燃機主線Beta首先我們在前期文章中提到過，現在AI資料中心下半場的競爭就是電力和節能，北美缺電無疑是明年最熱的話題之一。在北美的能源結構中氣電是主要發電方式（佔據40%以上），那麼在北美缺電作為明年最大的產業趨勢背景下，燃機全產業需求紅利有望持續超預期，這不但促使資本市場持續上修全產業的EPS及業績增速維度PE，還會存在大量產業事件驅動情緒維度PE上升，全行業呈現戴維斯連按兩下！潛在事件驅動（本質為保證A股主線行情的延續）：①燃機產業漲價事件②三大燃機巨頭（西門子能源、GEV和三菱）業績交流會對行業的需求或景氣度指引超預期③科技大廠開電力閉門大會，提到AI電力的重要性④國內外燃機產業鏈企業業績持續超預期⑤缺電導致資料中心項目推遲、群眾喧鬧、電解鋁大廠停產等事件發酵⑥北美電價持續上漲對於任何產業，紅利爆發曲線陡峭本質就是業績增長曲線陡峭，換算為數學維度來說不但業績向上一階導足夠大，向上二階導也要足夠大。落實到實業維度來看一般會呈現以下幾個特徵：1、“出貨量大幅提升—行業總需求提升且企業端產能持續擴大給予滿足，非降價搶佔存量蛋糕”2、“產業價格上漲—緊缺導致的漲價，非成本上升導致的漲價”3、“行業利潤率邊際上修——通過規模降本、良率提升、價格上漲等因素導致利潤率持續提升”形成“量、價、利”三維提升的局面 = Q↑ *（P↑- C↓）目前來看，可出口北美的HRSG是符合上述三個特徵的，誰具備可出口北美的HRSG產能即可享受上述的“量、價、利”齊升局面。為什麼“可供北美”如此關鍵？因為目前國產的HRSG產能，都是沒法賣到北美的，只有在海外有產能的HRSG才能賣到北美，具體原因我們下面會有解釋。HRSG需求側北美HRSG剛需邏輯：HRSG為餘熱鍋爐，主要用於天然氣聯合循環發電，收集餘熱進行二次發電，價值量佔比不到10%，但佔聯合循環發電氣電機組容量功率的30-40%。電力剛需性維度：北美當下電力缺口持續擴大，在燃機主機缺口顯著情況下，儘可能增加單燃機組發電量，HRSG則為剛需配件；電站經濟性維度：按配套500MW發電功率主機的HRSG來算，整機HRSG單價在900-1000萬美金/台（漲價前），年發電量接近7-8億度電，按美國平均工業電價1-1.2元/度測算，一年可貢獻超7億的經濟收益，而成本也就不到1億人民幣，顯著提升電站IRR，從而HRSG為剛需配件；電站項目落地進展維度：在北美弱電網影響下，並網有效資源相對較低，電力電網公司優先並網高電力效益電站項目，若沒有HRSG輔助，眾多氣電項目或難以獲得優先並網權，影響電站建設方資金攤銷財務成本。北美HRSG採購現狀：只要能供應北美的產能有多少要多少，可鎖的產能有多少鎖多少！HRSG供給側北美HRSG供給壁壘：非中國HRSG產能是供應北美的唯一路徑①政策限制：在2020年12月川普政府簽署的行政命令：禁止為美國關鍵國防設施供電的電力公司從中國進口電力系統裝置，以及【德州孤星法案】等地域性電力裝置限制政策影響下，美國大型核心主幹電網電力體系燃機項目幾乎不可能採購國內HRSG產能。（海關在貨物出口時會嚴查相應編碼編號，過關難度極高；採購方會進行原材料場地審廠，不滿足政策要求是不會進行下單採購的，把國內零部件轉移到海外進行加工貼牌的方式出口北美幾乎也沒辦法實現）②關稅限制：即便項目方具有特殊性質，繞開北美各類政策限制（極小機率），獲得直接從中國進口HRSG的特權，從中國進口HRSG產能也會受到懲罰性關稅，至少在35-50%以上，大幅提高HRSG採購成本，顯著影響電站收益IRR。③合作協議限制：HRSG技術早期海外較為成熟，國內很多產能都與海外企業簽了技術授權協議，在產品出口上存在較多限制，尤其歐美地區。這方面可參考N.E與國內HRSG龍頭XZJN的合作以及華光環能與瑞士某企業合作即可。從合作協議維度看，國內產能不會主動獲得北美相關客戶訂單。海外HRSG產能建設門檻1、有經驗的工人：HRSG產能建設極度依賴有經驗的工人，人工的費用佔40-50%左右的成本，但有經驗的工人培訓需要較長時間，成功率比較高，可以縮短整個產品的交期；2、HRSG建設對地域要求較高：HRSG海外建設廠房選址批覆難度大，通常審批時間快則半年，慢則2年；而且還對建廠所在地的電網要求較高，很多國家還是比較缺電的，在建廠時，電網並不能保證24小時持續供電；3、產品技術門檻：考慮到出口北美項目的高要求限制且可符合美國弱電網需求，海外大廠對可出口北美產能的審廠環節會比普通項目更長更細，技術指標要求基本是按地域級設定的；按國內標準是無法滿足美國的要求的，比如美國對材料厚度要求更高，國內只要求5mm，美國要6mm，光潔度我們是A級，美國要C級，油漆我們這邊一般都是三道，每道2mm厚度，但美國要4-5道，還有包裝等的要求，都是比我們這邊要嚴格很多，因此出口到北美的產品價格比國內要貴70-80% 。