文章核心观点 - AI扩张的瓶颈正从模型转向电力与可交付容量，电力已成为AI扩张的一阶约束，行业竞争焦点从发电量转向能否按合同、按期交付电力[1] - 头部科技公司的电力采购逻辑发生根本转变，从按需采购、优化成本，转向提前多年锁定可交付容量，电力正从商品被重新定价为可预定的生产要素[6][7][10] - 新能源行业的投资机会随之变化，核心是围绕负荷中心，将电力从商品转变为可复制、可融资、可规模化的交付能力，这为中国新能源企业出海提供了对接点[12][13][18] AI用电爆发：电力成了一阶约束 - 数据中心用电量激增且增速远超全球电力需求常态增长，从行业内部变量转变为影响电力系统增量规划的核心部分：2024年全球数据中心用电约415TWh，2030年可能升至约945TWh，接近翻倍[4] - 电力约束的关键在于节点接入与交付能力，而非全球性缺电：数据中心负荷向少数电网节点高度集中，导致并网排队与扩容周期漫长，例如美国北弗吉尼亚地区并网研究可能耗时长达10年以上[5] - 头部科技公司将电力从成本项视为扩张上限，处理方式转变为通过长期合同锁定可交付容量，并与数据中心扩张深度绑定，这标志着电力成为AI扩张结构性、可持续的一阶约束[7] 电力被重新定价：长协、基荷与可交付容量 - 电力交易逻辑从按季度优化成本，转向必须提前多年锁定的生产要素，合同结构围绕可交付容量与长期稳定性重构[8] - 头部公司通过三类合同模板锁定电力交付确定性：1) 长期购电协议锁定电量与价格框架；2) 通过开发权或项目合作绑定未来新增产能优先权；3) 园区级打包交付，解决电源、并网、配套工程等节点约束[10] - 具体案例显示策略差异但逻辑一致：Meta目标在2035年前锁定约6.6GW清洁基荷供给；Google组合布局未来基荷与可调度能力，包括约3GW量级的水电长协；亚马逊、微软、OpenAI等均将电力工程化，绑定到具体项目与交付节奏[8][9] 把电做成交付：AI时代新能源投资路径 - 第一条主赛道是可再生能源与储能，围绕负荷中心打造可用电资产：关键矛盾是并网与交付，解决方案是将项目做成交付组合，结合PPA、储能及并网方案，把节点确定性写入合同[13] - 第二条主赛道是基荷与可调度低碳电源，如核电、小型模块化反应堆、低碳燃气（含碳捕集与封存），其价值在于提供可预测的出力曲线与久期匹配的现金流，投资方式更类似基础设施[13] - 第三条主赛道是能源与AI融合的基础设施，旨在提升电力使用效率：包括电网侧接入扩容、能效侧冷却优化、调度侧负荷管理，共同目标是提高利用率、降低单位能耗、压缩交付不确定性[14] - 对中国新能源企业而言，这是能力出海的机遇：凭借在光伏、风电、储能的规模化制造、成本优势及复杂工程交付经验，通过与当地生态组成联合体，承接发达市场对电力交付的刚性需求[14][15][16][18]