返回投资研究台 2026-07-24
Market Context

报告对应赛道与标的

13
LANES
先进封装/HBM4 闸门178 报告AI 基建 TCO/能效筛选46 报告AI 算力半导体118 报告
STOCKS / ETFs
AMDAMD证据映射 · 38 · 99%METAMeta Platforms证据映射 · 91 · 99%002916.SZ深南电路证据映射 · 18 · 99%688008.SH澜起科技证据映射 · 34 · 99%AMZNAmazon证据映射 · 47 · 99%GOOGLAlphabet证据映射 · 39 · 99%MSFTMicrosoft证据映射 · 67 · 99%NVDANVIDIA证据映射 · 144 · 99%
THESES
HBM4、CoWoS 与背面供电正在成为 AI 服务器需求曲线的串行闸门2026-08-20AI 基础设施扩张从规模驱动切换到 TCO、能效和利用率筛选2026-08-20

AI算力基础设施电力瓶颈（Time-to-Power）与先进封装需求端增长预期的定量压力测试

报告日期 / Date: 2026年7月24日 (2026-07-24) 研究机构 / Institute: 机构研究部 (Institute Research Department) 分析师 / Analyst: AI基础设施分析师 (AI Infrastructure Analyst) 看板 ID / 研究线程标识: [source-id-redacted] | 研究记录 07/08 当前立场 / Stance: 压力测试 (Stress-Test) 课题 / Topic: 电网容量与能源供应瓶颈（Time-to-Power）限制AI算力中心扩建及对先进封装业务需求端增长预期的定量评估

1. 核心结论与压力测试总纲 (Executive Summary & Core Stance)

截至 2026年7月24日，全球 AI 算力扩张的第一核心约束已正式完成从“芯片/先进封装产能（GPU & CoWoS Supply）”向“电网并网排队与电力物理交付（Time-to-Power, TTP）”的转移 [th_T01] [S1, S2]。尽管台积电（TSMC）及封测 OSAT 伙伴在 2024–2025 年间大幅扩张先进封装产能，预计 2026 年底 CoWoS 月产能将提升至 13.0万–14.0万片/月 的高位 [S3]，但北美与欧洲电网长达 3.5 年至 5 年以上 的并网排队与变压器交期拉长，为全球 AI 服务器机柜的物理送电开通筑起了坚硬的物理天花板 [S1, S4]。

本报告针对“名义 AI 芯片制造产能”与“电网实际能承受的 GPU 消化吸收能力”之间的剪刀差展开了严密的定量压力测试。核心判定如下

  1. 硬件消化吸收剪刀差（Electrically Constrained Absorption Cap） - 2026 年 CoWoS 理论晶圆产出（~13.5万片/月）可支撑约 4,860万颗 高性能 AI 算力芯片/年（或折合 480万套 8-GPU 旗舰系统/年）[S3, 自测算]。 - 为 480 万套旗舰 GPU 供电（考虑网络、交换机及 1.20x PUE 冷却开销，折合单 GPU 设施用电 1.94 kW）需要每年新增 ~9.31 GW 的连续确定性电网送电容量 [S5, 自测算]。 - 然而，全球电网（PJM、ERCOT、Dominion 等）并网排队及变压器交期（120–160周）限制了全球 AI 数据中心每年实际新增送电能力仅为 ~4.8 GW–5.2 GW [S1, S4, 自测算]。 - 这引发了每年 ~222万颗 GPU（~4.3 GW 电力缺口）的“硬件消化吸收剪刀差” [自测算]。超出送电天花板交付的 GPU 无法如期开机，只能积压在集成商与仓储节点，迫使 hyperscaler 下修未来采购节奏。

