2026-06-05 研究报告：AI 算力需求对电力基础设施与电网负荷的结构性推动
报告日期： 2026-06-05
分析师： TMT行业分析师 (tmt-analyst)
立场： 支持，但需区分配置表达
研究线程标识： [source-id-redacted]
研究记录编号： 5/10
截至研究院工作日 2026-06-05，我支持 research note 将能源仓位从原油 beta 转向电力、电网资产和气转电基础设施。TMT 证据显示，AI 需求是持久的电力负荷冲击，而不是原油需求冲击：IEA 估算全球数据中心用电约为 415 TWh in 2024，到 2030 将达到约 945 TWh [S1]；LBNL 估算美国数据中心 2023 用电约 176 TWh，占美国电力的 4.4%，并在情景区间中看到 2028 达到 325-580 TWh，即美国电力的 6.7%-12.0% [S2]。结论不是 AI 会吞没全球能源系统，因为 IEA 仍然预计数据中心在 2030 前只贡献全球电力需求增长的不到 10% [S1]。更窄、也更可投资的结论是：AI 带来集中、快速爬坡、高负荷率的区域电网需求，因此电力可获得性正在成为技术瓶颈，并触发公用事业资本开支周期。
核心判断
支持能源仓位轮动，但应通过电力瓶颈表达，而不是简单“做多所有能源”。 最强的长期传导链条是
- AI 算力把边际约束从芯片单独约束，推向芯片加电力的联合约束。 NVIDIA GB200 NVL72 是机架级液冷系统，连接 36 Grace CPUs 和 72 Blackwell GPUs [S5]。Vertiv 与 NVIDIA 共研的参考架构支持 GB200 NVL72 平台最高 132 kW per rack [S6]。这已经是机架层面的公用事业级功率密度。
- 单个设施规模已经足以影响电网。 EPRI 指出，新建数据中心常见规模为 100-1,000 MW，大致相当于 80,000-800,000 户家庭的负荷 [S3]。同一报告预计数据中心到 2030 可能占美国年发电量的 4.6%-9.1%，而报告时点约为 4% [S3]。
- 公开数据已经显示商业负荷拐点。 EIA 在 2026-05-12 发布的 STEO 预计美国 2026 用电接近 4,250 BkWh，较 2025 增长 1.3%，2027 再增长 3.1%；EIA 指出包括数据中心在内的商业部门是最大增量来源，商业售电量 2026 增长 2.2%、2027 增长 5.3% [S4]。
增量负荷的量级
| 驱动 | 可追溯事实 | 投资含义 |
|---|---|---|
| 美国数据中心负荷 | LBNL：176 TWh in 2023，325-580 TWh by 2028 [S2] | 到 2028 增量为 149-404 TWh，按 TWh / 8.76 折算为 17-46 GW 平均负荷 [自测算]。这足以改变区域发电、输电、变压器、开关设备和燃机需求。 |
| 全球数据中心负荷 | IEA：415 TWh in 2024 到 945 TWh by 2030 [S1] | 到 2030 增量为 530 TWh，按 530 / 8.76 折算约 60.5 GW 平均负荷 [自测算]。即便不是全球能源的主导来源，它仍是结构性电力市场。 |
| AI 机架密度 | Vertiv/NVIDIA 架构：最高 132 kW per rack [S6] | 一个 1,000-rack AI 集群，在 132 kW/rack、PUE 1.2、85% 利用率假设下，年耗电约 1.18 TWh/year，计算为 132 MW * 1.2 * 85% * 8,760 hours [自测算]。单个园区即可成为可观的公用事业负荷。 |
| 电网建设时间 | EPRI：数据中心可在 1-2 years 开发并接入，而新输电建设需要 4+ years [S3] | 时间错配为变电站、电网设备、受监管输电、并网服务和可靠电力创造定价权。 |
液冷：既是效率工具，也是需求放大器
液冷不应被理解为电力需求的利空。它降低非 IT 开销，但也释放更高 IT 功率密度。Eaton 引用 ASME 研究称，在 75% 液冷案例中，设施功耗下降 27%，全站点功耗下降 15.5% [S7]。这会降低单位算力能耗。但当算力单元从传统机架扩展到 132 kW AI 机架时 [S6]，总电力需求仍会上升，因为 IT 负荷扩张快于冷却开销下降。
因此投资含义是双向的。第一，液冷供应商、CDU、冷板、泵、换热器、漏液检测和高密度配电成为 AI 基础设施受益环节 [S6][S7]。第二，如果建筑本身没有足够电力接入、冷冻水或设施水回路、母线槽、UPS 容量和变压器容量，液冷会让闲置壳资源的价值下降。换句话说，冷却效率提高了需求落地概率；它并没有消除电网投资需求。
先进封装：直接负荷较小，但供给放大作用更大
先进封装带来的直接用电负荷低于数据中心运行负荷，但它是负荷落地的关键使能环节。TrendForce 在 2026-05-14 报道，TSMC 表示 AI accelerator wafer demand 预计 2022 to 2026 增长 11x，而 CoWoS 先进封装产能预计 2022 to 2027 CAGR 超过 80% [S8]。TSMC Annual Report 将 CoWoS、InFO、TSMC-SoIC 和 silicon photonics 描述为用于大规模互连和降低功耗的先进封装与 3D 堆叠技术 [S10]。
这对电力资产重要，并不是因为封装厂本身主导用电需求，而是因为封装决定了 AI 加速器可交付数量。供应链路径是：更多 CoWoS 与 HBM 集成，带来更多 AI 加速器；更多加速器抬升数据中心 IT 负荷；更高 IT 负荷要求可靠电力、电网补强、变压器和冷却系统。正确的组合解读，是持有与已部署算力绑定的基础设施，而不是把半导体制造用电视为主要需求池 [S10]。
为什么这支持从原油 beta 迁移
research note 判断原油仍是地缘政治对冲，但不是 AI 需求的最佳结构性表达。TMT 证据支持这一点。IEA Base Case 显示，2024 to 2030 数据中心电力需求增量中，renewables 满足近 50%，而 natural gas 与 coal 合计满足到 2030 额外需求的 40% 以上 [S9]。在美国，natural gas 目前是数据中心电力供应最大来源，占比超过 40%；IEA 预计美国数据中心相关气电发电到 2030 年度增量超过 130 TWh [S9]。
因此配置层级应为
- 最佳结构性敞口： 受监管输配电、变压器、开关设备、变电站、公用事业级并网、电网软件、备用电源和高密度冷却 [S3][S6][S7]。
- 次优结构性敞口： 气转电资产、燃机、服务电力需求的管道、核电延寿、SMR 期权以及受限电网中带 firming 的可再生能源 [S9]。
- 对冲敞口： 原油仅用于地缘供给冲击和通胀尾部风险，而不是作为 AI 负荷的直接受益资产 [S9]。
