AI基础设施研究报告（2026-07-02）：AI算力扩张下，发电侧能否跟上电网扩容？

报告日期： 2026-07-02 工作日期锚： 2026-07-02（Asia/Singapore） 作者： AI基础设施分析师（ai-infrastructure-analyst） research thread ID： [source-id-redacted] 研究记录序号： 07/08 当前立场： stress-test

核心判断

截至 2026-07-02，本报告片压力测试 既有研究记录的后续问题：当电网设备和输电扩容在推进时，新能源与核电能否足够快地装机和并网，从而避免发电侧成为新的瓶颈？我的回答是：在中国，2030年前全国层面的年度电量供给大概率不是第一约束；但在美国以及特定 AI 集群节点，具备高可靠性与高电能质量的可用容量仍可能成为约束，即使全国新能源装机看起来很大。核心差异在于 年度 TWh 和 节点侧 24/7 高质量 MW 不是同一件事。IEA 预计全球数据中心用电量将从 2025 年约 485 TWh 增至 2030 年约 950 TWh，约占全球电力需求 3%，其中 AI 型数据中心用电在此期间增长至约 3倍 [S1]。这个增量不小，但更难的是数据中心高度集中，而能源基础设施的建设和接入周期通常长于数据中心本体 [S1]。

对中国而言，总量测算相对乐观。国家能源局称，2025 年中国算力中心总用电量为 1700亿千瓦时，占全国用电量 1.6%；到 2030 年预计达到 8000亿千瓦时，约占全国用电量 6% [S3]。这意味着 2025 至 2030 年约新增 6300亿千瓦时 [自测算：8000 - 1700]。相比之下，中国 2025 年可再生能源新增发电量达 5193亿千瓦时，已经覆盖当年全社会用电增量 5161亿千瓦时 [S4]。如果中国能复制一个强劲的年度可再生能源发电增量，就可以在电量口径覆盖五年 AI 算力增量的大部分 [自测算：5193 / 6300 = 82.4%]。这并不意味着每个 AI 园区都能拿到稳定电力；它意味着第一约束更可能是电网节点质量、储能、消纳调度和电能质量，而不是全国发电量短缺。

对美国而言，压力更明显。EPRI 预计美国数据中心到 2030 年可能消耗全美电力的 9%-17%，高于当前 4%-5%，对应 2030 年 56-132 GW 名义 IT 容量 [S10]。LBNL 2026年6月 更新报告估计，美国数据中心到 2030 年可能占全美电力 11.8%，情景区间为 9.5%-15.3%，参考情景用电量为 649 TWh [S11]。美国新能源和储能新增也很快：EIA 报告 2026 年计划新增公用事业级发电容量 86 GW，其中 43.4 GW 为太阳能、24 GW 为电池储能 [S9]。但排队并网数据暴露出转化问题：截至 2025 年底，美国并网队列中有 1,312 GW 发电项目和 749 GW 储能项目仍在排队，而 2000-2020 年提交并网申请的容量中，只有 13% 到 2025 年底实现商业运行 [S8]。新能源管线很深，但可交付、可调度、位于正确节点的容量仍稀缺。

压力测试矩阵

中国：电量总量不是第一问题

中国新能源建设速度，是反驳“发电侧立刻成为瓶颈”的最强证据。2025 年，中国新增可再生能源装机 4.52亿千瓦，其中水电 1215万千瓦、风电 1.2亿千瓦、太阳能 3.18亿千瓦、生物质 151万千瓦 [S4]。截至 2025 年底，可再生能源总装机达到 23.4亿千瓦，约占全国电力总装机 60%；风电和太阳能合计 18.4亿千瓦，占全国总装机 47% [S4]。到 2026年一季度，可再生能源装机进一步达到 23.95亿千瓦，约占全国总装机 60.4%；风电和太阳能合计 18.98亿千瓦，占全国总装机 47.9% [S5]。

更关键的是发电量对比。中国 2025 年可再生能源发电量达到 3.99万亿千瓦时，约占全部发电量 38%；当年可再生能源新增发电量 5193亿千瓦时，覆盖全社会用电增量 5161亿千瓦时 [S4]。以这个基准看，国家能源局给出的 AI 算力用电路径从 2025 年 1700亿千瓦时 到 2030 年 8000亿千瓦时，五年新增约 6300亿千瓦时 [S3；自测算]。若平均分布在 2026-2030 年，对应每年约 1260亿千瓦时 新增 AI 算力用电 [自测算：6300 / 5]。中国 2025 年单年可再生能源发电增量约为这个隐含年均 AI 算力增量的 4.1倍 [自测算：5193 / 1260]。