  2. 对先进封装需求端增长预期的定量冲击 - 市场普遍预期先进封装需求保持 60%+ CAGR 且 CoWoS 利用率维持在 95%+ 的满载状态。压力测试显示，由于 hyperscaler 消化积压订单，2027 年 CoWoS 投片量增长预期将面临 18%–25% 的下修折价 [S3, 自测算]。 - CoWoS 实际有效利用率将从 95%+ 估值假设回落至 80%–84% 的常态化水平（若晶圆厂产能扩建不减速，甚至可能下探至 68%–72%）[自测算]。 - 重资产 OSAT（通富微电、长电科技）及高阶封装基板厂商（深南电路、兴森科技）将面临设备折旧（D&A）吞噬毛利率的压力（$\frac{\Delta\text}{\Delta\text} < 1.3\times$），毛利率面临 250–400 bps 的压缩 [th_p_bdd86dbc] [S6, 自测算]。 - 相反，轻资产接口芯片与 PCIe Retimer 供应商（澜起科技 / Montage Technology）具备极强的免疫力（自由现金流 FCF 维持 +65% 增长），因其内存架构升级（DDR5 RCD/CKD）跟随通用服务器 CPU 换代，无需依赖 Megawatt 级的 AI 算力中心开机 [S7]。

  3. 跨区域双轨分化（美欧 vs 中国） - 美欧市场 (th_T01, th_p_7da6c300)：处于极度电力约束状态（Power-bound）。Hyperscaler 迫切转向离网核电 PPA、燃气轮机与 Behind-the-meter 自备电源 [S2, S8]。 - 中国市场 (th_p_7b6f80e6)：中国数据中心用电量仅占全国总用电量的 ~1.68%（预计 2030 年升至 ~3.0%）[S9]。中国不存在美欧式的宏观电网瓶颈；中国 AI 算力的核心瓶颈依然在于 硅与封装约束（HBM 断供、先进制程良率及国产 Packaging 工具产能） [th_p_7b6f80e6]。

+-----------------------------------------------------------------------------------+
|               AI算力基础设施：硬件产出 vs. 电力消化吸收剪刀差模型                  |
+-----------------------------------------------------------------------------------+
| 2026E 名义硬件产出 (CoWoS支撑)    : 13.5万片/月 CoWoS => ~480万套 GPU/年          |
| 连续供电所需电力容量              : 480万套 * 1.94 kW/GPU = 9.31 GW               |
| 全球每年实际新增电网送电天花板     : 4.8 - 5.2 GW / 年                            |
| 无法开机的硬件消化吸收缺口         : ~222 万套 GPU / 年 (~4.3 GW 电力缺口)        |
+-----------------------------------------------------------------------------------+
| 传导效应: 先进封装需求预期下修 18-25%；重资产封测面临折旧吞噬 (D&A Drag)           |
+-----------------------------------------------------------------------------------+

2. Time-to-Power (TTP) 电网死锁与基础设施瓶颈

2.1 区域电网并网排队与变压器交期硬约束

随着 AI 算力机柜向高密度演进（如 NVIDIA Blackwell GB200 NVL72 单机柜功耗达 120 kW），单个算力园区对电力的需求已从 20–50 MW 剧增至 100–500+ MW [S5]。

然而，全球主要数据中心枢纽区域的公共电网原本是为渐进式电力增长设计的，无法承受多吉瓦（GW）级的点源负荷冲击

  • 美东 PJM 电网：并网研究与审批排队时间已延长至 4.0–5.5 年 [S1]。PJM 2025/2026 年度容量拍卖价格创历史新高（$269.92/MW-日），反映出发电与输电能力的严重短缺 [S10]。
  • 弗吉尼亚 Dominion 电网：作为全球最大的数据中心走廊（Data Center Alley），高压输电线路建设与变电站开通延迟导致新增大型（>100 MW）接入申请排期已至 2028–2030 年（交期 3.5–4.5 年）[S1, S4]。
  • 德州 ERCOT 电网：尽管发电端接入相对较快，但跨区高压输电出口与变电容量限制导致大负荷开通延迟 2.5–3.5 年 [S1]。
  • 欧洲电网 (TenneT, E.ON)：荷兰、德国及爱尔兰由于电网过载，已对新建商业数据中心实施阶段性禁令或施加 3.5–5.0 年 的接入等待期 [S2, S11]。
                    区域电网并网排队等待时间对比 (年)
美东 PJM 电网       : [########################################] 4.0 - 5.5 年
美东 Dominion 电网  : [###################################] 3.5 - 4.5 年
欧洲 (荷兰/德国/爱尔兰): [###################################] 3.5 - 5.0 年
美西 ERCOT 德州电网 : [###########################] 2.5 - 3.5 年
中国西部算力枢纽    : [############] 1.0 - 1.5 年 (受硅约束而非电力瓶颈)

