涉及的行业与公司 * 行业：电力行业、能源行业（特别是天然气和铀）、人工智能（AI）数据中心行业 [1][9][34] * 公司：看涨的能源供应商，包括天然气公司EQT、EXE、DVN以及铀公司CCJ和KAP [34] 核心观点与论据 * AI的电力需求呈指数级增长且难以满足：大型语言模型（LLM）的训练算力每年增长5倍，GPT-3在2021年的训练耗电量为1,287,000 kWh，预计明年训练单个LLM的能耗将相当于抚养超过一百万儿童至成年的能量 [5][6] AI推理（查询）的能耗因任务复杂度而异，从文本分类的极低能耗到视频生成的极高能耗，相差数个数量级 [9][10][11][12] 总体AI电力需求的变化范围可超过8个数量级，而美国整体电力需求增长缓慢，预计到2030年仅从4 PWh增长至约4.9 PWh，年复合增长率约2%，供应弹性远低于AI需求弹性 [15][16][17] * 电力供应增长缓慢且存在争夺：美国总电力需求预计缓慢增长，AI数据中心的电力需求属于"商业"类别，若想获得更多电力，只能通过固定合同或抬高价格从其他用途"争夺" [15][16][17] 无法要求电力工程师以十倍速度交付电力，最多只能实现百分比增长，而计算机科学家可以优化算法十倍提升效率 [18][19] * 基于杰文斯悖论，人类对电力的需求近乎无限：技术效率提升（如煤炭使用效率）通常会导致消费量增加而非减少，因为更低的成本激发了更多用途，这并非悖论，而是反映了人类对有效用物品的无限需求 [25][26][27] 经济正在全面电气化，全球能源需求持续增长，所有能源类型都将被需要 [29][30][32][33] * 看好上游能源供应商的纪律性：公司看好天然气和铀供应商，认为在AI GPU和数据中心投资热潮中，上游能源供应商保持了投资纪律，并未出现投资过剩 [34][36] 推荐那些为经济电气化提供一次能源的纪律性供应商 [34][36] 其他重要内容 * AI的货币化终局是利用内向者的不安全感：AI的最终货币化模式是创造虚拟知己/朋友/治疗师，通过代理型LLM训练来预测用户行为，从而说服用户进行消费（如赌博、度假），本质上是货币化内向者的不安全感 [24] * 电力价格由供应商满足需求的意愿决定：价格是在供应商选择满足需求时设定的 [34]