AI 基础设施热潮推动工业租赁增长，范围超出数据中心

Cushman & Wakefield 分析了 3.88 亿平方英尺的租赁数据，发现 AI 基础设施竞赛中存在一个常被忽视的受益者。Google News 的这则标题并不只是关于规模更大的数据中心，而是围绕它们聚集的工厂、仓库、承包商和供应商。

据该公司统计，2022 年至 2025 年间，在美国六大主要市场中，与数据中心相关的企业占新增工业租赁面积的 10.4%。到 2025 年，这一比例升至 14.4%。当年，相关租赁面积增长 44%，达到 1,350 万平方英尺。

这些数据挑战了一个常见观点：服务器设施创造的长期就业岗位，是否足以证明其巨大的资源需求具有合理性。Cushman & Wakefield 将关注点转向了周边的工业网络，其中包括电气设备制造商、冷却系统供应商、工程师和专业承包商。

这种张力很重要。工业外溢效应强化了 AI 基础设施的经济理由，但并不能终结围绕电力、用水、土地或公共补贴的争论。核心问题在于，可量化的供应商增长是否超过了接纳社区所承担的成本。

Cushman & Wakefield 实际衡量了什么

该报告衡量的是更广泛的实体供应链，而不只是服务器机房内部的就业。

Cushman & Wakefield 于 2026 年 7 月 20 日发布了其工业需求研究。该研究覆盖美国六个领先数据中心市场在 2022 年至 2025 年间的工业租赁情况。

研究人员审查了超过 3.88 亿平方英尺的租赁活动，并根据租户与数据中心建设、设备、维护及运营的关联对其进行分类。

这些租户在四年间租赁了约 4,000 万平方英尺，占分析所涵盖全部新增工业租赁的 10.4%。

相比累计数据，年度走势更值得关注。2025 年，与数据中心相关的租赁面积达到 1,350 万平方英尺，较上一年增长 44%。

其在新增租赁中的占比也升至 14.4%。换言之，租出的面积中几乎每七平方英尺就有一平方英尺涉及支持数据中心生态系统的企业。

这一类别远不止云服务提供商，还包括电气设备、冷却系统、发电机、电力基础设施及其他关键组件的制造商。

工程公司、电信服务商、批发商、物流运营商和专业建筑企业也属于这个网络的一部分。它们的工作发生在数据中心之外，但设施本身创造了基础订单流。

这一差异改变了读者应如何理解这则 Google News 报道。它并未声称服务器建筑投入运营后，会突然雇用相当于大型仓库规模的劳动力。

相反，该研究追踪的是对独立工业物业的需求。开关设备制造商、冷却供应商或电气承包商，可能会在其服务的计算园区数英里外租赁场地。

报告还估算了更广泛的就业和经济影响。Cushman & Wakefield 将这 4,000 万平方英尺的租赁面积与 8.1 万至 12.4 万个工业及下游就业岗位联系起来。

其模型估算，每新增 100 兆瓦的数据中心开发项目，可支持近 1,300 个本地就业岗位。模型还将这一容量与每年约 1.1 亿美元的工资联系起来。

同一模型还得出 3.44 亿美元总产出和 1.87 亿美元地区生产总值的估算。这些是模型推算的影响，而不是各个设施记录的直接人员数量。

这一限定很重要，因为乘数模型包含间接和诱发性活动。供应商就业属于间接影响，而新增工资所支撑的家庭消费则会产生诱发性影响。

因此，读者应区分三个层面：报告包含已观察到的租赁交易、经过分类的租户关系，以及模型推算的经济结果。

租赁数据提供了最有力的证据，因为它们描述的是已经完成的市场活动。就业和产出估算则更依赖于有关供应链和本地消费的假设。

即便考虑到这种区别，Cushman & Wakefield 的核心发现依然重要。AI 基础设施需求正出现在普通工业建筑中，而这些建筑很少出现在有关计算能力的公告里。