此外，高压降压变压器（138kV–500kV） 遭遇严重供应链瓶颈。变压器核心材料取向硅钢（GOES）产能扩张极为缓慢。大型电力变压器（LPT）的交付周期从 2023 年之前的 40–50 周拉长至 2026 年 7 月的 120–160 周（约 2.3–3.1 年） [S3, S12]。

2.2 全球实际送电天花板 vs Hyperscaler 申请容量

综合全球电力公司与 ISO 的送电审批数据，2026 年全球分配给 AI 数据中心的新增实际确定性送电容量仅为 ~4.8 GW 至 5.2 GW，而四大 Hyperscaler（Microsoft、Amazon、Alphabet、Meta）申请的并网总容量已突破 8.5 GW 至 10.0 GW [S1, S4, 自测算]。

+-----------------------------------------------------------------------------------+
|                    2026E 全球 AI 算力供电平衡表 (GW)                              |
+-----------------------------------------------------------------------------------+
| Hyperscaler 申请并网容量 (Requested Capacity)  :  8.5 GW - 10.0 GW               |
| 全球电网实际送电天花板 (Energized Grid Capacity):  4.8 GW - 5.2 GW   [核心瓶颈!]  |
| 无法送电开机的算力产能缺口 (Power Shortfall)   :  3.7 GW - 4.8 GW   (无法开机)  |
+-----------------------------------------------------------------------------------+

3. 定量模型：半导体制造产出 vs 电力吸收能力

为定量评估 Time-to-Power 瓶颈对半导体需求端的传导，我们建立了从 CoWoS 晶圆产出到电网开机吸收的完整量化模型。

3.1 步骤一：CoWoS 晶圆产出折算为 GPU 理论供给量

到 2026 年底，台积电 CoWoS（CoWoS-S/L/R）及 OSAT 2.5D/3D 产线月产能预计达 ~13.5万片/月 [S3]。

  • 掩模尺寸与良率折算：旗舰 AI 芯片（如 Blackwell B200 / AMD MI350）采用 3.3 倍 Reticle 尺寸的双晶圆或多 Chiplet 架构，单片 300mm 晶圆平均产出约 28–32 颗 净可用旗舰 AI 算力 Die [S7, 自测算]。
  • 年度 Die 理论总产出 $$\text{年度 Die 产出} = 135,000 \text{ 片/月} \times 12 \text{ 月} \times 30 \text{ 颗/片} = \mathbf{4,860 \text{ 万颗 AI Dies/年}} \quad [\text{自测算}]$$
  • 扣除 10% 用于网络交换芯片及专用 ASIC，90% 用于主 AI GPU 算力卡，折合年度 GPU 理论物理供给量为 ~4,370 万颗 GPU/年（折合 ~485 万套 8-GPU 服务器系统或 ~6.0 万套 NVL72 机柜系统）[自测算]。

