AI 数据中心热潮推动工业股上涨，超越芯片制造商

Google News 在 7 月 31 日呈现出一个引人注目的市场转变：AI 热潮正与芯片制造商一道，带动涂料、电缆、沥青和设备供应商上涨。

直接信号来自多份工业企业财报。Sherwin-Williams、WESCO International、PPG、3M、Vulcan Materials 和 Martin Marietta Materials 都将近期业务活动与数据中心建设联系起来。它们的产品远离软件层，却正成为实体 AI 供应链的一部分。

这改变了 AI 市场的核心竞争。它不再只是芯片制造商之间的竞争。如今更能揭示问题的分野，是数字化预期与实体建设之间的差距。Amazon、Alphabet、Meta、Microsoft 和 Oracle 可以订购更多算力，但总得有人为钢材涂装、分配电力、冷却服务器并整备场地。

Google News 显示 AI 交易正进入实体经济

AI 基础设施支出正从专业计算硬件扩散至普通工业产品。

一篇于 7 月 31 日发布的 Axios 分析记录了数据中心热潮如何出现在多家工业企业的财报中。相关案例包括防护涂料、电缆、光纤连接器、沥青、骨料和建筑材料。

这不只是多家公司在财报电话会上提及 AI。数据中心是要求极高的建筑。它们同时具备工业设施、变电站、通信枢纽和恒温计算环境的需求。

每个场地都需要地基、结构钢、消防设施、配电系统、备用发电设施、网络布线、冷却系统、胶黏剂、密封剂和专用涂料。大型园区还需要道路、排水设施、安防基础设施，以及与电力和电信网络的连接。

这些支出中有很大一部分不会出现在半导体营收数字中。它们流向制造商和分销商——投资者过去通常将这些企业与住宅、工厂、办公楼、公用事业或一般建筑活动联系在一起。

Sherwin-Williams 提供了最清晰的案例之一。据 Axios 报道，该公司公布季度业绩后，股价上涨 8.3%，创下四年多来的最大单日涨幅。

尽管美国住房市场持续疲软——这历来是涂料需求的重要来源——该公司仍实现了这一走势。Sherwin-Williams 转而强调其防护与船舶涂料业务的增长，该部门服务于工业结构和其他严苛环境。

该业务销售额实现了十几个百分点的增长，而公司整体销售额增长 7.5%。CEO Heidi Petz 将部分差异归因于 AI 数据中心建设，以及超大规模开发商所要求的建设速度。

超大规模云服务商是指在众多数据中心运营超大型计算平台的公司。Amazon、Alphabet、Meta、Microsoft 和 Oracle 均属于 AI 基础设施的最大买家之列。

这些公司需要能够在多个建设场地交付标准化材料的供应商。它们还面临尽快完成设施建设的压力，因为闲置芯片、延迟接入的电力和未完工建筑都无法产生有用的算力。

与 AI 加速器相比，涂料听起来微不足道。然而，涂层能保护结构钢、地面、管道及其他部件免受火灾、潮湿、腐蚀、化学品和物理磨损影响。这些保护措施可能影响安全、维护周期和项目完工时间。

WESCO International 也呈现出同样的趋势。Axios 报道称，其数据中心解决方案业务销售额增长 45%。WESCO 分销电气、通信、公用事业和安防产品，用于连接大型设施内部的众多系统。

PPG 也提到了数据中心项目储备。其产品覆盖消防、防护结构钢、地面、保温和介电应用。介电涂层能对部件进行电气绝缘，帮助管理计算设备周围高密度的电气环境。

3M 则强调了另一种不太显眼的部件。Microsoft 正在 Azure 数据中心使用该公司的光纤电缆连接器。这些连接器有助于支持服务器、存储系统和网络设备之间所需的大容量数据传输。

Vulcan Materials 和 Martin Marietta Materials 又补上了更基础的一层。两家公司都将骨料和建筑材料需求与大型数据中心项目联系起来。它们的产品构成了数字基础设施之下的混凝土、道路、地基和整备地面。