为何 AI 需求正溢出数据中心

现代 AI 设施的运作方式更像工业项目，而非孤立的科技建筑。

大型数据中心需要的不只是服务器和电网连接。它还需要配电系统、冷却设备、备用发电、网络硬件、安保及持续的技术服务。

生成式 AI 增加了其中多项需求。高密度计算集群消耗大量电力，并产生需要专业系统持续排除的热量。

这会在设施启用前就创造设备需求。在建筑的整个运营周期内，也会持续带来维护、更换、物流和技术服务需求。

由此形成的供应商网络需要实体空间。制造商需要生产车间，承包商需要存放设备，分销商则会将库存部署在活跃的建设市场附近。

当组件发生故障或项目进度变化时，邻近布局可以减少延误。它也有助于承包商协调同一地区多个园区之间的工人和材料。

这一机制解释了为何数据中心集群如此重要。单个项目可以从全国采购设备，但持续的区域项目储备会让供应商更有理由建立长期本地业务。

这一影响在面积介于 3 万至 40 万平方英尺的设施中尤为明显。Cushman & Wakefield 发现，在 2026 年初，数据中心支持企业已成为这一面积区间内具有重要意义的租户群体。

这一趋势与更广泛的工业市场复苏相交织。该公司称，2026 年第二季度，美国工业物业空置率降至 6.9%。

净吸纳量，即迁出后新增已出租面积的指标，在该季度达到 6,210 万平方英尺。上半年净吸纳量合计为 1.136 亿平方英尺。

第二季度新增租赁面积达到 1.934 亿平方英尺，为 2022 年年中以来的最高单季水平。

2020 年以来建成的工业建筑吸纳了上半年 1.37 亿平方英尺的净吸纳量。租户偏好层高更高、运营效率更佳且电力容量更强的物业。

这些全国性总量并非完全来自 AI 基础设施。电商、制造业、回流生产和供应链重构仍然是需求的主要来源。

这是该论点的重要限制。强劲的全国仓储市场可能会使数据中心的贡献显得更为重要，即便实际是多种力量共同发挥作用。

不过，供应商机制足够直接，因而可以观察到。无论消费者购物模式如何，数据中心都需要变压器、开关设备、冷却组件、光纤系统和施工服务。

供应限制也放大了这一影响。制造商和承包商通常需要在同一地点具备合适的电力、装卸条件、分区许可和熟练劳动力。

没有足够电力的可用仓库可能无法满足这些需求。因此，电力容量更强的建筑可能会吸引自动化用户和数据中心供应商支付更高租金。

Cushman & Wakefield 还单独建模了 AI 对商业地产的长期影响。其AI 地产情景将最大的潜在增量归于工业空间。

基准情景预测，到 2035 年工业空间将额外吸纳 2.985 亿平方英尺。该预测包含自动化、经济增长和供应链变化等因素，并不局限于数据中心建设。

与租赁研究不同，2035 年的数据是情景预测，而非已观察到的结果。它假设 AI 会逐步普及，并带来更广泛的生产率提升。