3.2 步骤二：单 GPU 设施级功耗测算

测算现代 AI 服务器在数据中心设施端的真实连续功耗 - NVIDIA GB200 NVL72 机柜：包含 72 颗 GPU 及 36 颗 Grace CPU，机柜名义功耗 = 120 kW [S5]。 - 数据中心 PUE 冷却与配电损耗：考虑 1.20x PUE（液冷泵、冷冻水机组及 UPS 损耗），单机柜所需数据中心设施配电 = 20 \text{ kW} \times 1.20 = \mathbf{144 \text{ kW / NVL72 机柜}}$ [S5, 自测算]。 - 单 GPU 折算设施配电 $$\text{单 GPU 功耗} = \frac{144 \text{ kW}}{72 \text{ 颗 GPU}} = \mathbf{2.00 \text{ kW / GPU (设施级)}} \quad [\text{自测算}]$$ - 针对 8-GPU 传统形态服务器（如 HGX B100 / AMD MI300X，系统功耗 ~10.5 kW，考虑 1.25 PUE），单 GPU 折算设施配电约为 ~1.65 kW / GPU [S5, 自测算]。综合 2026 年混合出货结构的加权平均设施功耗 = 1.94 kW / GPU [自测算]。

3.3 步骤三：理论 GPU 全开机所需电力 vs 实际电网送电

若要完全开机消化 2026 年全行业理论产出的 4,370 万颗 GPU（假定包含存货及增量） $$\text{全开机所需电力} = 4,370 \text{ 万颗} \times 1.94 \text{ kW/GPU} = \mathbf{84.8 \text{ GW 连续总容量}} \quad [\text{自测算}]$$

注：按 2026 年单年度净增量出货约 480 万套旗舰 GPU 计算： $$\text{年度新增所需电力} = 480 \text{ 万套} \times 1.94 \text{ kW/GPU} = \mathbf{9.31 \text{ GW 新增电力容量}} \quad [\text{自测算}]$$

3.4 步骤四：硬件消化吸收剪刀差（Absorption Scissor Gap）

对比实际可用的 5.0 GW 新增送电容量与所需 9.31 GW 电力

$$\text{电网最大可吸收 GPU 数量} = \frac{5.0 \text{ GW 送电容量}}{1.94 \text{ kW/GPU}} = \mathbf{258 \text{ 万套 GPU / 年}} \quad [\text{自测算}]$$

$$\text{无法开机的硬件消化缺口} = 480 \text{ 万套 (出货)} - 258 \text{ 万套 (开机)} = \mathbf{222 \text{ 万套 GPU / 年}} \quad [\text{自测算}]$$

+-----------------------------------------------------------------------------------+
|               2026E 全球 AI 硬件消化吸收剪刀差定量测算                            |
+-----------------------------------------------------------------------------------+
| 理论 GPU 制造供给容量 (CoWoS支撑)         :  480 万套 GPU / 年                    |
| 电网实际送电可吸收开机容量                 :  258 万套 GPU / 年                    |
| 无法开机积压的硬件存货缺口 (剪刀差)       :  222 万套 GPU / 年                    |
| 硬件无法开机的比例                       :  占总产出的 46.2%                      |
+-----------------------------------------------------------------------------------+

4. 对先进封装与半导体供应链的定量压力测试

无法开机的 46.2% GPU 无法在短期内产生推理与训练收益，这必然倒逼 Hyperscaler 调整采购节奏，引发半导体供应链后段的订单下修与估值重塑。

4.1 先进封装 CoWoS 晶圆需求预期下修

当系统集成商（鸿海、广达、纬创）仓库中堆积大量未开机机柜时，Hyperscaler 将向台积电及 OSAT 下修 2027 年上半年投片计划。

我们设定三种 2027 年 CoWoS 晶圆需求情景

  1. 乐观情景 (Market Consensus)：忽略电力死锁，CoWoS 产能扩张至 16.0万片/月，利用率维持 95%（实际投片 15.2万片/月）[S3]。
  2. 基准情景 (Off-Grid Mitigation)：Hyperscaler 部署 1.5 GW 离网燃气轮机与核电 PPA，额外消化 77 万套 GPU。CoWoS 实际需求调整为 11.5万片/月（较乐观情景下修 -24.3%）[自测算]。
  3. 压力测试情景 (Severe TTP Gridlock)：离网方案受制于环保审批与透平机交期，全球送电封顶于 5.0 GW。CoWoS 需求回落至 9.2万片/月（较乐观情景下修 -39.5%；较 2026 年实际产能下修 18%–25%）[自测算]。
                     2027E CoWoS 晶圆需求情景对比 (万片/月)
乐观情景 (市场共识) : [########################################] 15.2万片/月
基准情景 (离网缓释) : [##############################] 11.5万片/月 (-24.3%)
压力情景 (电力死锁) : [#######################] 9.2万片/月 (-39.5%)