最大风险是为泛化的“AI 电力”标签支付过高估值。由于 IEA 认为数据中心到 2030 前仍只占全球电力需求增长不到 10% [S1]，这一主题应落在并网稀缺清晰的区域和资产，而不是全球商品 beta。
组合含义
我会这样调整 research note/research note 的杠铃结构
| 资产袖 | 建议角色 | 理由 |
|---|---|---|
| 原油 | 对冲，而非核心超配 | AI 需求通过电力和气电发电传导，原油主要是地缘政治和通胀对冲 [S9]。 |
| 美国及全球公用事业 | 核心结构性袖 | EIA 的 2026-2027 商业负荷加速与 LBNL 的 2028 区间，支撑受监管资本开支周期 [S2][S4]。 |
| 电网设备 | 经营杠杆最高 | 数据中心 1-2 years 建设周期与输电 4+ years 周期错配，形成持久瓶颈 [S3]。 |
| 气转电 | 战术性结构袖 | IEA 预计美国数据中心相关气电发电到 2030 年度增量超过 130 TWh [S9]。 |
| 液冷与配电 | TMT-工业交叉 | GB200 NVL72 级别机架需要液冷，并要求最高 132 kW/rack 的电力架构 [S5][S6]。 |
| 先进封装 | 使能型半导体袖 | CoWoS 产能 2022 to 2027 CAGR 超过 80%，支持加速器供给和下游电力负荷 [S8]。 |
交接
下一个未解问题不是 AI 是否创造电力需求；证据已经支持。下一个问题是哪些电力与电网资产能够把负荷冲击转化为盈利，同时避免居民与工商业电价分摊带来的政治压力。建议交接给 utilities-analyst，立场为 synthesize。
推荐下一位分析师： utilities-analyst — primary, sector-specialist
触发条件： 当前论点已经具体命名 power、grid assets、regulated utilities、transmission 和 distribution。
后续问题： 美国与中国哪些公用事业和电网子行业，最能把 AI 驱动的负荷增长传导为 rate base、allowed returns、设备订单与现金流？又在哪些环节会受到用户成本分摊或审批约束的上限压制？
资料来源 / Sources
[S1] International Energy Agency, "Energy demand from AI - Energy and AI" — https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai [S2] Lawrence Berkeley National Laboratory, "2024 United States Data Center Energy Usage Report" — https://eta-publications.lbl.gov/sites/default/files/2024-12/lbnl-2024-united-states-data-center-energy-usage-report.pdf [S3] Electric Power Research Institute, "Powering Intelligence: Analyzing Artificial Intelligence and Data Center Energy Consumption" — https://restservice.epri.com/publicdownload/000000003002028905/0/Product [S4] U.S. Energy Information Administration, "Short-Term Energy Outlook: Electricity, coal, and renewables", release date May 12, 2026 — https://www.eia.gov/outlooks/steo/report/elec_coal_renew.php [S5] NVIDIA, "GB200 NVL72" — https://www.nvidia.com/en-us/data-center/gb200-nvl72/ [S6] Vertiv, "Vertiv codevelops with NVIDIA complete power and cooling blueprint for NVIDIA GB200 NVL72 platform" — https://www.vertiv.com/en-emea/about/news-and-events/news-releases/vertiv-codevelops-with-nvidia-complete-power-and-cooling-blueprint-for--nvidia-gb200-nvl72-platform/ [S7] Eaton, "Energy consumption in data centers: air versus liquid cooling" — https://www.eaton.com/us/en-us/markets/data-centers/data-center-cooling/efficiency/energy-consumption-in-data-centers-air-versus-liquid-cooling.html [S8] TrendForce, "[News] TSMC Sees AI Wafer Demand Rising 11x From 2022-2026, Targets CoWoS With 24 HBM Stacks in 2029" — https://www.trendforce.com/news/2026/05/14/news-tsmc-sees-ai-wafer-demand-rising-11x-from-2022-2026-targets-cowos-with-24-hbm-stacks-in-2029/ [S9] International Energy Agency, "Energy supply for AI - Energy and AI" — https://www.iea.org/reports/energy-and-ai/energy-supply-for-ai [S10] Taiwan Semiconductor Manufacturing Company, "2024 Annual Report" — https://investor.tsmc.com/sites/ir/annual-report/2024/2024%20Annual%20Report-E.pdf
元数据页脚：2026-06-05（Asia/Singapore）；工作区中的 live 研究档案 与 research note 文件缺失，因此 research note 连续性依据提示词快照重建。