4、餘熱鍋爐為高度定製化產品，設計受燃氣輪機型號、燃料成分（如含硫量）、運行工況（如啟停頻率）等因素影響，即使同型號裝置在不同地區配置也不同，無法標準化批次生產。而製造業有個比較明顯的特點是，當公司願意去投入新的產能時，基本上就意味著已經鎖定了比較多的客戶。綜合來說，在海外從無到有的建設新產能周期較長，短則2-3年，從而可供應北美的供給側極度緊張，目前可供應北美的HRSG總產線也僅泰國6條、韓國4條、越南6條，少的可憐。HRSG供需缺口＆價格供需缺口：在考慮所有海外HRSG產能全部供給北美的情況下，2026-2030年HRSG可供北美產能始終呈現供不應求情況，供需缺口平均在20-30%。而根據產業資訊瞭解，目前國內HRSG產能並無擴產規劃，正在擴產的只有國內某HRSG企業的越南產能。下面這個表是根據各大廠規劃產能及需求指引測算的理論參考資料，產業實質會有一定偏差，誤差範圍預計在5-10%區間，目前根據產業調研HRSG最缺的時期或在2027-2028年，峰值缺口會達到40-50%，隨後隨著國內某HRSG企業越南產能的全面投放而得到一定緩解）可供應北美HRSG供需情況總結：3-5年供不應求，5-10年高需求高景氣（參考某研究所去上市公司調研的口徑）（個人判斷是極大機率兌現的，甚至緊缺周期會比3-5年更長，畢竟此文章自始至終沒有考慮歐洲需求的滿足，歐洲對國內產能的限制也是非常多的，且燃機需求比例也佔20-30%以上！）可供應北美HRSG產品價格：尊重經濟學規律，在供需缺口顯著的情況下，價格只會水漲船高，且考慮到價值量比重不大，價格彈性絕對值較大。結合產業調研資料，預計2026年可供應北美HRSG產品價格漲幅平均20%以上，而且在產品供不應求的情況下，越南價格會向韓國價格靠攏，2028年對比2025年產品價格平均翻一番（類比燃機主機漲價節奏）。明年Q1預計是HRSG集中談價時期，歡迎各位進入星球我們一同跟蹤！ (傅里葉的貓)

德州電網管理機構ERCOT報告顯示，申請在2030年前接入德州電網的大型專案容量合計已超220GW，是今夏該州峰值需求的兩倍多，其中超七成是數據中心。今年在德州申請電力連網的大型計畫數量幾乎翻了兩番，其中超半數、約128GW計畫尚未提交ERCOT審查。美國德州正在經歷一場瘋狂的資料中心建設熱潮，規模之大已引發業內人士對泡沫的警告。由AI繁榮推動的資料中心專案如潮水般湧入這個州，能源專家任務，這些需求根本不可能滿足。根據德州電網管理機構德州電力可靠性委員會（ERCOT）本周稍早公佈的報告，申請在2030年前接入德州電網的大型專案容量合計已超過220吉瓦（GW）。 ERCOT數據顯示，其中超過70%是資料中心專案。 220GW是德州今年創紀錄的夏季高峰需求約85GW的兩倍多，也遠超過該州約103GW的季度總發電容量。德州大學奧斯汀分校研究科學家、能源諮詢公司IdeaSmiths創辦人Joshua Rhodes直言：「這絕對看起來、聞起來、感覺起來——就像一個泡沫。整體的數字簡直可笑。我們根本沒有辦法在地面上建造這麼多基礎設施來滿足這些數字。我甚至不知道中國能不能這麼快做到。 」這場熱潮也引發了更廣泛的信貸擔憂。橡樹資本管理公司聯合創始人霍華德·馬克斯（Howard Marks）在本周的報告中寫道：“需要考慮的一個關鍵風險是，數據中心建設熱潮可能導致供應過剩。一些數據中心可能變得無利可圖，一些所有者可能會破產。我們將拭目以待，看看在當前這種令人興奮的環境下，那些貸款機構能夠保持理性。”「瘋狂」的需求數字背後德州ERCOT的數位規模令業內資深人士震驚。 2014年至2019年曾擔任ERCOT獨立市場監督員主任的Beth Garza表示，這些數字“大得瘋狂”，“無論是設備方還是消費方面，都沒有足夠的東西來滿足這麼大的負荷。”廉價的土地和廉價的能源吸引了大量資料中心開發商湧入德州。 Rhodes表示，到2030年末都將不可能滿足如此之大的需求。2023年，德州立法要求，將尚未簽署電力連接協議的項目納入電力需求預測。自那以來，該州的數據中心申請激增。今年，申請電力接入的大型專案數量幾乎翻了兩番。但其中超過一半、代表約128GW新增潛在需求成長的項目，尚未提交研究供ERCOT審查。另有約90GW正在審查中或已獲得規劃研究批准。在能源政策諮詢專家組織Regulatory Assistance Project擔任資深顧問的Michael Hogan表示：“我們知道並非所有需求都是真的。問題是有多少是真的。”Hogan在電力行業工作了40多年，自1980年在通用電氣開始職業生涯。