重要的变化并非每家工业企业都已成为 AI 企业，而是 AI 资本支出中可衡量的一部分已向下游转移。在那里，专业计算项目转化为对实体材料的常规订单。

Google News 可能让这一趋势看起来像是一个股市故事。但其背后的发展更为广泛。AI 投资正在变成建设活动、工业营收和经济产出。

数据中心建设已成为一条工业供应链

AI 热潮如今依赖于一个分层供应商网络，从电网一直延伸到建成的服务器机房。

第一层是计算系统，包括加速器、处理器、内存、存储、网络硬件和服务器。这些产品获得了大部分关注，因为它们直接决定模型性能和计算能力。

第二层保障这些系统的运行，包括变压器、开关设备、不间断电源、母线槽、发电机、冷却设备、水泵和配电单元。

不间断电源会在主电源失效或波动时提供短期备用电力。母线槽通过封闭系统分配高电力负载，通常比传统电缆安装方式更具灵活性。

第三层是建筑本身。承包商需要混凝土、结构钢、保温材料、涂料、消防系统、地板、屋面、通风设施、水基础设施和实体安防系统。

第四层将园区与外部世界连接起来。这项工作可能涉及变电站、输电设备、天然气基础设施、道路、电信连接和供水系统。

这条综合供应链解释了为何工业企业会获得与 AI 相关的订单。一座建成的数据中心并不只是装满服务器的仓库，而是一套围绕电力、冷却、连接性和可靠性构建的高度集成工业系统。

Morningstar 的 AI 基础设施研究估计，电力系统占数据中心非 IT 设备支出的 40% 至 45%。这些系统包括变压器、开关设备、发电机、配电设备和备用电源。

该研究还发现，现代 AI 数据中心所需电力可能是传统云托管设施的两至五倍。托管设施向多个客户出租共享的数据中心空间和基础设施。

更高的功率密度改变了每栋建筑内部所需的设备。更多电力必须从电网输送至每个计算机架，随后还必须在不中断服务的情况下从这些机架中带走更多热量。

这种关系为工业供应商带来两种需求来源。开发商需要为新增设施配置设备，而每座新的 AI 设施也可能要求每单位计算空间配置更多设备。

Morningstar 预测，到 2030 年，美国已部署的数据中心电力容量将增至 80 吉瓦，达到原来的三倍。该机构还预计，到那一年，数据中心对电气产品的需求将实现 30% 的年化增长。

这些是预测，并非必然结果。但它们说明了当前订单背后的驱动机制。开发商正围绕预期耗电量规划设施，而不只是围绕一栋建筑内能容纳多少服务器来规划。

电气供应商拥有最直接的敞口。Schneider Electric、Vertiv、Eaton、Legrand 和 nVent 提供不同组合的电力管理、冷却、配电及相关基础设施。

Morningstar 估计，Schneider Electric、Eaton、Legrand 和 nVent 各自约有 20% 至 25% 的营收来自数据中心。该机构估计，Vertiv 约 80% 的营收来自这一市场。

冷却设备制造商的敞口较窄，但仍具重要意义。Carrier、Johnson Controls、Trane 和 Daikin 制造的设备可服务于数据中心及其他商业和工业建筑。

Caterpillar 和 Cummins 则通过备用发电和相关电力设备参与其中。发电机可在电网中断期间维持设施在线运行。它们也可为等待永久公用事业容量接入的场地提供支持，不过具体运行安排因项目而异。

这些供应商面临的机会和风险并不相同。变压器制造商所受的生产约束不同于骨料公司。冷却专业企业对服务器热密度的依赖程度，也高于多元化涂料生产商。

共同因素是建设进度。当超大规模云服务商加速项目时，订单会通过承包商、分销商和设备制造商传导。当项目放缓时，这些订单可能被延后、缩减或取消。

这使得工业企业财报成为重要的确认信号。公告描述的是计划支出，而供应商营收则显示哪些项目已推进到需要实体设备和材料的阶段。

工业股正在挑战以芯片为中心的 AI 叙事

如今，AI 经济影响力最有力的证据出现在模型和处理器设计企业之外。

AI 投资周期的第一阶段，受益的是销售稀缺计算部件的公司。需求集中于加速器、内存、网络设备和半导体制造产能。

这种集中是合理的。大型语言模型在训练和运行期间需要海量计算能力。竞相构建这些模型的公司，在大规模建成园区之前，首先需要的是处理器。

此后，支出周期开始向外扩展。芯片需要服务器，服务器需要机架，机架需要供电和冷却。这些系统需要完工的建筑，而建筑又依赖工业材料和建设能力。

这一顺序正在形成一个“卖铲子和镐”的市场。这个说法指的是，在投资热潮中受益、却不直接生产最终热门产品的供应商。

不过，当前周期不同于简单的淘金类比。工业企业并非向数千名独立淘金者销售一种标准化工具。许多企业服务的是一小批超大规模云服务商，而这些公司的支出计划足以带动整条供应链。

Axios 报道称，Amazon、Alphabet、Meta、Microsoft 和 Oracle 预计将在 2026 年投入逾 7500 亿美元用于 AI 资本支出。资本支出包括建筑、服务器、网络设备和基础设施等长期资产。

该图说明，超大规模云服务商预算中相对较小的部分，也能成为工业供应商的重要收入来源。即使只是将一小部分资金投向涂料或电缆，其规模也可能超过增长较慢的建筑市场通常能够提供的增量。

