全球数据中心电力需求增长 - 国际能源署预测全球数据中心年耗电量将从2025年的485太瓦时增长至2030年的950太瓦时，实现五年翻番，届时将占全球电力需求的3% [6] - 增长由两条曲线驱动：一是规模扩张，AI专用数据中心耗电量将从2025年的约155太瓦时增长超过3倍至2030年的465太瓦时，占比从不足三分之一跃升至近二分之一；二是功率密度跃升，单个机架功率从2020年的13千瓦跃升至如今的130千瓦，并计划在2027年达到600千瓦，最终目标指向1兆瓦 [8] - 大型科技公司2025年支出已超过4000亿美元，2026年预计进一步增长75%至7150亿美元，这一数字已超过美国整个能源行业2024年的年度投资总额（不足6000亿美元） [8] 能源供给结构演变 - 可再生能源是科技公司的首选，2025年数据中心运营商签署的可再生能源购电协议超过40太瓦时，但其间歇性无法满足数据中心75%-90%的高负荷因子需求 [10] - 天然气是现实选项，全球有超过100吉瓦的现场天然气发电项目在推进，科技公司开始大规模采用航改型燃气轮机自建发电厂，以绕开公共电网排队 [12] - 核能受市场追捧，科技公司与现有核电站签署的购电协议已达7.1吉瓦，小型模块化反应堆签约管道从2024年底的25吉瓦激增至2026年1月的45吉瓦，但首批商业项目预计最早2030年前后并网 [12] - 到2030年，IEA预测数据中心电力供给将呈组合常态：可再生能源约占三分之一（360太瓦时），天然气约占30%（340太瓦时，较今天翻倍），核能从75太瓦时增至120太瓦时 [12] AI能效提升与需求激增的悖论 - AI模型训练和推理能效在持续进步，一次文本查询能耗仅需0.24-0.34瓦时，但应用形态演进导致总能耗激增 [14] - 视频生成的能耗是文本查询的数百倍，复杂推理任务是文本查询的数千倍，AI Agent由于需反复调用模型和交互，能耗量级更大，效率收益被使用量激增和应用复杂度提升所抵消 [14][15] - 存在“杰文斯悖论”现象，即效率提升因降低使用门槛、扩张需求而导致总消耗增加，不同模型间能耗差异悬殊，在“够用就好”场景选择轻量级模型是现实节能路径 [15] 数据中心相关投资机会 - IEA预测2026年至2030年间数据中心累计投资将达到3.9万亿美元 [16] - 电网设备、变压器、功率电子、液冷、储能、天然气轮机等基础设施供应商受益显著，自ChatGPT发布以来，重型燃气轮机和电网设备制造商市值增幅最为突出 [16] - 多家制造商公布产能扩张计划：GE Vernova计划2026年中期产能扩至20吉瓦，2028年达24吉瓦；西门子能源电网技术业务订单积压达420亿欧元，产能计划从2024年17吉瓦增至2028/30年30吉瓦；三菱重工计划产能扩张30%；卡特彼勒计划到2030年将涡轮机产量增加250% [16][17] - 核能公司被市场重新定价，科技公司签署的长期购电协议达7.1吉瓦，美国核能公司股价走势与AI股票的相关性在所有能源子板块中排名第二 [17] AI对能源系统的优化潜力与障碍 - AI在能源系统优化方面潜力可观，在电网调度优化、可再生能源发电预测、工业设备预测性维护、需求响应管理等场景，可带来3%-10%的能源成本节省 [19] - 到2035年，AI在能源密集型产业中的系统性应用可累计节省超过13艾焦的能源消耗，相当于全球最终能源消费总量的3% [19] - 潜力释放面临现实障碍，首要障碍是缺乏数字技能，传统能源从业者缺乏AI能力，而AI人才流向能源行业的意愿不足 [21] - 数据碎片化是另一大障碍，能源设施设备老旧，数据采集能力参差不齐，不同系统间数据格式和标准难以互通，网络安全顾虑也制约了关键基础设施数据接入AI系统 [21]