他說，德州的巨大數字反映了美國更廣泛的數據中心泡沫，“與德州的其他事物一樣，這是一個超大規模的例子。”實際已併入電網或獲得ERCOT批准的項目數量要小得多，容量僅約7.5GW。儘管如此，這仍然是一個相當大的數字，相當於近八座大型核電廠的電力。但Rhodes表示，德州可以滿足這一水準的需求。他說，“我們完全可以輕鬆發展8GW的資料中心”，到2030年，德州或許能夠滿足20GW或30GW的資料中心需求。德州出手抑制投機德州已採取行動將嚴肅的資料中心項目與純粹投機性項目區分開來。 5月，該州通過的一項法律要求開發商為其項目的初步研究支付10萬美元，並證明透過所有權或租賃確保了場地。他們還必須披露是否在德州其他地方概述了同一項目。德州公用事業委員會提議了一項規則，要求資料中心為每兆瓦峰值功率支付5萬美元的保證金。對於吉瓦級資料中心，開發商的成本將至少達到5,000萬美元。Rhodes表示：「與核心租戶簽訂長期合約的嚴肅開發商會願意支付這筆錢。」更多投機性開發商可能會退出電力併網排隊，這將幫助當局獲得更準確的預測。投資者面臨風險Rhodes表示，風險在於可能為那些未能實現或用電量低於預期的投機性資料中心建造發電廠、輸電線路和變壓器等電力基礎設施。而且過度建設將發生在這些基礎設施成本飆升之際，因為資料中心和其他產業都在爭奪同樣稀缺的設備。Rhodes說：「當泡沫破裂時，誰來買單將取決於已經投入了多少鋼材。」例如，天然氣發電廠的成本在過去五年中增加了一倍多。 Rhodes打比方解釋：“這有點像在市價到頂部的時候買房子。如果五年後房價下跌，你就倒霉了。”Rhodes和Hogan表示，為德州電力市場建造新發電廠的成本通常由投資者承擔，如果建造了過多產能，這為家庭提供了一定程度的保護，避免電價上漲。相較之下，一些中西部和中大西洋州的電價因資料中心需求而飆升，因為電網營運商PJM Interconnection提前數年購買發電量——負擔落在消費者身上。在伊利諾州，該州北部由PJM服務，9月的居民電價較去年同期上漲約20%。但德州的電價年比僅上漲5%，低於超過7%的全國平均漲幅。據美國能源資訊署數據顯示。Hogan表示，由於市場結構的方式，德州過度建設的風險低於PJM所服務的州。 “無論我們最終在德州看到什麼新建設施，最終投資於過剩產能的人將是受苦的人。”信貸市場的瘋狂與擔憂AI資料中心繁榮正引發對債務融資狂潮的擔憂，因為企業正在使用金融工程將負債排除在資產負債表之外。一個典型的例子是：核能新創公司Fermi Inc.尚未開發任何資料中心，但今年上市時估值一度飆升至190億美元以上，使公司創始人Toby Neugebauer和美國前能源部長Rick Perry之子Griffin Perry都成為億萬富翁。本周五的報告指出，一些估計顯示，整個基礎設施建設的成本可能達到10兆美元，有如此多的貸方排隊向這些資產投入資金，這讓人擔心正在形成泡沫，最終可能讓股權和信貸參與者面臨重大痛苦。貸方正在切割和分割債務並將其出售給其他投資者，使其變得越來越不透明。一些借款人正在使用證券化市場將AI資料中心的風險從資產負債表中轉移出去，債務被分成具有不同風險和回報的部分，由保險公司和退休基金等機構買入。媒體提到，兩位私人信貸方的人士聲稱，在貸款環境如此積極的情況下，一些借款人甚至要求100%超過項目建設成本的貸款。有一個案例顯示，借貸方要求的貸款與成本佔比達到150%，房地產開發商以設施開始收租後估值提升為由證明此請求的合理性。媒體彙編的數據顯示，今年迄今已達成至少1,750億美元的與資料中心相關的美國信貸交易。霍華德·馬克斯質疑超大規模雲端運算服務商為資助AI投資而出售的債務收益率。有時利差僅比美國國債高約100個基點，這讓這位投資老將質疑：“接受30年的技術不確定性來進行固定收益投資是否謹慎，而該投資的收益率僅略高於無風險債務？”在監管機構方面，英國對支出和融資水準日益擔憂，正在審查對資料中心的貸款。摩根大通全球數位基礎設施投資銀行業務的主管Scott Wilcoxen表示，市場上不斷出現的一個描述大量融資的短語：一切同時無處不在，這是對最近獲得奧斯卡獎的電影的戲仿。他表示：“追逐這一切的資金規模令人震驚。” （invest wallstreet)