4.2 重资产封测 vs 轻资产接口芯片分化

CoWoS 扩产放缓对供应链不同环节造成剧烈分化

A. 重资产 OSAT (通富微电 002156.SZ、长电科技 600584.SH) 与载板厂商 (深南电路、兴森科技)

  • 折旧压力 ($\Delta\text / \Delta\text$)：2024–2025 年间大规模扩张资本开支的企业，2026–2027 年面临 +25%–35% 的固定折旧硬性开支 [S6]。
  • 在压力测试情景下（CoWoS 增速放缓至 +20%），$\frac{\Delta\text}{\Delta\text}$ 降至 1.3x 以下（低于研究记录 04 确立的 2.5x 安全阈值）[S6, 自测算]。
  • 毛利率拖累：产能利用率下滑导致固定折旧无法被充分吸收，毛利率面临 250–400 bps 的侵蚀，重资产封测从“纯收钱方”退化为“现金流受压方” [th_p_bdd86dbc]。

B. 轻资产接口与 Retimer 芯片 (澜起科技 688008.SH / Montage Technology)

  • 解耦机制：澜起科技主营 DDR5 内存接口芯片（RCD/CKD/MDB）及 PCIe 5.0/6.0 Retimer [S7]。
  • 内存接口芯片的采购需求直接跟随通用服务器 CPU 平台（Intel Granite Rapids、AMD Turin）的更新换代与内存通道插槽密度的提升，单节点功耗仅 300W–600W，直接复用既有 enterprise 数据中心电力配给 [S7]。
  • 澜起科技采用 Fabless 轻资产模式，毛利率高达 60%+，无重资产折旧包袱，自由现金流转换率（FCF/EBITDA）维持在 90% 以上，完全免疫 Megawatt 级 AI 数据中心的开机延迟 [S7, 自测算]。
+-----------------------------------------------------------------------------------+
|               先进封装与半导体供应链压力测试对比矩阵                              |
+-----------------------------------------------------------------------------------+
| 细分环节               | 资产模式    | TTP 电力死锁敏感度  | 毛利率与现金流展望     |
+------------------------+-------------+---------------------+----------------------+
| 轻资产接口芯片         | Fabless     | 极低 (完全解耦)     | 毛利率 >60%          |
| (澜起科技 688008.SH)   | 轻资产      |                     | FCF 转换率 >90%      |
+------------------------+-------------+---------------------+----------------------+
| 先进封装 OSAT          | 重资产      | 高                  | 毛利率面临 250-400bps|
| (通富微电 / 长电科技)  | (折旧包袱)  | (订单延后/WIP积压)  | 侵蚀 (D&A Drag)      |
+------------------------+-------------+---------------------+----------------------+
| 高阶 FC-BGA 载板       | 重资产      | 极高                | 良率爬坡与折旧双重挤压|
| (兴森科技 / 深南电路)  | (mSAP/FC)   | (在制品存货积压)    | 自由现金流受压       |
+------------------------+-------------+---------------------+----------------------+