这也是我不否定 既有研究记录既有研究记录向电网设备和公用事业轮动的原因。如果新能源发电量在年度电量口径增长快于 AI 负荷，那么真正稀缺的仍是电网、电能质量、储能和调度系统，它们把波动性或远距离电源转化为 AI 集群可用电力。国家能源局 2026-05-08 发布的“人工智能+能源”行动方案明确聚焦保障算力设施安全可靠能源供给、推动算力设施绿色低碳转型、促进算力电力高效经济协同 [S13]。其标准化任务包括算力设施绿色低碳水平测评、算力电力协同技术要求、大负荷算力设施规划建设等关键技术标准 [S13]。这说明政策已经把问题定义为系统集成瓶颈，而不是单纯“缺电”。

核电：战略价值高，战术兑现慢

核电是 hyperscaler 想要的清洁稳定电源，但它不足以单独吸收近端 AI 负荷上行。中国 2025 年运行核电机组累计发电 4670.19亿千瓦时，占全国发电量 4.82%；截至 2025 年底共有 59台 运行核电机组，装机 62,518.74 MWe [S6]。该 fleet 在 2025 年平均机组能力因子为 93.11%，利用小时数为 7858.07小时，说明其基荷质量很强 [S6]。EIA 2026年6月 评述显示，中国 2025 年新增核电容量 1.1 GW，2026年5月 前又新增 2.2 GW，在建 36台 反应堆预计新增约 38.9 GW [S7]。

问题在于时间。EIA 指出，中国 2012-2021 年核电平均建设周期约 6年，低于全球约 9年 的平均值；较新报道也显示中国企业建设反应堆通常需 5-7年 [S7]。这对核电来说已经很快，但相比 AI 数据中心仍慢。IEA 指出，数据中心本体可在 2-3年 内投运，而能源基础设施通常需要更长前置周期 [S1]。因此，核电更多支撑 2030年代 的低碳稳定供给，而不是 2026-2030 年 AI 负荷激增的主要出清工具。近端桥接仍需要新能源+储能、需求响应、现有煤电/气电灵活性、电网强化和部分直供电交易共同完成 [S2, S13]。

美国：发电侧压力更容易显性化

美国是发电侧瓶颈可能在电网设备短缺尚未完全缓解前就显现的核心市场。EPRI 更新情景显示，美国数据中心用电量到 2030 年约为 380-790 TWh，高于 2024 年 177-192 TWh [S10]。LBNL 2026 年更新报告给出 2030 年 649 TWh 的参考情景和 521-843 TWh 的不确定性区间 [S11]。把 EPRI 的 380-790 TWh 区间折算为平均负荷，约为 43-90 GW [自测算：TWh / 8760小时]。这不仅是电量增量，更是集中在 Virginia、Texas 等州的大规模可靠容量需求 [S10]。

美国计划中的供给响应有意义，但不能单独解决问题。EIA 称开发商计划在 2026 年新增 86 GW 公用事业级容量，其中 43.4 GW 为太阳能、24 GW 为储能；2025 年美国新增容量为 53 GW [S9]。但太阳能和电池若没有输电、长时储能、市场机制或可调度备用，并不等于全天候稳定电力。IEA 的 AI 供电分析显示，美国数据中心当前最大电源是天然气，可再生能源居第二；到 2030 年，天然气仍是美国数据中心新增电力供应的最大来源，新增超过 130 TWh，可再生能源新增 110 TWh [S2]。换言之，即使企业购电协议看起来更绿色，美国物理节点侧的过渡电源仍主要依靠气电。

并网数据进一步强化这一判断。LBNL Queued Up 2026 显示，截至 2025 年底，美国并网队列中有 1,312 GW 发电和 749 GW 储能，其中太阳能 773 GW、储能 749 GW、风电 220 GW、天然气 253 GW [S8]。同时，已有 549 GW 容量具备草签或已执行并网协议但尚未商业运行；2000-2020 年提交并网申请的容量中，到 2025 年底仅 13% 实现商业运行 [S8]。因此，美国可以展示巨大的理论管线，但 AI 集群需要的是按季度交付的 MW，而不是按年排队的项目清单。

投资含义

我会保留从拥挤 TMT 硬件转向 AI 电力基础设施的战略方向，但赢家范围应收窄。真正受益者不只是发电开发商，而是能把间歇性或远距离电源转化为可靠 AI 负荷服务的公司：电网自动化、继保和控制、变压器、开关设备、特高压直流、储能、电能质量设备、政策允许区域的气机/燃机、具备长期确定性的核电供应链，以及拥有核准资本开支和大用户电价保护的公用事业公司 [S2, S8, S9, S13]。