China's AI Power Play: Cheap Electricity From World's Biggest Grid內蒙古烏蘭察布正在建設中的資料中心。|安德烈亞·韋爾德利為《華爾街日報》拍攝的照片2025年12月10日晚上9:00（美國東部時間）美國發明了最強大的人工智慧模型，並控制著最先進的電腦晶片，但中國在全球人工智慧競賽中卻有一張王牌。中國如今擁有全球規模最大的電網。 2010年至2024年間，中國的發電量成長超過了世界其他地區的總和。去年，中國的發電量是美國的兩倍多。一些中國資料中心目前的電費不到美國資料中心的一半。「在中國，電力是我們的競爭優勢，」中國國家資料管理局在3月表示。對電力霸權的爭奪正在改變內蒙古偏遠地區的面貌。這片類似德州的廣袤土地，如今遍佈數千颱風力渦輪機，輸電線路縱橫交錯。它們為官員所稱的「草原雲谷」提供電力，那裡有超過100個數據中心正在運營或建設中。這僅僅是個開始。摩根士丹利預測，2030年，中國將在電網項目上投入約5,600億美元，比前五年增加45%。高盛預測，到2030年，中國將擁有約400吉瓦的剩餘電力容量，約為屆時全球資料中心預期用電量的三倍。OpenAI將它稱為美中之間的“電子鴻溝”，這已成為美國科技領袖們極為關注的問題。微軟執行長薩蒂亞·納德拉表示，該公司擔心自身電力供應不足以驅動其採購的大量晶片。有些公司希望華盛頓方面能採取更多措施，簡化審批流程或提供財政支援，以推動美國電網的現代化。摩根士丹利預測，未來三年，美國資料中心可能面臨44 吉瓦的電力缺口，相當於紐約州夏季的電力供應量，這對美國的AI 雄心壯志構成了「嚴峻的挑戰」。在中國，低廉的電力成本幫助包括DeepSeek在內的AI公司以比美國競爭對手更低的成本開發出高品質的AI模型。這也幫助中國克服了國產晶片性能落後帶來的挑戰。透過將這些晶片大量捆綁在一起，中國或許能夠接近輝達先進晶片的性能，但這個過程需要消耗更多的電力。內蒙古境內輸電線路縱橫交錯，烏蘭察布市周邊地區亦然。中國此次電力戰略升級源自於政府2021年公佈的「東數西算」計畫。該項目旨在利用西部豐富的電力資源，滿足人口稠密的東部地區人工智慧驅動的計算需求。中國還計劃在2028年將數百個資料中心連接起來，建構一個覆蓋全國的共享計算池——也就是一些人所說的「國家雲」。數十億美元的計劃支出，加上一些未充分利用的電力和數據中心容量，引發了人們對產能過剩和市場泡沫的擔憂，就像美國的情況一樣。中國希望國家規劃能幫助減輕這些風險。兩國面臨的挑戰是，資料中心（包括人工智慧所需的眾多資料中心）的耗電量比以往任何時候都高，而且最終需要多少電力也難以預測。人工智慧的開發是一個耗電的過程，聊天機器人使用者的每個查詢都需要人工智慧模型耗費電力才能回答。預計到2030 年，中國資料中心每年的耗電量將與法國全國的用電量相當。美國數據中心的電力需求更大。根據國際能源署統計，去年美國資料中心的電力消耗佔全球資料中心電力消耗的45%，而中國則為25%。中國已投資建設太陽能發電場、風能發電場和水力發電項目。圖為烏蘭察布郊外的一座太陽能發電場。中國擴大電網規模的行動可以追溯到上世紀70年代。當時，中國擔心電力短缺會阻礙國家發展，於是引導國營企業建設了數百座燃煤電廠。後來，他們又將目光投向再​​生能源，斥巨資興建了大型水力發電項目、太陽能發電場和風力發電場。根據官方媒體報導，由於最佳地點往往遠離東部的人口中心，中國還建設了世界上最大的特高壓輸電線路網絡，自2021 年以來投資超過500 億美元。中國目前的發電裝機容量為3.75太瓦，是美國的兩倍多。據世界核能協會統計，中國有34座核反應器正在建設中，另有近200座核反應器正在規劃或提議建設中。在西藏，中國正在建設世界上最大的水電項目，其發電量可能是三峽大壩的三倍。據中國國家能源局稱，中國資料中心現在可以通過簽訂長期購電協議，以每千瓦時低至3美分的價格獲得電力。房地產諮詢公司Site Selection Group負責資料中心業務的合夥人邁克爾·拉雷希德表示，在美國，像弗吉尼亞州北部這樣的市場，運營商通常需要支付每千瓦時7至9美分。在美國，一些科技公司正在為資料中心建立自己的發電廠，川普承諾將趕上中國的電力建設步伐。白宮發言人表示，總統的這項計畫將使美國「在人工智慧競賽中勝出，同時降低能源價格並提高電網效率」。電網擴建面臨許多挑戰。太陽能產業協會在11月致能源部的一封信中指出，美國作為全球人工智慧領導者的地位「因繁瑣且不穩定的審批政策和不足的輸電能力而受阻」。該產業組織表示，包括美國主要資料中心所在地在內的18個州，其規劃的太陽能和儲能容量超過一半面臨被擱置的風險。雲谷位於內蒙古自治區烏蘭察布市及其鄰近的霍林格爾縣，距離北京西北約200英里，被指定為政府「東數西算」計畫的八個中心區域之一。這些地區大多因其電力資源豐富且價格低廉而被選中。該項目還旨在為中國內陸較貧困地區引入投資。官方已告知企業，新建資料中心只能在指定區域建設，並優先為這些區域辦理監管審批和土地徵用手續。資料中心有時只需支付一半的電費，其餘部分由政府補貼。該地區涼爽的氣候非常適合資料中心建設，減少了對空調和水冷的需求。