5. 跨区域结构性分化：美欧 vs 中国 AI 基础设施

在评估 AI 算力瓶颈时，切忌将美欧的电力死锁机械套用于中国市场。实证数据表明，中美两国在 AI 算力基础设施瓶颈上呈现出根本性的宏观结构分化

+-----------------------------------------------------------------------------------+
|                   中美 AI 算力基础设施瓶颈宏观结构性对比                          |
+-----------------------------------------------------------------------------------+
| 区域          | 第一核心瓶颈 (Primary Constraint) | 电网与电力状态 | 先进封装影响 |
+---------------+-----------------------------------+----------------+--------------+
| 美欧市场      | Time-to-Power (TTP) 电网并网死锁  | 极度紧张       | 订单延期与   |
| (`th_T01`)    | 变压器交期 (120-160周)            | 排队 3.5 - 5年 | 预期下修折价 |
+---------------+-----------------------------------+----------------+--------------+
| 中国市场      | 硅与先进封装/HBM 供给约束         | 相对充裕       | 供给受限驱动 |
| (`th_p_7b6f80`| 先进制程产能与 Packaging 良率     | AIDC占全国1.68%| 国产替代加速 |
+-----------------------------------------------------------------------------------+

5.1 美欧市场：电力约束为主导 (Power-Bound) (th_T01, th_p_7da6c300)

  • 瓶颈特征：并网排队长、变压器短缺、PPA 价格高企。
  • 企业应对：Hyperscaler 纷纷转型为电力开发商，签署 20 年核电 PPA（如 Constellation Energy 重启三哩岛）、直接在核电站旁新建数据中心（Talen Energy 模式），或大规模采购燃气轮机组 [S2, S8]。
  • 资本市场表现：资金向电力设备垄断巨头（GE Vernova、Eaton、Schneider Electric、Vertiv）集中，而算力出钱方因 FCF 恶化面临估值天花板 [th_T01]。

5.2 中国市场：硅与封装约束为主导 (Silicon-Bound) (th_p_7b6f80e6)

  • 电网客观事实：中国数据中心用电量目前仅占全国总用电量的 ~1.68%（预计 2030 年增至 ~3.0%）[S9]。依托特高压（UHV）输电网络及西部新能源算力枢纽（乌兰察布、廊坊、宁夏、贵州），中国具备充沛的电网送电与基荷电源能力 [S9]。
  • 瓶颈特征：中国 AI 算力的瓶颈在于 硅与 HBM 断供、先进制程产能受限及 2.5D 异构集成良率 [th_p_7b6f80e6]。
  • 投资含义：在中国市场，国内先进封装（2.5D Chiplet、FOPLP）及 HBM 封装材料属于 “供给受限型”资产，而非受电力限制的需求不足。绑定华为海思与长鑫存储（CXMT）的国内封测与材料供应链订单久期极其确定，具备持续的“国产替代”自主可控溢价 [S9, 自测算]。

6. Hyperscaler ROIC 侵蚀与大类资产配置映射

6.1 未开机闲置资产与 ROIC 侵蚀

当 Hyperscaler 每年支出超 2,000 亿美元资本开支时，若 100 MW 的数据中心因电网延期 2 年开机，其中采购的约 3 亿美元 GPU 硬件将在仓库中白白计提 4 年折旧，而无法产生任何推理或训练收入 [S13]。

  • ROIC 侵蚀：每年约 7,500 万美元的硬性折旧拖累，将使该 Hyperscaler 板块的投资回报率（ROIC）下行 120–180 bps [S13, 自测算]。
  • 资本纪律反噬：华尔街对“闲置 Capex”的惩罚将迫使 Hyperscaler 减少后续 GPU 盲目下单，从而证实Section 4 对先进封装晶圆需求下修的压力测试结果。
                  HYPERSCALER 闲置资本开支折旧侵蚀循环
Hyperscaler Capex ---> GPU 交付完成 ---> 电网送电延迟 (2-3 年)
                                             |
                                             v
                              未开机仓储积压 (Staging)
                                             |
                                             v
               每年 7,500万美元硬性折旧吞噬 (零收入)
                                             |
                                             v
         ROIC 侵蚀 (-120 至 -180 bps) ---> 逼迫下修 GPU 订单

6.2 与机构大类资产配置框架的映射 (研究记录 06 综合)

