行业与公司 * 报告主要涉及人工智能（AI）创新周期及其对相关行业的影响，特别是AI/数据中心电力需求产业链 [1] * 报告将AI创新周期与2003-2020年的美国页岩（Shale）创新周期进行对比，以汲取投资启示 [1][21] * 报告持续看好AI/数据中心电力供应产业链的股票，并列举了覆盖全球的“赋能电网”生态系统公司，包括燃料/电力供应商、公用事业公司、发电设备商、专业电网基础设施承包商、输电相关公用事业公司、电池存储/备用电源、电气组件、冷却解决方案等领域的众多企业 [5][16][19] * 报告中明确提及的超大规模企业（Hyperscalers） 包括：Google、Microsoft、Meta、Amazon、Oracle、Baidu、Tencent和Alibaba [38] 核心观点与论据 * 当前阶段判断：公司认为AI创新周期目前正处于评估/希望与梦想阶段，该阶段对基础设施投资和股票估值倍数最为利好 [5][23] * 周期转换催化剂：基于页岩周期的经验，从评估阶段转向执行阶段需要三个催化剂：企业回报率下降、财务灵活性受限以及供应过剩 [5][6] * 对于AI周期，目前总体上尚未到达拐点，但财务灵活性已开始成为投资者区分公司的因素 [5][6] * 当前状况分析： * 供需：目前数据中心空置率预计保持紧张，团队基本假设是低空置率将持续，但关于是否会过度建设的争论依然存在，预计2027年供需平衡将逐步宽松 [9][38] * 财务灵活性：超大规模企业（主要是业务多元化的现有巨头）仍拥有充足的财务灵活性，预计2025-27年其资本支出占营业现金流的比例为76%-79%，这意味着仍有超过20%的现金流可回报股东或偿还债务，资产负债表依然强劲 [38][39] * 企业回报率：超大规模企业当前的现金投资现金回报率仍处于24%-31%的历史区间高端，远高于行业平均水平，分析师预测未来两年仅有轻微而非实质性的恶化 [9][38] * 竞争威胁：目前各行业管理层评论表明，AI仍被视为需要投资的竞争优势和竞争威胁，尚未出现因投资不足而丧失竞争地位的明显风险 [38] * 投资策略影响： * 在当前的评估阶段，AI效率提升（如更高效的芯片/服务器和AI模型）并未导致客户预算降低，而是被积压需求所吸收，预算持平甚至增加 [5][47] * 一旦进入执行阶段，投资策略将发生重大转变，重点将转向基于企业回报率、资产负债表和市场份额的个股选择，AI效率提升更可能导致企业预算下调 [5] * 电力需求与可靠性主题： * 电力需求增长：在2015-19年持平后，数据中心电力需求在2021-23年加速增长，预计到本十年末将增长约175% [13] * 发电量增长：公用事业研究团队预计，美国和欧盟27国的电力消费增速将加快至本十年末，达到20多年未见的水平 [16] * 可靠性投资：维持电力、水、劳动力、网络和供应链的可靠性需要在投资增加，这推动了“可靠性”主题的投资机会 [5][7] * 关键问题：2026年及以后可靠性主题的前景取决于两个关键问题：1) 基础设施冗余是否足以提供可靠的未来电力、水、供应链、劳动力和网络？2) AI的影响和创新是否已得到充分界定？ [8][10] * 公司预计市场对这两个问题的共识答案将是“否”，这将推动可靠性主题相关公司的投资机会持续激增 [15] 其他重要内容 * 页岩周期历史与启示： * 页岩周期经历了勘探、评估（希望与梦想）和执行/效率三个阶段 [25] * 评估阶段以“页岩选择”（板块普涨）和显著的估值倍数扩张为特征，投资者更关注长期资源价值而非短期回报和执行 [27] * 执行阶段以“个股选择”为特征，投资者更关注成本结构、资本回报率和自由现金流等财务指标分化 [27] * 页岩周期转换的具体表现包括：产品从供应不足转为过剩（天然气在2008-09年，石油在2014-15年）、创新被认为足以支持多年开发、创新者财务灵活性受限（资本支出占营业现金流比例超过100%）、创新者企业回报率开始恶化并变得不及格 [32] * 页岩创新者的股票估值（每美元现金投资对应的企业价值）在企业回报率高时上升，在回报率被确认下降时普遍下跌，估值倍数从2008年峰值的2.1倍跌至2019年底的约0.5倍 [34] * 效率提升的具体数据：以NVIDIA服务器系统为例，DGX H100的最大功耗是DGX A100的约1.5倍，但计算速度是其约7倍；DGX B200的最大功耗是DGX H100的约2倍，但计算速度是其约15倍，这表明计算速度的增长远快于功耗增长，单位算力功耗强度显著降低 [49][50] * 超大规模企业资本支出规模：预计到2027年，八大超大规模企业的资本支出+研发支出将是2017年水平的8-9倍 [46]