開闊的地形也適合建設太陽能和風力發電場。烏蘭察布的地區生產總值在過去五年增加了50%。從2019年到去年，資料中心和其他資訊技術服務的用電量增加了700%以上。當地政府表示，截至6月，該市已吸引了350億美元的電腦產業投資。11月，沿著烏蘭察布市中心以東的110號國道驅車行駛，可以明顯感受到這裡日新月異的變化。道路一側，建築物大多空置，只剩下幾家不起眼的小餐館和香煙店。內蒙古烏蘭察布市廣場上，人們正在跳舞。烏蘭察布市是「東數西算」計畫的八個中心城市之一。另一側是森特瑞資料營運的資料中心，該公司還在該地區架設了風力發電機和太陽能電池板。該數據中心在破土動工僅16個月後便投入運營，為北京的客戶提供雲端運算服務。蘋果、阿里巴巴和華為也在該市設有資料中心，而包括電動車製造商小鵬汽車在內的公司則在那裡訓練人工智慧模型並處理人工智慧工作負載。在距離烏蘭察布約兩個半小時車程的霍林格，國有電力巨頭中國華電去年開始為一組資料中心建設電力基礎設施。今年，這個耗資2.3億美元的項目開始為中國最大的電信運營商和雲端運算初創公司Paratera運營的數據中心供電。為了彌補國產晶片不如美國晶片先進的不足，華為、阿里巴巴、百度和其他中國公司致力於透過捆綁數千個國產晶片的系統來提升計算能力。要讓這麼多晶片高效地協同工作，需要尖端的網絡技術和復雜的調度演算法——這項任務極具挑戰性，以至於輝達兩年前就因為成本高昂、功耗過大和可靠性不足而放棄了生產使用256 個晶片的系統。根據機器學習領域常用的一項指標，華為的CloudMatrix 384 系統（整合了384 顆Ascend 晶片）的計算能力比輝達旗艦系統（包含72 顆Blackwell 晶片）高出三分之二。但據研究公司SemiAnalysis 稱，其耗電量卻是後者的四倍。華為在烏蘭察布的資料中心。使用過華為捆綁系統的工程師表示，該系統安裝和操作都很複雜，而且據一些人說，它對於訓練大規模人工智慧模型來說不夠實用和流暢。伯恩斯坦半導體分析師林慶元表示：「短期來看，中國缺乏尖端晶片產能比美國的電力瓶頸更成製約因素。」他說，中國的電力產能至少使其能夠繼續參與競爭。林和他的同事在一份報告中寫道：“人工智慧競賽持續的時間越長，中國縮小差距的機會就越多。”Grace Zhu對本文亦有貢獻。 （invest wallstreet)

中美主導全球生成式AI早已成為不爭的事實，但其他國家也並非都是陪跑角色。瑞銀近期發佈一份研究報告，稱海灣地區憑藉低成本高韌性電力接入的適宜土地，以及支援推理設施建設的強力政策，正成為全球資料中心開發的核心優選區域。據瑞銀測算，在完全折舊的前提下，電力成本佔資料中心整體物料成本的5%-10%。海灣地區充裕的電力容量使其成為建設AI推理設施的低成本區域。此外，海灣地區發展動能正逐步積聚：與超大規模雲服務商、晶片製造商的數吉瓦級合作已逐步落地，貿易限制持續放寬，電網升級計畫與國家級戰略穩步推進，同時終端與企業側對AI推理的旺盛需求，共同構築了良好的產業發展環境。不過，鑑於地緣政治重要性與敏感性，瑞銀判斷用於預訓練的超大型資料中心園區仍大機率保留在美國。Part.01 AI縮放定律近年來，AI資本開支規模與投入強度的大幅增長，源於模型智能度與算力/資料規模的強相關性，這一規律被稱為AI縮放定律。在過去的深度學習時代，該定律發生了範式轉變：更大規模的資料集、高性能硬體及演算法最佳化共同推動算力需求激增。據EpochAI資料，2010-2024年，AI訓練所用算力呈指數級增長，每6個月便實現翻倍，遠高於20世紀50年代機器學習系統誕生初期超20個月的翻倍周期。與此同時，每一輪算力擴容都伴隨能耗的顯著攀升。新一代晶片的單GPU功耗持續走高：輝達晶片的最大功率需求已從安培架構的400瓦，提升至霍珀架構的700瓦、布萊克韋爾架構的1200瓦，預計魯賓架構將達到約1800瓦。除單晶片功耗外，算力叢集規模的擴大進一步推高整體能耗；儘管硬體能效提升可部分抵消算力增長帶來的電力需求，但綜合來看，EpochAI測算2010-2024年，前沿AI模型訓練的總電力需求年均增幅仍超100%。上述趨勢凸顯了電力成本對資料中心營運的關鍵意義——電力已成為資料中心最大的營運成本項。Part.02 合作驅動海灣地區AI基礎設施增長全球頭部生成式AI基礎設施建設方已與海灣地區達成多項合作，其中阿聯的合作項目最為典型：阿聯星門項目2025年5月，輝達、甲骨文與OpenAI宣佈在阿布扎比落地星門項目，複製其在美國的星門基礎設施建設模式。根據規劃，該項目將依託輝達最先進的GB300晶片打造1吉瓦算力容量，且是總投資規模預計達5000億美元的全球星門計畫的組成部分。