随着电力需求攀升，AI 基础设施建设商跑赢公用事业公司

Google News 揭示了一项引人注目的 AI 基础设施对比：公用事业公司上涨约 8%，而一只与实体数据中心建设相关的基金则上涨约 40%。

这些数据反映出重要的市场转向。投资者起初将公用事业公司视为把握 AI 电力需求增长最直接的途径。然而，据报道，更显著的涨幅出现在为数据中心提供电气设备、冷却系统、施工服务、钢材和运输服务的企业中。

这种反差值得比标题本身更深入的审视。统计区间可能不同，基础设施基金也并不等同于纯粹的数据中心投资组合。不过，这一差距确实指向了 AI 支出周期中的真实变化。

AI 热潮正超越芯片和发电环节。它越来越依赖那些能够将资本预算转化为可运行设施的承包商和制造商。

公用事业公司依然不可或缺，但受监管的商业模式限制了新增支出转化为利润的速度。设备供应商则可能更早获得订单，有时甚至早于公用事业公司通过用户费率收回投资。

结果是电力供应商与围绕其建设系统的企业之间展开竞争。这也暴露出两类交易背后的风险，包括项目延期、估值拥挤、融资压力以及不确定的 AI 需求。

Google News 标题实际改变了什么

该标题将注意力从电力需求转向把这一需求转化为实体产能的企业。

原始说法将公用事业板块接近 8% 的涨幅，与一只基础设施导向基金约 40% 的涨幅进行了对比。这些数字应被视为一份被报道的市场快照，而非永久性的关系。

所提供的标题并未证明这两个百分比采用了完全相同的起始日期。年初至今的回报率与过去一年的回报率，描述的是不同的表现周期。分红、基金再平衡和发布时间也可能造成进一步差异。

这一限制并不抹去背后的观察。公用事业股受益于 AI 数据中心将提高用电量的预期。基础设施供应商同样承接了数据中心投入运营前所必需设备的支出。

这一比较背后的基金很可能是 Global X U.S. Infrastructure Development ETF，交易代码为 PAVE。其官方基金使命涵盖美国基础设施活动，包括原材料、重型设备、工程和建筑。

这一表述很重要。PAVE 并非专门的数据中心基金，也并非只持有服务于人工智能的企业。它还持有与铁路、公共工程、制造业、道路和更广泛建筑活动相关的公司。

不过，投资组合中的若干类别与 AI 基建扩张高度契合。电气承包商将发电设施和变电站连接至大型园区。设备制造商则提供开关设备、断路器、变压器和电力管理系统。

供暖、通风和空调供应商应对高密度计算机架带来的巨大冷却负担。材料企业提供钢材、混凝土和骨料，铁路公司则负责将大型设备运往全国各地。

此前的一篇基础设施分析将 Quanta Services、Eaton、Trane Technologies、Sempra、Union Pacific 和 Norfolk Southern 列为 PAVE 的重要持仓。投资组合会随时间变化，但这些例子展现了其更广泛的敞口。

