好： 把 120 kW 塞进一个机架会把热与配电问题高度集中，于是每新增一个 IT-MW，都拖出更长的变电站、开关柜、UPS、母线与液冷 CAPEX 尾巴 [S2, S3]。因此“能效即密度”反而抬高了电力链对预算的索取权。

5. 策略映射（A股风格与行业）

本收口卡闭合了从研究记录01（鹰派暂停/油价宏观）到研究记录09（电网上限压力测试）的整条主线。在 4–8 周战术窗口内，哑铃配置依旧成立并进一步收紧

最确定——电力与电网硬件（超配）： 变压器/取向电工钢、开关柜、电源模块、变电站 EPC、液冷（CDU/冷板），以及把它们串起来的铜。这是边际 CAPEX 美元轮动的去处，也是定价权所在（研究记录04–06 已确认，本报告量化了这轮轮动）。与研究记录02–03“质量+现金流”防御倾向相匹配——这些是真订单、真毛利的标的，而非概念股。
高 beta 但真实——光（CPO/硅光/高端光模块）： 对绑定已认证云厂商方案的供应商最强；这是能效 CAPEX，而非电力 CAPEX 的替代品 [research note S4–S7]。
仍增长但占比见顶——AI 算力/GPU/ASIC： 绝对支出随 7250 亿美元预算上升，但电网延期限制了部署节奏，其在预算中的占比在边际上压缩。研究记录03 的“硬科技只买盈利”依然适用——买盈利，不买主题。
不要过度外推： “能效会砍数据中心 CAPEX”是错误的交易。正确的交易是“能效把 CAPEX 轮动进电力链”。因一条能效新闻而看空电网/电力受益方，正是本报告要标记的陷阱。

宏观叠加（与研究记录01–02 一致）： 鹰派暂停的 Fed（3.50–3.75%）与油价/通胀尾部 [research note] 维持高贴现率，奖励现金流可见、稀缺资产型的暴露，而非长久期概念成长——这恰好就是本报告所背书的“电力链优于纯算力”倾向。AI-电力资本开支故事，恰好也是一个抗通胀的实物资产故事。

6. 可能证伪本观点的因素

真正的能效台阶式跃迁且需求无弹性（>2 倍模型能效跃升叠加需求刚性）会让预算缩水。研究记录09 的反弹假设（有效 Token 年增 60%）使这在近期不太可能 [research note 自测算]，Deloitte/Goldman 的需求曲线也不支持 [S8]。
融资/信用冲击 迫使云厂商削减绝对预算——即研究记录01–02 标记的宏观尾部。那会同时压缩两个桶，但电力（已承诺、已签约、长交期）是黏性更强的一桶。
电网政策加速（并网更快、变压器扩产——约 20 亿美元北美变压器扩产计划于 2028 年前落地 [S5]）会在 2028 年之后而非本窗口内松动瓶颈。

7. 结论

以密度而非节流出现的能效，不会压缩云厂商 CAPEX——而是把结构向电力链轮动。预算在增长（2026 年约 7250 亿美元，+77% [S1]）；反弹买入的是更多 Token，而非更少美元 [S8]；并且由于稀缺、长交期的资产是兆瓦而非芯片 [S5]，电力与制冷在边际建造美元中的占比向约 45–50% 上移 [自测算]。这完全支持研究记录03–06 的哑铃与研究记录09 的压力测试。作为策略师，我会把 电力/电网硬件 > 已认证光模块 > 盈利型算力 的排序作为 4–8 周组合的主线贯穿到底。

资料来源 / Sources

[S1] Tom's Hardware, Google, Microsoft, Meta, and Amazon capex spending to hit $725 billion in 2026, up 77% from last year — https://www.tomshardware.com/tech-industry/big-tech/big-techs-ai-spending-plans-reach-725-billion [S2] Epoch AI / Alpha-matica, Data center cost breakdown — TCO of a one-gigawatt AI data center / Deconstructing the Data Center — https://epoch.ai/data-insights/ai-datacenter-cost-breakdown [S3] NVIDIA, DGX GB200 NVL72 Rack-Scale Systems User Guide（约120 kW/机架，72 GPU） — https://docs.nvidia.com/dgx/dgxgb200-user-guide/hardware.html [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] Build.inc, Data Center Transformer Procurement in 2026: Why Electrical Equipment Is Now a Development Constraint — https://build.inc/insights/data-center-transformer-procurement-2026 [S8] arXiv / Deloitte / Goldman（经检索）, From Efficiency Gains to Rebound Effects: Jevons' Paradox in AI；Deloitte 2026 TMT 预测；Goldman 数据中心电力需求到2030年+165% — https://arxiv.org/html/2501.16548v1 [自测算] 自测算：边际厂务/电力/制冷占比在 2026–2028 年从约 40% 向约 45–50% 轮动（输入：当前厂务约 40% [S2]；机架密度约 120 kW [S3]；变压器/并网交期溢价 [S5]）。交叉引用 research note [自测算] 能效延迟测算与 [S2] Gartner 电力约束数据。