执行摘要

过去两年的 AI 交易主要围绕算力展开。这并不奇怪，第一阶段的瓶颈是先进 GPU、模型训练集群和云端容量。

下一阶段的瓶颈可能不再那么数字化，而会更加物理化。AI 資料中心需要电力、土地、冷却、变电站、輸電线路、併網审批和地方政治許可。

核心觀點很清楚：AI 基礎設施正在成为一种能源政策交易。

Policy Alpha Research 更倾向于把它视作传导链：模型需求推动資料中心資本開支，資本開支要求电力采购，电力采购依赖电网併網，併網推动公用事業資本開支，而公用事業資本開支又受到能源政策、許可、費率和成本分攤约束。

AI 叙事是算力。基礎設施瓶颈是电力。Policy Alpha Research · June 2026

为什么现在重要

早期问题是：谁拥有足够 GPU？现在问题变成：谁能把 GPU 承诺转化为真正可运行的基礎設施？

国际能源署估计，在基准情境下，全球資料中心用电量到 2030 年可能增加一倍以上，达到约 945 TWh。预测会变化，但方向已经清晰。

更重要的不是总需求，而是负荷集中度和时间节奏。AI 园区可能非常庞大、地理上高度集中，并且对时间敏感。

AI 承诺速度與电网承载速度之间的错配，正是政策进入估值链条的地方。

从云資本開支到电力采购

过去讨论云資本開支，主要看服務器、晶片、网络设备和資料中心外壳。现在这个框架已经不完整。

大型資料中心承诺不仅是半导体需求信號，也是输配电升级、变电站、变压器、备用电源、冷却、天然氣、核電、儲能、費率基数增长和州级許可的需求信號。

Policy Alpha Research 将 AI 基礎設施拆成三层：

层级
范围
分析问题
算力
GPU、网络、服務器、云集群、训练與推理。
谁控制稀缺算力容量？
电力
电力供应、电网接入、电力采购、可靠性與冷却。
谁能在合适地点锁定足够兆瓦？
政策
FERC 规则、州级公用事業監管、費率、許可、激励和地方约束。
谁获得許可、成本回收和併網优先权？

算力层获得标题，电力层决定标题能否转化为实际运营容量。

併網是新的瓶颈

美国电网并不是为突发的 AI 负荷增长而设计的。它原本围绕更慢的规划周期、发电新增、輸電研究和受監管成本回收运行。

如果資料中心获得加速併網，升级成本由谁支付：客户、现有电费用户、公用事業，还是区域輸電流程？

FERC 围绕 AI 資料中心共址和大负荷议题的程序显示，这已经不是理论问题。需求必须接入电网，同时不能错误地社会化成本或削弱可靠性。

資料中心正在变成工业资产

“資料中心”听起来很数字化，但 AI 資料中心越来越像重工业资产。

AI 基礎設施通过物理投入扩展：晶片、建筑、电力、电网接入、冷却和監管許可。

工业建设不仅按需求定价，还按执行、許可、資本開支纪律、供应链可靠性和政策连续性定价。

谁受到影响？

電力約束的影响远超显而易见的 AI 公司，它会在资本市场多个环节形成结构化敞口。

敞口
潜在传导
風險检查
超大云厂商
云厂商竞争 GPU、土地、电力合同、併網名额和运营容量。
資本開支承诺只有在基礎設施按时接入后才会转化为收入。
資料中心运营商
已锁定电力并具备公用事業关系的运营商可能获得稀缺价值。
公用事業升级周期與本地許可可能延迟商业化。
公用事業
负荷增长可支持費率基数扩张和輸電投资。
如果資料中心推高现有客户账单，監管机构可能抵制成本社会化。
电力设备
变压器、开关设备、变电站、电力管理和电网系统获得二阶需求。
订单质量比 AI 相邻叙事更重要。
发电與儲能
天然氣、核電、SMR、电池和稳定清洁电力进入資料中心采购讨论。
部署时间和監管审批才是真正约束。

这不是推薦清单，而是政策传导图。

需要觀察的政策变量

最重要变量包括 FERC 大负荷與共址规则、州级資料中心費率、併網改革、輸電建设、能源激励、核電和 SMR 許可、天然氣发电审批、水资源使用和地方許可。

政策觀察清单重要，是因为 AI 基礎設施不再只受私人资本约束，也受公共許可约束。

多头與空头情境

多头情境：电网快速适应

  • 監管机构明确大负荷併網规则。
  • 公用事業获得清晰成本回收路径。
  • 輸電投资增加，云厂商锁定长期电力供应。
  • 电力设备與已锁定資料中心容量获得稀缺价值。

空头情境：电费與可靠性反弹

  • 地方社区聚焦电费、水资源和电网可靠性。
  • 資料中心审批放缓或面临更严格費率。
  • 公用事業成本回收不确定性上升。
  • 云厂商将项目转向表后发电或约束更少的地区。

最现实的基础情境可能是：AI 电力需求继续增长，但市场开始为区域摩擦定价。

资本流向含义

第一阶段 AI 交易奖励最接近加速器、云資本開支和模型部署的公司。

如果瓶颈转向电力，资本可能轮动至解决 AI 基礎設施物理约束的公司。

已宣布的 AI 基礎設施投资與能够为其供电的物理容量之间的落差，就是执行風險所在。

Policy Alpha 觀點

AI 正在从软件故事转向基礎設施故事。

没有可靠电力的資料中心，不是 AI 工厂，只是一栋装着昂贵设备的建筑。

能源政策必须进入 AI 基礎設施讨论。

最强版本的 AI 基礎設施逻辑，不只需要需求，还需要足够电力在正确地点、以正确成本、按正确时间交付，并获得足够監管支持。

AI 叙事是算力。基礎設施瓶颈是电力。政策问题是：谁先接上电网。

觀察信號

上修信號

  • FERC 或区域电网运营商加快大负荷併網审批。
  • 州级資料中心費率明确成本分攤，同时不阻断需求。
  • 云厂商签署具备可信交付时间表的电力协议。
  • 公用事業資本開支计划與签约資料中心负荷绑定。
  • 变压器、开关设备和变电站部署加速。
  • 核電、SMR、天然氣或儲能项目直接连接資料中心需求。

下修信號

  • 围绕电费、水资源或电网可靠性的地方反弹。
  • 資料中心暂停令或限制性州级规则。
  • 輸電或併網队列延迟。
  • 公用事業无法回收升级成本。
  • 电力接入跟不上，导致云厂商資本開支放缓。
  • AI 工作负载效率提升降低预期电力需求增长。