不过，这些支出也会转移财务压力。此前一项资本转移分析将超大规模云服务商的投资描述为向半导体公司转移现金流。

如今，同样的过程正进一步延伸至实体经济。流出科技平台的现金，正在转化为承包商、电气设备制造商、设备分销商和材料生产商的收入。

这种扩展有助于提升投资周期的持续性。工业供应商通常拥有较长的订单簿、专业化的制造要求，以及跨越数年的项目排期。

电气设备往往在场地初步准备完成后才到位。冷却系统、配电设备、涂料和内部系统会在不同施工阶段进场。因此，即使在项目首次公布之后，庞大的项目储备仍能持续支撑供应商收入。

然而，覆盖范围扩大并不自动意味着风险降低。相反，它可能只是将同一种基础风险分摊给更多公司。

这个故事中最重要的对立面，是数字化雄心与实体产能之间的冲突。科技公司可以迅速调整软件，而工业供应链则受制于工厂、审批、公共事业规划、施工团队和材料交付的节奏。

超大规模云服务商可以在数周内宣布新模型或新的算力园区。为该园区建设电力供应却可能需要数年。变压器需要专门材料和制造能力；输电项目则面临环境评估、地方政治和复杂审批流程。

冷却系统带来了另一项限制。更高密度的处理器会使每个机架产生更多热量。开发商越来越多地考虑液冷，即通过流体系统传导热量，而非只依赖空气流动。

这一转变可令供应泵、热交换器、控制系统及其他热管理设备的公司受益。但它也会增加施工、维护、水资源规划和设施设计的复杂性。

由此形成的 AI 工业股并非同一类资产。Vertiv 与数据中心紧密相关，而 Schneider Electric 和 Eaton 覆盖更广泛的电气市场。Sherwin-Williams 的产品面向住宅和众多工业应用。Vulcan Materials 服务于多个建筑类别。

如果数据中心需求走弱，多元化经营可以保护供应商。但它也会让 AI 敞口更难衡量。一家提及数据中心的公司，其大部分利润仍可能来自无关市场。

因此，投资者和企业采购方需要区分真实订单与宣传用语。可参考的指标包括披露的收入敞口、订单积压增长、交付进度、制造产能和客户集中度。

仅仅提及 AI 并不会改变一家工业公司的本质。持续订单、产能扩张和可量化的业务分部增长，才是更有力的证据。

工业股上涨并不能证明什么

工业企业盈利增长确认了真实的建设活动，但并不能证明每一座规划中的 AI 设施都能带来足够的经济回报。

核心不确定性在于为这轮建设提供资金的超大规模云服务商。它们的支出取决于云计算、模型训练、AI 推理、企业服务、广告系统和消费产品的持续需求。

推理是指使用已训练模型生成答案、预测、图像或其他输出的过程。不断增长的推理需求，能够在昂贵的训练任务结束后继续保持数据中心的繁忙运转。

财务上的问题在于，这些工作负载带来的收入是否足以证明其背后的建筑、芯片、能源和融资投入是合理的。工业供应商可能在最终 AI 服务产生足够回报之前，就已经确认销售收入。

这造成了时间差。涂料公司会随着建筑推进而获得付款；电缆分销商会在设备发货时确认需求。超大规模云服务商随后必须运营该设施，并在多年内通过其算力实现商业化。

因此，即使最终应用的前景仍存在不确定性，AI 基础设施也可以支撑工业企业盈利。这并不意味着订单不真实，而是未来订单的持续性取决于经济链条更上游的结果。

MIT 经济学家 Daron Acemoglu 曾表示，如果投资继续快于需求增长，投资步伐可能放缓。Axios 对AI 增长极限的分析，将当前周期与铁路、运河和互联网等早期基础设施繁荣进行了比较。

这些时期都留下了有价值的长期基础设施。但当建设超出短期需求，或投资者对项目储备赋予不切实际的价值时，也会带来财务损失。

工业受益者面临着类似的张力。现有订单能够增强盈利，但市场估值则假设增长会进一步延续。如果超大规模云服务商削减支出，经营业绩和附着其上的预期可能会朝相反方向变化。

Morningstar 在其电气设备研究中指出了这一估值风险。该机构认为，Vertiv 因其高度集中的数据中心业务，以及液冷产品所扮演的专业化角色，面临尤为突出的风险。

