涉及的行业与公司 * **行业**：数据中心、AI基础设施、IT硬件、网络[3] * **相关公司**：Digital Realty (DLR)、Equinix (EQIX)、Iren (IREN)[3] 核心观点与论据 超大规模企业（Hyperscalers）的容量策略 * 超大规模企业倾向于自建数据中心以优化成本和控制供应链，但激增的AI需求正推动其持续依赖托管（colocation）市场和新云（neocloud）提供商来获取增量容量[2][3] * 当内部供应无法满足需求时，超大规模企业会转向托管提供商，这种依赖不太可能减弱[3] * 托管提供商（如Digital Realty, Equinix）的关键竞争优势在于提前完成了获取土地、分区和电力许可的授权流程，该流程需12-30个月，使其能在12个月内交付容量，为超大规模企业提供了更可预测的时间线和更快的上市速度[2][3] 新云（Neocloud）提供商的角色 * 当超大规模企业自有资产和托管市场仍无法满足容量需求时，会转向新云提供商[6] * 新云提供商除了能以略低于主流云提供商的价格提供可用容量外，并未提供根本性的战略利益[6] * 由于市场需求的持续性，多年期协议到期后，负载不太可能转移[6] * 合同续签时，由于硬件周期加速（如英伟达约每两年强制更新一次），需要进行技术更新换代[6] 数据中心地理格局的分化 * AI训练集群正迁移至电力资源丰富的偏远地区（如西德克萨斯州、俄亥俄州中部），这些地点适合部署1吉瓦（GW）以上的大规模训练，对延迟和用户邻近性要求较低[2][7] * 云和AI推理工作负载仍集中在主要都市区，供应紧张导致需求溢出到邻近区域（如亚特兰大、芝加哥、湾区供应非常紧张；北弗吉尼亚州的需求已扩展至西弗吉尼亚州、马里兰州和里士满）[7] * 已进入电网互联队列或拥有现场发电许可的土地，其价值是原始未授权土地的3-5倍，特别是在西德克萨斯州等市场，这反映了在美国任何地方获得大规模电网互联需要4-7年的时间[7] * 一个1吉瓦（GW）站点的收入潜力估计为100亿至120亿美元[7] 电力供应与成本 * 现场发电（behind-the-meter power）有助于绕过4-7年的电网互联排队，但其成本是电网供电的两倍，是一种高成本的过渡性解决方案[2][8] * 一旦电网供电可用（可能在4-7年后），大多数运营商将选择接入电网，预计很少有数据中心会保持“孤岛”运行，尽管一些站点完全过渡可能需要10-15年[8] * 在ERCOT地区，针对大于75兆瓦（MW）的负载，批量零流程（batch zero process）目标是在2027年实现电网连接，但公用事业公司不会一次性分配全部请求电量，例如，500兆瓦（MW）的请求最初可能只获得100兆瓦（MW），并在数年内分阶段增加[8] 其他重要内容 * AI训练客户具有粘性，因为平台间切换成本高且存在数据引力[7] * 旧一代芯片（例如Blackwell全面部署后的Hopper）在横向扩展用例中仍有价值（例如用户从100万扩展到500万需要更多芯片而非更快芯片），但领先的AI实验室始终要求可用的最高性能硬件[6] * 专家认为，鉴于市场需求的持久性，负载在多年协议到期后不会转移[6]