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 数据中心需要电力、土地、冷却、变电站、输电线路、并网审批和地方政治许可。

核心观点很清楚：AI 基础设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：模型需求推动数据中心资本开支，资本开支要求电力采购，电力采购依赖电网并网，并网推动公用事业资本开支，而公用事业资本开支又受到能源政策、许可、费率和成本分摊约束。

AI 叙事是算力。基础设施瓶颈是电力。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础设施？

国际能源署估计，在基准情景下，全球数据中心用电量到 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 承诺速度与电网承载速度之间的错配，正是政策进入估值链条的地方。

从云资本开支到电力采购

过去讨论云资本开支，主要看服务器、芯片、网络设备和数据中心外壳。现在这个框架已经不完整。

大型数据中心承诺不仅是半导体需求信号，也是输配电升级、变电站、变压器、备用电源、冷却、天然气、核电、储能、费率基数增长和州级许可的需求信号。

Policy Alpha Research 将 AI 基础设施拆成三层：

层级
范围
分析问题
算力
GPU、网络、服务器、云集群、训练与推理。
谁控制稀缺算力容量？
电力
电力供应、电网接入、电力采购、可靠性与冷却。
谁能在合适地点锁定足够兆瓦？
政策
FERC 规则、州级公用事业监管、费率、许可、激励和地方约束。
谁获得许可、成本回收和并网优先权？

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。

并网是新的瓶颈

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、输电研究和受监管成本回收运行。

如果数据中心获得加速并网，升级成本由谁支付：客户、现有电费用户、公用事业，还是区域输电流程？

FERC 围绕 AI 数据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。

数据中心正在变成工业资产

“数据中心”听起来很数字化，但 AI 数据中心越来越像重工业资产。

AI 基础设施通过物理投入扩展：芯片、建筑、电力、电网接入、冷却和监管许可。

工业建设不仅按需求定价，还按执行、许可、资本开支纪律、供应链可靠性和政策连续性定价。

谁受到影响？

电力约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
风险检查
超大云厂商
云厂商竞争 GPU、土地、电力合同、并网名额和运营容量。
资本开支承诺只有在基础设施按时接入后才会转化为收入。
数据中心运营商
已锁定电力并具备公用事业关系的运营商可能获得稀缺价值。
公用事业升级周期与本地许可可能延迟商业化。
公用事业
负荷增长可支持费率基数扩张和输电投资。
如果数据中心推高现有客户账单，监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。
发电与储能
天然气、核电、SMR、电池和稳定清洁电力进入数据中心采购讨论。
部署时间和监管审批才是真正约束。

这不是推荐清单，而是政策传导图。

需要观察的政策变量

最重要变量包括 FERC 大负荷与共址规则、州级数据中心费率、并网改革、输电建设、能源激励、核电和 SMR 许可、天然气发电审批、水资源使用和地方许可。

政策观察清单重要，是因为 AI 基础设施不再只受私人资本约束，也受公共许可约束。

多头与空头情景

多头情景：电网快速适应

  • 监管机构明确大负荷并网规则。
  • 公用事业获得清晰成本回收路径。
  • 输电投资增加，云厂商锁定长期电力供应。
  • 电力设备与已锁定数据中心容量获得稀缺价值。

空头情景：电费与可靠性反弹

  • 地方社区聚焦电费、水资源和电网可靠性。
  • 数据中心审批放缓或面临更严格费率。
  • 公用事业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。

最现实的基础情景可能是：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、云资本开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 基础设施物理约束的公司。

已宣布的 AI 基础设施投资与能够为其供电的物理容量之间的落差，就是执行风险所在。

Policy Alpha 观点

AI 正在从软件故事转向基础设施故事。

没有可靠电力的数据中心，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 基础设施讨论。

最强版本的 AI 基础设施逻辑，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，并获得足够监管支持。

AI 叙事是算力。基础设施瓶颈是电力。政策问题是：谁先接上电网。

观察信号

上修信号

  • FERC 或区域电网运营商加快大负荷并网审批。
  • 州级数据中心费率明确成本分摊，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。
  • 公用事业资本开支计划与签约数据中心负荷绑定。
  • 变压器、开关设备和变电站部署加速。
  • 核电、SMR、天然气或储能项目直接连接数据中心需求。

下修信号

  • 围绕电费、水资源或电网可靠性的地方反弹。
  • 数据中心暂停令或限制性州级规则。
  • 输电或并网队列延迟。
  • 公用事业无法回收升级成本。
  • 电力接入跟不上，导致云厂商资本开支放缓。
  • AI 工作负载效率提升降低预期电力需求增长。