因此，这只基金涵盖的不止一个建设阶段。它覆盖从原材料到电气安装、冷却、运输和公用事业服务的各个环节。

公用事业基金则处于这条链条中更狭窄的一段。其所持公司负责发电或输电、维护网络，并从获批投资中赚取受监管的回报。

这种差异构成了文章的核心张力。销售稀缺设备的企业可在订单到来时受益，而公用事业公司则必须应对规划审查、并网研究、融资、建设和费率审批。

该标题并未揭示一项新技术。它凸显了投资者认为当前瓶颈所在的位置。

数年来，图形处理器获得了大部分关注。如今的实体挑战包括：找到足够的电力、设备、土地、劳动力和电网接入条件，以运行这些处理器。

这正是所报道的业绩差距变得重要的原因。它表明，市场对产能建设商的奖励力度，超过了对预期供应电力的受监管企业。

AI 电力需求不再是遥远预测

数据中心的用电量已从规划情景转变为可衡量的负荷增长来源。

一项于 2024 年 12 月发布的联邦能源研究估计，数据中心在 2023 年消耗了 176 太瓦时的美国电力，约占全国用电量的 4.4%。

同一研究预计，到 2028 年，数据中心用电量将在 325 至 580 太瓦时之间。在该区间下，数据中心将约占美国用电量的 6.7% 至 12%。

这一宽泛区间并非无关紧要的细节。它反映了 AI 采用、计算效率、设施利用率以及新建项目速度方面的不确定性。

即使是较低估计也意味着显著增长。较高估计则将迫使公用事业公司、电网运营商、监管机构和大型科技企业以前所未有的速度作出基础设施决策。

国际能源署在其全球电力展望中补充了全球背景。该机构预计，到 2030 年，全球数据中心用电量将达到约 945 太瓦时，超过当前水平的两倍。

针对 AI 优化的设施占据了这一增量的大部分。这些数据中心配备了用于 AI 训练和推理的加速器；推理是指利用已训练模型生成结果的过程。

国际能源署预计，到 2030 年，美国数据中心将推动全国近一半的电力需求增长。这将扭转美国需求长期相对平稳的局面。

后续的需求更新发现，2025 年全球数据中心用电量增长了 17%。同期，全球整体电力需求增长 3%。

该更新还指出，变压器、燃气轮机、先进芯片和其他信息技术组件的供应日趋紧张。规划体系和电网接入排队也造成了额外延误。

这些限制解释了实体基础设施供应商为何受到关注。公用事业公司无法仅靠增加年度发电量，就为大型数据中心提供服务。

电力必须以正确的地点、电压、质量和可靠性水平送达。这需要变电站、输电容量、配电设备、备用系统，并且往往需要专属发电设施。

数据中心园区还需要冗余连接，因为中断可能扰乱昂贵的计算工作负载。冗余配置使设备需求超过设施的平均用电水平。

冷却又增加了一层复杂性。AI 加速器在相对狭小的空间内集中释放巨大的计算能力，产生的热量必须持续移除。

传统风冷仍然普遍，但更高的机架密度正在推升液冷系统的需求。这些系统通过在处理器或服务器组件附近循环的液体带走热量。

这一转变会在当地公用事业公司获得任何新增电力收入之前，就让专业制造商受益。冷却系统必须在施工期间完成选型、订购、安装和测试。

开关设备和变压器也是同样的顺序。漫长的生产交付周期可能促使开发商在每个项目细节最终确定前就预留设备。

这种行为将支出导向制造商和承包商。但它也带来风险：已披露的订单储备中，可能包含后来被调整、缩减或取消的项目。

尽管如此，方向已经明确。AI 电力需求如今正塑造建设进度、公用事业预测和设备供应链。

悬而未决的问题不在于数据中心是否消耗大量电力，而在于每个宣布建设的设施能否获得电力供应，并实现可接受的财务回报。

为何建设商能够跑赢受监管的公用事业公司

基础设施供应商可以更早确认 AI 支出的推动力，因为公用事业公司面临更缓慢、监管更严格的回报路径。

受监管的公用事业公司通常会在预测需求并获得必要批准后，投资于发电、输电或配电资产。随后，监管机构决定哪些成本可以计入费率基数。

费率基数是指公用事业公司可据此获得受监管回报的获批资产价值。它赋予企业可预测的经济性，但也会造成延迟。

公用事业公司不能假定每个拟议项目都能通过客户费率获得完全回收。监管机构会审查投资是否必要、价格是否合理，以及分摊方式是否公平。

数据中心使这一过程更加复杂，因为其负荷异常庞大。一个园区的用电需求可与制造业综合体或一座小城市相当。

开发商通常还会同时评估多个选址。公用事业公司面临的风险是，为最终迁往其他州、改变进度或永远无法投入运营的需求建设基础设施。

大负荷电价机制试图管理这一问题。这些协议可能要求最低付款额、更长期承诺，或直接分担基础设施成本。

其目标是防止普通用户承担由少数科技公司造成的建设成本。然而，每项电价机制都可能引发监管和政治争论。

基础设施供应商遵循不同的规则。制造商可以从公用事业公司、承包商或数据中心开发商处确认订单，而无需等待数十年的客户费率回收。

工程公司可以在设计和建设变电站的过程中获得收入。公用事业公司则要等到项目投运、监管机构接受相关成本后，才能获得获批回报。

这种时间差有助于解释所报道的 8% 对 40% 的分化。供应商更接近当前的资本支出，而公用事业公司则需在更长时间内将这些支出转化为收益。

稀缺性会强化这一效应。当变压器或开关设备的产能受限时，供应商将获得定价和排产方面的杠杆。

公用事业公司很少能从稀缺中获得同样即时的优势。它们仍必须提供可靠服务、兼顾客户负担能力，并满足监管要求。

市场对这两类企业的估值方式也不同。传统公用事业公司往往吸引寻求稳定现金流和股息的投资者。因此，它们的估值除了受电力增长影响外，也可能随利率变化。