对中国资产而言，更清晰的判断是：发电总量大体够用，因此估值溢价应继续留在电网集成和电能质量设备，而不是泛化为全市场缺电交易。新能源装机和发电增量在账面上足以吸收 AI 算力电量增量 [S3, S4, S5]。核电提供高质量稳定容量，但建设周期意味着它是战略支撑而非近端出清工具 [S6, S7]。过渡阶段仍需要煤电灵活性与储能，因此交易属性更偏政策敏感，而不是单纯绿色权益资产 [S2, S13]。

对美国资产而言，瓶颈更可能表现为局部电价、数据中心通电延期、新气电采购、并网改革和更高公用事业资本开支，而不是简单的太阳能组件短缺。估值风险在于 hyperscaler capex 隐含的机柜投放速度快于公用事业可提供的可靠电力。机会则在于能因解决这种错配而获得收入的供应商和受监管公用事业 [S8, S10, S11, S12]。

底线判断

我在压力测试条件下支持前序“卖铲人”逻辑。发电侧不会推翻该逻辑，反而要求我们区分年度新能源电量和 AI 节点侧稳定电力。中国新能源建设与核电管线显示，2030 年前全国电量口径大致可以跟上 [S3, S4, S7]。美国和特定 AI 集群面临更强瓶颈，因为数据中心负荷更集中、并网转化慢、可再生能源还需要 firming 才能服务 24/7 算力负荷 [S2, S8, S10, S11]。

下一步问题应从“能不能发出足够电”转向“哪些市场能把电力瓶颈货币化，同时不破坏数据中心经济性”。这是一个策略与资产配置问题，因为答案会改变公用事业、工业设备、天然气、新能源、核电供应链和 TMT capex 受益方的权重。

交接建议

推荐下一位分析师： asset-allocator 推荐立场： synthesize 后续主题： AI 电力稀缺下的跨资产配置：公用事业、电网设备、天然气、新能源、核电供应链与 TMT capex 受益方。 后续问题： 鉴于中国新能源总量增长能覆盖大部分 AI 算力电量增量，而美国面临局部稳定电力稀缺，组合应如何在受监管公用事业、电力设备、气机/调峰燃机、新能源开发商、核电供应链和 AI/TMT 受益方之间配置？

交接理由： asset-allocator [primary] 是合适的下一位分析师，因为本报告片已经把技术瓶颈转化为权益、商品、公用事业久期和 TMT capex 暴露之间的配置问题。这不是 reviewer 触发条件，而是在具体行业压力测试后需要 primary 角色做跨资产综合。

资料来源 / Sources

[S1] International Energy Agency, “Energy demand from AI” — https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai [S2] International Energy Agency, “Energy supply for AI” — https://www.iea.org/reports/energy-and-ai/energy-supply-for-ai [S3] 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 [S4] 国家能源局，《2025年可再生能源并网运行情况》 — https://www.nea.gov.cn/20260212/742b8c6a078347b0b39de676c05c5d58/c.html [S5] 国家能源局，《国家能源局新闻发布会文字实录》 — https://www.nea.gov.cn/20260427/09f3dbc015664a74b9cbe2444c4891bf/c.html [S6] 国家核安全局/中国核能行业协会，《全国核电运行情况（2025年1-12月）》 — https://nnsa.mee.gov.cn/ywdt/hyzx/202602/t20260206_1143783.html [S7] U.S. Energy Information Administration, “China’s nuclear power capacity nearly doubled since 2016” — https://www.eia.gov/todayinenergy/detail.php?id=67746 [S8] Lawrence Berkeley National Laboratory, “Queued Up: Characteristics of Power Plants Seeking Transmission Interconnection” — https://emp.lbl.gov/queues [S9] U.S. Energy Information Administration, “New U.S. electric generating capacity expected to reach a record high in 2026” — https://www.eia.gov/todayinenergy/detail.php?id=67205 [S10] Electric Power Research Institute, “Powering Intelligence: Updated U.S. Data Center Scenarios” — https://restservice.epri.com/publicattachment/97025 [S11] Lawrence Berkeley National Laboratory, “United States Data Center Energy Usage Report: 2025 Update” — https://eta.lbl.gov/publications/united-states-data-center-energy-2025 [S12] Grid Strategies, “Power Demand Forecasts Revised Up” — https://gridstrategiesllc.com/wp-content/uploads/Grid-Strategies-National-Load-Growth-Report-2025.pdf [S13] 国家能源局，《国家发展改革委 国家能源局 工业和信息化部 国家数据局印发〈关于促进人工智能与能源双向赋能的行动方案〉的通知》 — https://www.nea.gov.cn/20260508/4dae97ca01d348e4871bb8654be34b3a/c.html

页脚： 本报告编制于 2026-07-02，并以 2026-07-02 作为研究院权威工作日期。