多元化的电气公司可以将部分产品转向工厂、公用事业、商业建筑或电网现代化项目。专门面向数据中心的系统，可能拥有更少的替代客户。

项目取消并非唯一风险。交付延期和收入确认推迟到后续期间，也可能造成类似压力。公用事业接入问题、审批争议、水资源限制和劳动力短缺，都可能拖慢建设进度。

电力供应已变得尤为重要。没有可靠电源的建筑无法作为 AI 设施运行，无论其服务器和冷却系统是否已经就绪。

地方政治阻力也在增加。社区开始质疑电力消耗、用水、噪声、土地需求、税收优惠，以及大型设施对家庭公用事业成本的影响。

这些担忧可能改变项目经济性。开发商可能需要增建发电能力、升级输电设施、建设供水系统、增加降噪措施，或达成社区协议。每一项要求都可能为某些工业供应商带来业务，同时削弱项目的整体回报。

劳动力是另一项制约。数据中心建设需要电工、管道安装工、焊工、设备操作员、工程师和技术人员。其中许多岗位需要认证或长期学徒培训。

这股热潮也正进入现有的劳资谈判。在 8 月，Deere 一起工业劳资纠纷表明，AI 相关需求如何可能与成熟设备制造商员工的预期发生碰撞。

这些风险均不会否定当前的盈利证据。Sherwin-Williams 仍在销售涂料。WESCO 仍报告数据中心解决方案收入增长。材料供应商仍看到大型项目支撑非住宅建设活动。

需要谨慎的是外推。一季度的强劲需求并不能证明存在永久性的增长率。供应商当前的订单积压，也不能保证超大规模云服务商未来宣布的每一个项目都会建成园区。

读者还应将经济敞口与股价表现区分开来。一家公司可以在经营层面受益于 AI，但若市场预期更高，其股价仍可能下跌。另一家公司也可能在相关收入变得实质性之前就上涨。

本文不构成投资建议。市场信号之所以重要，是因为它揭示了 AI 支出已如何穿透经济，而不是因为每一家工业受益者都具备相同的财务特征。

三个信号将显示这轮热潮能否持续

下一阶段将取决于超大规模云服务商的预算、供应商订单积压，以及已宣布设施获得电力并投入运营的速度。

第一个信号是 Amazon、Alphabet、Meta、Microsoft 和 Oracle 的资本支出指引。这些公司为当前大部分建设周期提供资金。

读者应关注这些公司在接下来的财报中，是否维持、增加或削减计划中的基础设施支出。支出的构成与总额同样重要。

更多资金投向正在施工的项目，将强化工业投资逻辑。若转而延长现有设施的使用寿命，则可能削弱对涂料、骨料、电缆和新制造电气设备的需求。

第二个信号是供应商将订单积压转化为收入的情况。订单积压指的是已经签约或预期获得、但尚未完全交付和确认的工作量。

电气和冷却设备公司应披露订单是否持续增长、客户是否推迟交付，以及制造交付周期是否仍然处于高位。涂料、电缆和材料供应商则应展示持续的数据中心需求，而不是孤立的项目中标。

稳定的订单积压加上已完成的交付，将支持 AI 支出已成为多年工业周期的观点。取消订单增加或一再延期，则会挑战这一结论。

第三个信号是获得电力并开始运营的项目数量。已宣布的容量不等于可用容量。设施需要公用事业协议、发电能力、输电连接、冷却系统、许可证、建设劳动力和客户。

Morningstar 估计，到 2030 年，美国已安装的数据中心电力容量可能达到 80 吉瓦。朝这一水平迈进，将强化对电力系统及相关工业产品的需求前景。

持续的并网接入延迟则会削弱这一前景。它们可能让已完工的建筑或已采购的设备等待电力，从而拖慢供应链其他环节的新订单。

这些指标也能帮助知识工作者和企业采购方解读 AI 市场。更多实体产能可以扩大算力获取渠道，但基础设施成本仍会持续影响服务可用性、可靠性和 AI 密集型工作流的价格。

关注快速扩张建设周期的团队，需要将财报、项目公告、技术变化和监管动态联系起来。可搜索的AI 知识库能够帮助保留这些关联，而不将整个故事简化为单一标题。

Google News 的报道之所以重要，是因为如今的赢家包括很少出现在模型基准讨论中的公司。涂料、电缆、冷却设备、沥青和电力设备，已成为实际建设活动的证据。

这些证据强化了 AI 正在影响实体经济的判断。它也扩大了暴露于同一支出周期中的公司数量。

下一个问题不在于工业供应商是否获得了 AI 相关订单。它们的业绩已经表明确实获得了。问题在于，超大规模云服务商能否在实体瓶颈和财务压力打断这一进程之前，将一项历史性的建设计划转化为持久需求。

关注预算、订单积压和已通电的设施。这些信号结合起来，将显示这轮工业扩张究竟会成为持久基础设施，还是正在接近一场高度集中的繁荣的极限。