两项研究共同描述了两条不同路径。数据中心供应商会立即创造工业需求，而更广泛的 AI 应用则可能随着时间推移重塑仓储运营和经济活动。

Google News 标题掩盖了真正的较量

核心较量是更广泛的经济外溢效应，与集中的本地成本之间的权衡。

传统的数据中心争论聚焦于建成设施内部的长期就业。服务器园区可能涉及巨额投资，但在建设结束后所需的现场工作人员相对较少。

Cushman & Wakefield 通过扩大分析框架回应了这一批评。其研究计入了建设、装备、供应和维护这些设施的工业企业。

这种方法捕捉了直接就业比较所忽略的活动。冷却系统工厂或电气承包商的部分工作量，可能来自多个数据中心项目。

这一重新界定对经济发展官员具有实际影响。项目价值可能较少取决于其内部员工数量，而更多取决于供应商是否在附近建立业务。

不过，更宽广的框架也带来了归因问题。为公用事业、工厂和数据中心提供服务的制造商，无法将每一份新增租约或每一个新增岗位都归因于 AI 基础设施。

Cushman & Wakefield 表示，研究人员识别出了与数据中心生态系统相关的企业。公开摘要并未提供每个租户层面的分类细节或反事实假设。

反事实问题是指，如果没有数据中心扩张，原本会发生什么。它决定了一份租约是否代表真正新增的活动，还是从另一个市场迁移而来的需求。

该报告通过租户关系和租赁模式确立相关性，但并未证明每一份被分类的租约都会在没有 AI 投资的情况下消失。

时间因素又带来另一层复杂性。建设和设备需求可能会在园区建设期间激增，随后在区域项目储备放缓时回落。

供应商租约可能比建设周期持续得更久。企业能否保持生产力，取决于重复订单、维护业务以及获得其他客户的能力。

同样的不确定性也适用于诱发性就业。工人会在本地商店和服务企业消费工资，但这些影响取决于工人的居住地和购买商品的地点。

不过，否定所有间接影响同样会造成误导。数据中心无法在缺少广泛的电气、机械和通信供应链的情况下运营。

因此，证据削弱了一种过于简单的论点。仅统计进入服务器建筑工作的员工，会低估支撑设施运营的工业劳动力。

但这并不意味着另一种极端观点成立。乘数估算不能自动为附着于项目的任何税收优惠、电网投资或土地使用决策提供正当性。

最有力的解读介于这两种立场之间。AI 基础设施会产生更广泛的经济足迹，但收益的分配决定了它在本地的价值。

一些社区可能获得制造业、承包业务、工资和房产税收入。另一些社区则可能承载高耗电园区，而供应商和员工仍分布在其他地方。

距离会改变结果。一座设施可以从另一州采购设备，雇用流动承包商，并将利润导向总部位于该地区之外的公司。

因此，地方官员需要针对项目的证据。他们应询问哪些供应商将在本地租赁场地、多少岗位将长期保留，以及有多少工资会留在当地。

Google News 的表述也可能混淆信息传播者与事件本身。Google News 聚合了 citybiz 的标题，而底层研究由 Cushman & Wakefield 制作。