同時，這也是“面向國家的OpenAI”全球倡議下的首份協議，該倡議隸屬於美國星門計畫，旨在幫助美國以外地區建構自主AI能力。1吉瓦算力叢集將由當地科技企業G42承建，甲骨文與OpenAI負責營運，輝達、思科及軟銀提供技術支援，叢集將落戶阿布扎比新建的美阿AI園區，該園區是整體AI基礎設施基地的一部分，未來總算力規劃達5吉瓦。微軟在阿聯的佈局微軟已承諾2023-2029年在阿聯投資152億美元，其中包括向G42注資15億美元，並近期宣佈在該區域建設200兆瓦資料中心園區。此外，微軟聯合貝萊德、MGX及全球基礎設施夥伴成立AI基礎設施合作聯盟，承諾總投資規模達1000億美元，輝達與xAI已於今年早些時候加入該聯盟。沙烏地阿拉伯的合作項目Google與沙烏地阿拉伯公共投資基金達成100億美元合作，將在沙烏地阿拉伯建設並營運全新的雲與AI樞紐，聚焦區域本土化AI應用。亞馬遜與沙烏地阿拉伯PIF旗下AI企業HUMAIN達成超50億美元投資協議，將打造開創性的“AI專區”，該區域基礎設施將配備約15萬顆晶片（含亞馬遜Trainium晶片及輝達GPU），此投資為亞馬遜此前宣佈的53億美元沙烏地阿拉伯基礎設施投資（2026年投用）的增量項目。高通與HUMAIN達成合作，計畫2026年採用高通加速器建設200兆瓦資料中心，但因細節尚未披露，該項目的確定性低於上述合作。Part.03 海灣地區AI應用落地進展如何？海灣地區是技術前瞻性極強的區域，擁有成熟的消費市場、創新技術資本及強力政策支援。例如，阿聯早在2017年便將AI列為國家戰略優先事項，目標2031年成為全球AI領導者，推動AI在醫療、能源、水務、教育等領域的跨行業融合，並以此提升政府治理效能。因此，海灣地區的終端與企業AI滲透率整體處於全球領先或持平水平：德勤資料顯示，阿聯及沙烏地阿拉伯58%的消費者會每日或每周使用AI工具，顯著高於英國的約20%。微軟AI滲透報告指出，阿聯的人均AI使用量位居全球第一，遠超全球均值。企業端方面，德勤調研顯示海灣合作委員會國家在AI應用意願、工具落地普及率及智能體部署進度上與全球企業基本持平，考慮到AI智能體整合的成本與時間投入，瑞銀預計海灣地區國家AI工具的普及將與全球趨勢同步。瑞銀認為，AI擴散規則的調整及AI縮放定律驅動的算力需求快速增長，為GCC國家成為領先AI基礎設施區域奠定了堅實基礎；疊加充裕電力、深厚資本市場及高技術接受度的消費群體，該區域AI相關基礎設施具備強勁增長潛力。 (智通財經APP)

一場由人工智慧（AI）革命驅動的全球性供應鏈危機正在形成，其影響深度與廣度已超越傳統的周期性短缺。這場危機的核心矛盾在於：爆炸式增長的AI算力需求，正與傳統製造業爭奪有限而關鍵的資源，從最前端的半導體晶片，延伸到電力、冷卻系統乃至工業金屬，重塑著全球生產和貿易格局。危機的起點集中於AI晶片及其製造環節。訓練和運行大語言模型需要海量的高端圖形處理器（GPU），這導致輝達等公司的先進晶片持續供不應求，交貨周期漫長。然而，瓶頸遠不止於成品晶片。製造這些晶片所必需的極紫外（EUV）光刻機等尖端裝置同樣產能受限，其複雜的供應鏈使得擴產速度無法跟上需求激增。此外，用於晶片封裝的CoWoS等先進封裝產能也已成為全球性的緊缺資源。更深遠的影響沿著產業鏈向上游傳導。AI資料中心的巨量能耗，正與工業生產和居民生活“爭奪”電力。在美國和歐洲部分地區，電網已面臨壓力，新的資料中心項目甚至因無法獲得穩定供電而被推遲。與電力配套的資料中心冷卻系統，其所需的零部件（如泵、冷卻劑）交貨時間也大幅延長。危機進一步蔓延至基礎原材料領域。用於製造伺服器機櫃、散熱系統以及電力基礎設施的銅、鋁等工業金屬，因AI基礎設施建設潮而需求大增。同時，為AI晶片提供超高速儲存支援的高頻寬儲存器（HBM），其產能已被幾家頭部企業鎖定，導致價格飆升並擠佔了其他儲存晶片的產能。這場由單一技術浪潮引發的廣泛短缺，本質上是新舊經濟模式對核心資源的一次重新配置。與傳統製造業不同，AI基礎設施的建設者——大型科技公司和雲服務提供商——對成本的承受能力更高，對獲取戰略資源的意願更為迫切，從而迅速推高了關鍵環節的價格並佔據了供應優先權。面對這種結構性變化，全球主要經濟體正採取不同策略。美國通過《晶片與科學法案》等產業政策，大力推動本土半導體製造和綠色能源投資，以夯實AI基礎設施的底層供應。中國則在強化晶片自主可控的同時，利用其在太陽能、風電等綠色能源領域的製造優勢，為資料中心建設提供可持續的電力解決方案。分析指出，此次供應鏈危機不會在短期內輕易緩解。它標誌著全球產業正步入一個以“算力”為核心資源進行配置的新階段。如何平衡AI前沿發展與傳統產業的基礎資源需求，建構更具韌性和彈性的新型供應鏈體系，將是各國政府和企業共同面臨的長期挑戰。這場由AI掀起的浪潮，正在考驗著全球工業體系的適應與進化能力。 (晶片行業)

