核心观点 - AI投资浪潮正从算力硬件（芯片、服务器）外溢至电力等基础设施领域，引发对电力供应可靠性的广泛关注，市场进入“可靠性超级周期” [2][3] - 高盛大幅上调2030年全球数据中心用电需求预测，增幅从175%上调至220%，其中美国占据新增需求的主要部分 [2][3][7] - 尽管云厂商资本开支剧增挤压自由现金流，但其仍有财力为保障电力供应可靠性和绿色能源支付溢价，行业关注点正从“主题炒作”转向“AI收入转化”的硬约束 [2][5][8] 电力需求预测与结构 - 高盛将2030年全球数据中心（AI+非AI）用电需求较2023年的增幅上调至220%，对应905TWh的增量 [7] - 新增用电需求中约60%发生在美国，较此前约50%的预测权重继续抬升 [3][7] - 美国数据中心容量预计将从2025年的32GW大幅增长至2030年的95GW，海外预计从42GW增长至72GW [7] - 高盛将美国整体电力需求增速预期上调至2030年前年化3.2%（此前为2.6%），其中数据中心单项贡献了2个百分点 [9] 云厂商资本开支与财务压力 - 过去两个月，高盛对2026-2027年超大规模云厂商的资本开支与研发预算合计上修超过3000亿美元 [8] - 预计主要全球超大规模云厂商的资本开支与研发到2029年将较2025年翻倍 [8] - 预计2026年和2027年的再投资率（资本开支+研发/经营现金流）将分别达到87%和83%（此前为79%和76%），挤压了可分配给股东的自由现金流空间 [8] - 尽管投入强度高，但超大规模云厂商资产负债表仍强，净负债/EBITDA约0.3倍（2026年） [18] 电力供应瓶颈与解决方案 - 行业瓶颈正从发电设备转向劳动力短缺，为满足2023-2030年需求，美国需新增约51万电力与电网相关岗位，欧洲需约25万 [13][14] - 输配电环节是劳动力风险集中地，美国仅此环节就需新增约20.7万个岗位，意味着约22%的劳动力增长需求 [14] - 由于电网并网、输配电周期拉长，“表后电”（以天然气为主）成为过渡方案，以让机房先运行起来 [3][9] - 超大规模云厂商长期偏好仍是电网供电，但愿意为“绿色可靠性”支付溢价，在美国，满足基荷可靠性的清洁能源组合供电成本较基准高约40-48美元/MWh [11] - 将此溢价应用于2030年全球数据中心用电增量（905TWh），对应行业支出约370亿-430亿美元，相当于2027年超大规模云厂商总EBITDA的3.4%-4.0% [12] 技术演进与能效挑战 - 新一代服务器效率提升（如英伟达Vera Rubin比Blackwell训练场景效率提升16%），但算力需求增长更快，单台服务器功耗也在上升（Vera Rubin单台最大功率比Blackwell高68%） [10] - 推理端成为关键变量，高盛承认推理功率强度正在上修，2026年是观察推理能耗路径的关键窗口 [10] 市场影响与投资主题 - 自2025年以来，数据中心相关电力生态股票整体跑赢MSCI ACWI指数约41个百分点，跑赢超大规模云厂商约36个百分点 [16] - 其中发电设备相关公司表现最强，领先其他供应链队列约196个百分点 [16] - 投资主题已从单纯的AI扩展至更广泛的“可靠性超级周期”，涵盖电力、水、网络、供应链等领域，对应的年化资本开支增长超过800亿美元 [15] - “可靠性超级周期”结束的条件包括：AI竞争威胁感消退、企业回报与自由现金流明显恶化导致投资能力下降，或冗余投入被认为已足够 [16] AI发展阶段与未来焦点 - AI当前仍处于“希望与梦想”的创新周期阶段，但资本开支上修让向“执行期”过渡的讨论升温 [18] - 进入“执行期”的三个潜在触发器是：财务弹性受限、企业回报下行、产品供给过剩 [18] - 目前前两项有“边际变化”但未构成拐点，而算力与token需求尚未出现供给过剩 [18] - 市场将越来越苛刻地追问AI的收入与现金流来源，以及谁能留住价值 [5][18]