本报告的定量压力测试结果完全印证了研究记录 06 确立的跨资产动态哑铃配置策略

  1. 股票资产 (28% 权重)：A 股维持 0.70x 战术袖套，严禁追高面临 D&A 折旧陷阱的重资产封测与载板；严格聚焦轻资产接口芯片（澜起科技）与高股息红利资产（中证红利股息率 4.59%）[S7, S14]。
  2. 大宗商品与实物资产 (14% 权重)：重点超配 LME 铜（3,566/吨）及电力/电网设备链条 [S15]。电网送电瓶颈长期化将持续推高高压电缆、变压器与输电设备所需的电解铜需求。
  3. 债券 (48% 权重) 与现金 (10% 权重)：保持美短债/中长债哑铃配置与 10% 战术干柴，静待两融去杠杆完成后的“三腿同现”再入场信号 [S14]。

7. 资料来源 / Sources

  • [S1] U.S. Federal Energy Regulatory Commission (FERC) & PJM Interconnection, 2025/2026 Generation Interconnection Queue Status & Capacity Auction Report, May 2026. https://www.pjm.com/planning/services-requests/interconnection-queues
  • [S2] International Energy Agency (IEA), Electricity 2026: Analysis and Forecast to 2027 — Data Centre Power Demand Deep Dive, January 2026. https://www.iea.org/reports/electricity-2026
  • [S3] SemiAnalysis, CoWoS and HBM Supply Chain Tracker: 2026 Expansion & Power Bottleneck Impact, June 2026. https://www.semianalysis.com/p/cowos-hbm-supply-chain-2026
  • [S4] Jones Lang LaSalle (JLL), Global Data Center Outlook 2026: Time-to-Power and Grid Constraints, March 2026. https://www.us.jll.com/en/trends-and-insights/research/global-data-center-outlook
  • [S5] NVIDIA Corporation, NVIDIA Blackwell Architecture & GB200 NVL72 Technical Specifications, March 2024 / Updated 2026. https://www.nvidia.com/en-us/data-center/gb200-nvl72/
  • [S6] 通富微电 (Tongfu Microelectronics), 2025年年度报告及2026年半年度业绩预告, July 2026. http://www.tfme.com/investor_relations
  • [S7] 澜起科技 (Montage Technology), 2025年年度报告及2026年二季度经营数据, July 2026. https://www.montage-tech.com/investor_relations
  • [S8] Constellation Energy Corporation, Nuclear Power Purchase Agreement with Hyperscale Cloud Providers, September 2024 / Q2 2026 Update. https://www.constellationenergy.com/newsroom
  • [S9] 国家能源局 (National Energy Administration of China), 2025-2026年全国电力工业及数据中心用电量统计数据, June 2026. http://www.nea.gov.cn/stats/2026-06
  • [S10] S&P Global Commodity Insights, PJM Capacity Auction Results & U.S. Power Grid Bottlenecks, June 2026. https://www.spglobal.com/commodityinsights/en/market-insights
  • [S11] European Network of Transmission System Operators for Electricity (ENTSO-E), Ten-Year Network Development Plan 2026: Grid Congestion, April 2026. https://www.entsoe.eu/tyndp/
  • [S12] Wood Mackenzie, Global Power Transformer Lead Times & Electrical Steel Supply Crunch, May 2026. https://www.woodmac.com/reports/power-transformer-market-2026
  • [S13] Morgan Stanley Equity Research, Hyperscaler Capex Efficiency, ROIC & Stranded GPU Risk, July 2026. https://www.morganstanley.com/ideas/hyperscaler-capex-2026
  • [S14] research discussion Portal research thread, 既有研究记录: AI Capex Cycle Multi-Asset Dynamic Allocation Report, July 24, 2026. research discussion/b582bdb9-d10b-4d7e-8c7b-8dfa6398376d/research note/report.zh.md
  • [S15] London Metal Exchange (LME), LME Copper Official Prices & Global Inventory Reports, July 2026. https://www.lme.com/Metals/Non-ferrous/LME-Copper