蔡崇信近期在香港大學陸佑堂做了一次演講。一、中國AI的真正優勢：不是模型，是整個生態蔡崇信開場就拋出一個反直覺的觀點：美國人定義的AI競賽規則是錯的。美國人怎麼算誰贏？看誰的大語言模型（Large Language Model）更強。今天是OpenAI領先，明天是Anthropic，後天可能是別人。但蔡崇信說，這個計分方式本身就有問題。真正的贏家不是誰有最好的模型，而是誰用得最好。"The winner is not about who has the best model. The winner is about who could use it the best in their own industries, in their own lives." （贏家不是看誰模型最好，而是看誰在自己的行業和生活中用得最好。）這個判斷的底層邏輯是：AI的價值在於滲透率（penetration rate）。中國國務院的AI規劃就很務實——到2030年，AI代理和裝置的滲透率要達到90%。不講玄學，只講普及。那中國憑什麼能普及得更快？蔡崇信列了一張完整的底牌清單。1、電力：15年前埋下的伏筆訓練大模型、跑推理（inference），本質上都是在燒電。中國的電力成本比美國低40%。為什麼？因為15年前中國就開始大規模投資電力傳輸基礎設施。北方發的電要送到南方，新能源產地和用電需求地往往不重合，必須靠輸電網路打通。中國國家電網每年資本支出900億美元，美國只有300億——三倍的差距。結果是什麼？中國的電力裝機容量是美國的2.6倍，而且新增裝機容量是美國的9倍。這個差距還在拉大。2、資料中心：成本碾壓在中國建一個資料中心，成本比美國低60%。這還沒算晶片，只是基建。3、工程師紅利：全球一半的AI人才有中國學歷背景蔡崇信提到一個有趣的資料：全球幾乎一半的AI科學家和研究人員，都有中國大學的學位——無論他們現在在美國公司、中國公司，還是世界任何地方工作。他還講了個段子。最近社交媒體上有人吐槽，說自己在Meta（Facebook）的AI團隊裡，同事們都在用中文交流想法，他完全聽不懂。"This is the first time Chinese language is an advantage." （這是中文第一次成為一種優勢。）以前中國公司出海，語言是劣勢——在義大利開辦公室，當地人不會說中文，中國員工得用第二語言溝通。但在AI領域，全球的華人工程師用中文分享想法、交換思路，這反而成了資訊優勢。4、資源匱乏逼出來的系統級創新美國有大量GPU，中國沒有。但蔡崇信說，匱乏反而創造了優勢。"China being lacking in GPUs actually creates an advantage of starvation. When you don't have a lot of resources, you are forced to innovate at the systems level." （GPU的缺乏反而創造了'飢餓優勢'。當你沒有足夠資源時，你被迫在系統層面創新。）訓練一個兆參數的模型，如果系統效率不高，GPU消耗會非常恐怖。中國團隊因為硬體受限，必須把系統最佳化做到極致。DeepSeek就是這麼逼出來的——阿里的通義千問（Qwen）模型剛剛贏得了一場為期兩周的加密貨幣和股票交易AI競賽，DeepSeek排名第二。蔡崇信對DeepSeek毫不吝惜讚美："我們在杭州的鄰居，他們做的事情令人難以置信。"二、開源為什麼會贏：成本、主權、隱私的三重邏輯這可能是整場演講最核心的判斷。蔡崇信的觀點很直接：開源模型會擊敗閉源模型，不是因為開源更先進，而是因為開源更符合全球大多數使用者的利益。他舉了個例子。假設你是沙烏地阿拉伯，想發展AI，又想保持"AI主權"（sovereign AI）——意思是AI不受外國控制。但你沒有人才自己開發模型。這時候你有兩個選擇：選擇一：通過API使用OpenAI。付很多錢，而且資料要喂進去——你不知道資料去了那裡，那是個黑箱（black box）。選擇二：直接下載阿里的開源模型，部署在自己的私有雲上。免費，而且資料完全可控。成本和隱私，兩邊都贏。所以無論是政府還是企業，只要認真做成本效益分析，都會傾向於開源。那阿里怎麼賺錢？蔡崇信說得很坦白："我們不靠AI賺錢。"阿里靠的是雲端運算。你用開源模型沒問題，但你要跑模型，需要雲基礎設施——儲存、資料管理、安全、網路、容器（containers，他說這個詞他自己也不太懂）。這些阿里都能提供。開源模型是流量入口，雲服務才是利潤來源。