这对评估来源很重要。搜索可见度并不会让一条聚合标题成为对该报告结论的独立佐证。

这份报告应被视为一家商业地产服务公司的研究，该公司在租赁和投资市场拥有直接利益。其交易渠道可以提升数据质量。

其行业地位也使方法透明度尤为重要。独立的本地数据应检验，报告中所述的外溢效应是否体现在税收收入、薪资和企业创办上。

就业乘数面临电力与补贴约束

产业外溢效应强化了就业论点，但并不能消除基础设施成本。

电力是最直接的约束。数据中心需要大量且持续的负荷，而 AI 计算已加速多个地区的需求预测增长。

美国能源部报告称，数据中心在 2023 年消耗了 176 太瓦时电力。这大约是其 2014 年用电量的三倍。

该部门的能源使用报告预计，到 2028 年用电量将在 325 至 580 太瓦时之间。实际需求将取决于部署规模、利用率和效率。

较新的估算进一步延伸了这种不确定性。美国电力研究院的电力需求情景预计，2030 年数据中心峰值负荷将在 45 至 94 吉瓦之间。

这一范围之宽说明，公用事业公司面临艰难的投资决策。它们必须在尚不确定哪些拟议项目会投入运营之前，规划发电和输电设施。

产业供应商又增加了一层电力需求。电力和冷却设备制造商可能需要在同样受限的市场中获得大量容量。

劳动力也可能变得紧张。数据中心建设会与工厂及其他基础设施项目争夺电工、工程师、焊工和专业技工。

这种竞争可以推高工资，并吸引对培训的投资。但它也可能拖延无关项目的开发，或提高其建设成本。

土地也带来类似的权衡。数据中心、变电站、仓库和制造建筑都需要具备交通与公用设施接入条件、且分区合适的场地。

供应商集群可以增强本地税基，但也可能对工业用地、住房、道路和公共服务施加更多压力。

因此，补贴问题不可回避。州和地方政府经常提供销售税豁免、房产税减免或基础设施支持，以吸引数据中心。

Cushman & Wakefield 的发现为官员们提供了一种可能比单纯设施直接就业更强的收益依据。然而，模型推演出的外溢效应不应取代可执行的本地承诺。

独立研究发现，不同项目和设施类型之间存在显著差异。Brookings 于 2026 年发布的一项就业分析认为，经济结果取决于设施在周边吸引了什么。

该分析区分了基础托管设施与有助于形成更大技术集群的项目。它还指出，社区抵制情绪正在上升，激励计划也正受到重新审视。

这一差别在一个方面与租赁报告相吻合：周边生态系统比对服务器建筑的笼统计数更重要。

不过，这也提高了举证门槛。官员必须证明，他们的项目将创造本地生态系统，而不只是消耗本地资源。

报告中的 81,000 至 124,000 个岗位区间应在这一背景下理解。它涵盖了与六个市场、四年期间的租赁活动相关的产业和下游影响。

这并不承诺每个新园区都会在其物业边界内创造近 1,300 个永久岗位。该模型描述的是区域经济链条。

公共官员应区分临时建筑工作、持续性的供应商就业、直接运营岗位和由消费带动的服务业岗位。每一类别的持续时间和政策价值都不同。

他们还应将收益与公共风险敞口进行比较。相关成本包括电网升级、激励措施造成的税收减免、道路改善、供水基础设施和环境缓解措施。

项目协议可以通过将收益与可衡量结果挂钩来降低不确定性。政府可要求披露薪资、本地采购、电力需求和供应商所在地情况。

当开发商未履行合同承诺时，追偿条款可以收回激励措施。透明披露让居民能够判断，已宣布的供应商生态系统是否真正形成。

这些保障措施并不否定租赁证据。它们将广泛的行业发现转化为可检验的本地命题。

随着产业需求扩大，谁将面临压力

这场繁荣迫使公用事业公司、开发商、制造商和地方政府协调此前在彼此分离的市场中作出的决策。

公用事业公司面临最明确的时间压力。数据中心没有足够电力就无法运营，其供应商也可能在周边工业市场寻求容量。

公用事业公司必须决定哪些项目值得获得接网承诺。它们还需要防范投机性园区始终未开业时形成的搁浅投资。

数据中心开发商面临证明资本支出之外价值的压力。社区越来越希望看到有关永久就业、电力成本、用水量和税收收入的证据。

可信的供应商战略可以有所帮助。开发商可以识别本地采购机会、支持学徒计划，并在园区附近为承包商协调场地。

工业地产房东也面临不断变化的租户结构。一些数据中心供应商需要更强的电力服务、更高的地板承重能力、室外存储空间或专用通风设施。

普通仓库可能无法满足这些要求。业主必须决定，昂贵的升级是否会吸引稳定的租户，还是只是在追逐一波暂时性的建设热潮。

制造商面临自身的产能问题。变压器、开关设备、冷却系统、发电机和电气部件的需求可能超过现有生产计划。

扩大生产需要资本、工人、许可和供应商信心。公司需要有合理把握，相信 AI 基础设施订单能在融资条件变化中持续存在。

