报告行业投资评级 - 报告未明确给出行业投资评级 [1] 报告核心观点 - AI发展导致数据中心电力需求激增 2023至2030年全球数据中心电力需求增长预测由175%上调至220% 增量相当于全球第六大电力消费国的用电量 [1] - AI供需失衡的核心驱动力正从人类与AI交互转向智能代理间通信 代币消耗量将持续超预期 [1] - 输配电领域的人力短缺是AI发展的最大制约 美国需新增约2万名需4年培训的电工 缺口迫使企业转向效率较低的“表后”天然气解决方案 [1][3] - 超大规模企业有能力承担绿色能源溢价 即使每兆瓦时成本增加40美元 对2030年EBITDA影响仅约2.5% [1][5] - 到2030年 数据中心能源结构预计为60%火电（以天然气为主）加40%可再生能源 核能的实质性贡献需等到2030年代 [1][6] - 超大规模企业资本支出占经营现金流比例虽高（2026年预计为87%）但净债务/EBITDA极低 财务灵活性仍存 [1][7] - 公用事业公司因监管限制、资产负债表较弱及“先行者风险”规避心理 在大规模核电投资上执行滞后 [1][7] 电力需求增长与驱动因素 - 超大规模企业在2026和2027年的资本与研发预算合计增加超过3,000亿美元 将逐步传导至电力需求 [2] - 全球AI及非AI数据中心电力需求预测上调原因包括：推理环节能源强度假设提升、服务器出货绝对数量增加、新一代服务器部署加速以及全球数据中心建设加速提升了电力需求转化能力 [2] - AI算力和代币市场存在严重供需失衡 需求增长将持续超预期 主要驱动力是企业对代币流动基础来源的需求增加以及智能代理间通信产生的流量将远超人机交互流量 [2] 发展制约因素分析框架 - 分析AI发展对电力需求的推动与制约可采用包含六个“P”因素的框架：AI普及程度、模型与服务器生产效率、电力价格、政策、零部件以及人力 [3] - 当前最主要的制约因素是人力短缺 对电力价格上涨、供应成本或AI普及度的担忧相对较低 [3] - 仅美国就需要新增约50万个岗位支持数据中心发展 其中发电领域30万个 输配电领域20万个 真正的瓶颈在于需要四年技能培训的电工 美国目前约有4.5万名能源学徒 还需额外增加2万至2.5万名 [3] 企业策略与解决方案 - 人力制约促使超大规模企业及投资者调整策略 由于电网建设周期长（3到5年） 他们开始更多地部署“表后解决方案” [3] - “表后解决方案”主要依靠天然气供应 具体形式包括简单循环和联合循环发电机 短期内高效联合循环发电机供应有限 简单循环发电机（效率较低）可能是唯一选择 [4] - 州级层面电力可负担性问题已引发数据中心暂停建设、立法及对消费者电费上涨的担忧 [4] - 为应对此问题 行业正尝试建立“用户付费”模式 即超大规模企业根据其声称需要建设的规模支付更高电费 以减少对普通消费者的影响 [4] 企业财务承受能力与能源结构展望 - 超大规模企业有能力承担更高的绿色可靠能源成本 即使每兆瓦时成本增加40美元且全额承担 对其2030年EBITDA影响仅约2.5% 对资本回报率和现金投资回报率影响不足1个百分点 [5] - 预计到2030年 数据中心电力来源约60%来自火电（主要是天然气） 40%来自可再生能源 另有少量核能 [6] - 2030年代核能将扮演更重要的角色 但零部件供应是关键影响因素 若天然气联合循环涡轮机供应延迟至2029-2031年 而核能在2030年代中期前无法发挥实质性作用 则短期选择将局限于表后简单循环天然气方案及太阳能、风电与电池储能组合 [6] 企业财务状况对比 - 超大规模企业资本支出占经营现金流比例虽上升至87% 但净债务与EBITDA比率极低 资产负债表稳健 财务上仍具备灵活性 [7] - 公用事业公司资产负债表实力较弱 且作为受监管实体需获得许可并通过资本市场融资 投资者会评估项目可行性及合同支持 [7] - 在大规模核电投资上 公用事业公司存在“谦让”现象 倾向于等待其他公司先行先试 以规避长期资本投入而短期内无法产生收入的“先行者风险” [7]