這個模式其實很像早年的網際網路公司：免費產品獲客，增值服務變現。只不過規模和技術門檻完全不同。三、阿里巴巴的進化邏輯：永遠跟著客戶需求走港大教授鄧希煒問了一個好問題：阿里從B2B電商變成AI雲端運算公司，秘訣是什麼？蔡崇信：沒有秘訣，就是跟著客戶需求走。阿里1999年成立時，中國還沒加入WTO，國際貿易必須通過國有貿易公司。2001年入世之後，小企業可以直接和全球做生意了。阿里的B2B平台就是幫這些小廠找買家——第一版網站是英文的，面向海外。後來消費者電商起來了，就有了淘寶。買家和賣家互不信任，就發明了支付寶（最初是個擔保交易系統）。物流跟不上，就投資物流。雲端運算也是一樣的邏輯。16年前，沒人討論雲。但阿里的消費平台要處理海量資料，如果繼續用Dell的伺服器、EMC的儲存、Oracle的資料庫，所有利潤都會交給這些供應商。阿里的CTO說：我們得自己搞。"We developed cloud computing really out of necessity, out of the need to become self-reliant in technology." （我們發展雲端運算完全是出於必要，出於對技術自主可控的需求。）所以阿里雲的起點是"自己吃自己的狗糧"（eat our own dog food）——先內部用，用好了再開放給外部客戶。蔡崇信對年輕創業者的建議也很明確：優先選擇有機增長（organic development），而不是併購。因為自己團隊培養出來的能力，DNA純正，文化匹配。阿里也做過併購，"有些成功，有些失敗得很慘"。四、給年輕人的建議：學會提問，比學會回答更重要演講最後有學生問答環節。蔡崇信關於技能和專業選擇的回答，資訊密度很高。1、技能層面：三件事第一，學會獲取知識。 聽起來是廢話，但在AI時代，知識獲取的效率差異會被放大。第二，建立分析框架。 不是死記硬背，而是能對資訊做出自己的判斷。第三，學會提問。 蔡崇信特別強調這一點——提出正確的問題（ask the right questions），比找到答案更重要。2、要不要學程式設計？要，但理由變了很多人說AI時代不用學程式設計了，用自然語言（natural language）就能指揮機器。蔡崇信不同意。他說學程式設計的目的不是為了操作機器，而是訓練思維過程。"The purpose is not to actually operate a machine. The purpose is going through that thinking process." （目的不是操作機器，而是經歷那個思考過程。）他甚至建議學電子表格——能把一個複雜公式寫對，讓數字自動計算出來，這本身就是邏輯訓練。3、專業選擇：三個方向資料科學（data science）：其實就是統計學的新名字，但未來資料會爆炸式增長，懂得管理和分析資料的人永遠稀缺。心理學和生物學：理解人腦怎麼運作。人腦仍然是最高能效的"機器"，AI的很多設計思路都來自對大腦的模擬。材料科學（material science）：世界現在被位元（bits）主導，但讓位元跑得更快的，是原子（atoms）。半導體領域會有大量創新，而半導體的核心就是材料。五、AI會是泡沫嗎？兩個概念要分清學生問：AI會不會像2000年網際網路泡沫一樣破裂？蔡崇信說，要區分兩種泡沫：金融市場泡沫（financial market bubble）：股票估值是不是太高？50倍市盈率合不合理？"這是一門藝術，我不知道。"技術泡沫（real bubble）：技術本身是不是虛假的？他的判斷是：AI可能存在金融泡沫，但技術本身是真實的。 就像2000年3月網際網路泡沫破裂，但網際網路並沒有消失——今天網際網路比那時候強大得多。所有投入AI基礎設施的資源、模型開發的努力，不會打水漂。六、三個最核心的洞察Q1：中國AI的真正優勢是什麼？不是模型本身，而是讓AI被廣泛使用的整個生態系統。電力成本低40%、資料中心建設成本低60%、全球一半AI人才有中國學歷、資源匱乏逼出系統級創新——這些加在一起，讓中國更有可能實現AI的大規模普及。而普及率才是真正的計分板。Q2：為什麼開源模式會贏？因為對全球大多數使用者來說，開源同時解決了成本、資料主權和隱私三個問題。閉源模型要付費，資料要喂進黑箱；開源模型免費，資料可以留在本地。這不是技術優劣之爭，是利益格局使然。Q3：年輕人應該怎麼為AI時代做準備？學程式設計不是為了寫程式碼，而是訓練邏輯思維；學統計（資料科學）是因為資料會爆炸；學心理學是因為要理解人腦這個最高效的"機器"；學材料科學是因為讓位元跑得更快的是原子。更重要的是，學會提出正確的問題——這比找到答案更有價值。 (錦緞)