专业承包商处于有利但也暴露的地位。深厚的区域项目储备可支撑多年工作，但项目取消会迅速削减需求。

社区承担着最广泛的一组责任。它们控制分区规划，并经常参与激励措施谈判，但公用事业公司可能通过独立流程管理电力规划。

这种割裂可能导致决策不匹配。市政当局可能在输电升级、住房容量或道路改善尚未落实之前，就批准工业开发。

租赁数据表明，规划应涵盖的不只是园区地块。供应商设施和承包商堆场可能改变整个地区的交通、土地利用和劳动力需求。

劳动力机构也面临应对压力。相关职业不仅包括软件工程，还包括电气技工、设备维护、施工管理和先进制造。

培训计划需要时间。一个同时批准多个项目的地区，如果未能在建设高峰前建立本地能力，可能不得不引进劳动力。

对科技公司而言，结果是部署环境的可预测性降低。计算计划如今取决于许可、公用事业进度、设备供应和社区接受度。

AI 开发商经常通过加速器可用性或模型训练能力来讨论基础设施。真正的瓶颈可能出现在变压器、变电站、冷却设备或熟练技工上。

这扩大了竞争范围。超大规模云服务商不仅彼此争夺芯片和电力。

它们还与工厂、住房项目和其他行业争夺建筑劳动力和电网容量。它们的供应商则争夺开发走廊附近的合适建筑。

因此，投资者不应将拟议园区附近的每一处工业地产都视为自动受益者。地点、规格和项目确定性决定实际需求。

供应商需要获得客户、劳动力、交通和电力。缺少这些要素的邻近位置几乎没有优势。

工业需求也可能在园区开业前就出现。承包商和分销商往往会在建设期间设立场地，从而为项目可信度提供早期信号。

租期也提供另一条线索。短期承诺可能反映临时调度，而较长期限则可能表明持久的区域运营。

租户身份同样重要。建立生产能力的制造商，与为单个项目存放材料的承包商，所带来的经济贡献并不相同。

Cushman & Wakefield 的发现促使人们绘制一幅更细致的 AI 经济地图。服务器容量只是中心节点。

周边网络包括具有不同劳动力需求、物业要求和项目周期风险敞口的实体企业。它们的决策揭示了 AI 支出如何流向更广泛的经济领域。

三项信号将检验 AI 租赁故事

下一阶段必须证明，创纪录的供应商租赁会转化为持久的本地活动，而不是短暂的建设激增。

第一个信号是 2025 年之后与数据中心相关的租赁活动。Cushman & Wakefield 在当年记录到同比增长 44%，市场份额达到 14.4%。

如果再出现一个强劲年份，将支持供应商需求具有结构性的观点。若大幅下降，则表明建设时点放大了这一纪录。

读者应同时关注总租赁面积和租户构成。制造商、持续性服务公司和长期物流业务比临时调度用户更能表明持久性。

租赁条款也值得关注。较长期协议和设施改善比围绕单一建设进度设计的短期租约显示出更强承诺。

第二个信号是项目实际交付。已宣布的园区会创造预期，但通电容量决定供应商是否能获得持续订单。

公用事业接网进展、设备交付和已完工建筑比宣布的投资总额提供更有力的证据。延误将削弱短期工业需求。

电力可用性仍是决定性约束。能够在不将过多成本转嫁给其他客户的情况下接入容量的地区，将拥有更坚实的基础。

第三个信号是透明的本地经济报告。政府应公布直接就业、供应商薪资、税收、激励措施和基础设施义务。

这些数据可以在市场层面检验 Cushman & Wakefield 的乘数效应估算，也能揭示收益是否留在托管社区附近。

如果供应商招聘和新企业成立与算力增长同步上升，工业外溢这一论点就更具说服力。若用电量增加而本地薪资总额持平，则这一论点会被削弱。

未来几个月还将显示房东如何应对。若更多资金投向具备电力接入条件的工业建筑，便表明市场相信租户需求将持续存在。

过度投机性建设则会带来另一项风险。若拟建数据中心被取消、延迟，或转移至连接条件更好的地区，开发商可能面临空置。

因此，通过 Google News 看到这篇报道的读者应避免作出最简单的解读。该报告既没有终结经济效益之争，也没有把 AI 基础设施简化为建设服务器设施的故事。

它提供了一个更好的衡量目标：追踪那些制造设备、租赁周边设施、雇用技术工人以及维护计算网络的企业。

然后，将这些收益与各社区投入的电力、土地、激励措施和基础设施进行比较。这一比较决定了更广泛的繁荣是否能创造持久价值。

对开发商和地方官员而言，实际任务很直接：公布供应商承诺，区分直接就业与模型推算效应，并在设施投运后报告结果。

对投资者而言，应关注已签署的租约和已通电项目，而非公告数量。对居民而言，应追问谁获得工资，以及谁承担长期成本。

当这些答案出现在公开数据中时，AI 基础设施的叙事才会更可信。在此之前，Cushman & Wakefield 识别出的是一项重要影响，而非给出普遍适用的最终结论。