更高的债券收益率可能使公用事业股息相对于政府证券的吸引力下降。它们也会提高资本密集型扩张的融资成本。

工业供应商同样无法免受利率影响，但当订单量和工厂产能利用率上升时，其盈利可能加速增长。投资者可能会对这种经营杠杆赋予更高的增长预期。

PAVE 将这种敞口分散至多个行业。电气设备只是其中一个组成部分，铁路、机械和建筑材料则带来不同的经济敏感性。

当美国基础设施支出普遍上升时，这种多元化可能有所帮助。但它也可能削弱该基金与 AI 数据中心之间的直接联系。

一家铁路持仓企业可能受益于建筑运输需求，但它也取决于工业生产、燃料成本、劳资协议和货运量。一家骨料生产商除了服务数据中心外，也可供应公路和住宅建设。

因此，该基金的上涨不能完全归因于 AI。国内制造业、公共基础设施项目和更广泛的经济预期同样会影响其持仓。

这正是引人注目的 Google News 对比中所缺失的关键限定条件。PAVE 代表美国建筑和设备周期，而 AI 是其中一个重要的需求来源。

公用事业公司提供了对电力消费更直接的敞口。基础设施基金则提供了对电力得以输送和使用之前所需支出的更广泛敞口。

两种路径都无法完美地隔离 AI 因素。一种捕捉受监管的电力输送，另一种则涵盖一组相互重叠的工业瓶颈。

市场近期更青睐第二条路径。只有当订单转化为收入、已宣布项目转化为运营设施时，这种偏好才能持续。

40% 的涨幅并不能证明这是一笔纯粹的 AI 交易

最有力的反驳是，基础设施板块的表现混合了 AI 热情与多种无关的经济力量。

标题式对比可能让多元化基金看起来比实际更具针对性。PAVE 的名称强调的是基础设施发展，而不是人工智能或数据中心。

其投资组合包括与运输、建筑机械、工程、原材料和工业自动化相关的公司。许多公司即使没有生成式 AI 趋势也会受益。

政府基础设施项目支持道路、桥梁、供水和交通项目。制造业投资则增加对工厂建设、货运和电气系统的需求。

住宅和商业建设可能影响材料供应商。大宗商品价格会影响钢铁生产商，而铁路运输量则对整体经济作出反应。

因此，基金上涨 40% 可能反映了多种力量同时出现。将全部回报都称作 AI 带来的结果，会夸大现有证据所能支持的结论。

与公用事业的比较还带来另一项衡量问题。广泛的公用事业基金持有受监管的电力公司、独立发电商，以及具有不同区域敞口的企业。

其中一些服务于拥有庞大数据中心项目储备的地区。另一些则运营于 AI 需求短期影响有限的地区。

公用事业板块的表现还取决于天气、燃料开支、风暴成本、野火责任、监管结果和利率。AI 只是盈利图景的一部分。

基础设施一方也有自身的集中风险。当投资者预期供应短缺将持续时，数家估值较高的设备供应商可能拉高一只多元化基金。

如果制造产能赶上需求，这些短缺可能缓解。届时，客户或许能更快获得设备，而供应商则可能失去部分定价权。

项目延期带来另一种问题。当开发商无法获得并网协议、许可、融资或合适土地时，订单可能被推迟。

IEA 估计，电网限制可能使相当比例的规划中数据中心项目面临延期风险。延期并不总是意味着需求取消，但会将收入进一步推向未来。

效率带来另一项不确定性。新一代处理器能够以每单位电力完成更多 AI 工作，从而降低特定任务所需的能源。

然而，更低的计算成本可能刺激更多使用。当效率使一项服务变得更便宜时，即使单位需求下降，总消费量仍可能上升，这就是反弹效应。

目前还没有人能够有把握地衡量最终平衡。AI 智能体、视频生成、科学计算和企业推理可能以快于硬件效率改善的速度扩大需求。

融资同样重要。数据中心需要作出大额承诺，而此时运营商尚不清楚未来 AI 工作负载的全生命周期价值。

现金流强劲的科技公司可以支持大规模建设。规模较小的开发商则往往更依赖贷款、租赁或长期客户合同。

更高的融资成本提高了每个项目所需的回报率。在乐观的利用率假设下看似具备吸引力的设施，若建设进度延误，可能变得处于盈亏边缘。

供应链公司会间接受到这种需求质量风险影响。满满的订单簿令人鼓舞，但投资者仍需审视取消订单、客户集中度和交付时间表。

公用事业公司则通过负荷预测面临相关风险。若预期中的数据中心始终未能落地，为投机性需求建设新变电站可能让客户承担负担。

监管机构正以更严格的合同要求作出回应。这些保护措施可以改善公用事业的经济性，但也可能使一些地点对开发商的吸引力下降。

地方反对意见进一步增加了不确定性。社区日益质疑用水量、土地使用、备用发电机、输电走廊以及对电费的影响。

这些担忧可能延长审批时间线。它们也可能推动开发转向发电资源充足、许可更快或电价结构更有利的地区。

因此，标题中的 40% 数字应被理解为市场证据，而非运营层面的证明。它显示的是投资者将更大信心投向何处，而不是每一笔未来利润将在哪里出现。

如果基础设施短缺持续、AI 投资维持高位，所报告的涨幅或许是合理的。它也可能包含了令常规建设挫折几乎没有容错空间的预期。

真正的对手是资本速度与监管速度

决定胜负的并非建设商与公用事业公司之间的竞争，而是快速的科技支出与缓慢的实体及监管体系之间的竞争。

大型科技公司可以迅速批准计算预算。它们的数据中心合作伙伴可以在所有电网工程完成之前选定地点并开始采购。

电力基础设施则遵循不同的时间表。输电线路需要路线规划、许可、设备、施工队伍、环境审查以及跨辖区协调。

发电项目还涉及燃料供应、并网、市场和排放方面的考量。核电项目面临尤其漫长的开发周期，而燃气轮机和变压器则受制于制造约束。

可再生能源通常能够更快开发，但要提供持续服务，仍需要储能、输电、灵活需求或可调度发电作为支持。

数据中心全天都需要高可靠性。这一要求使按年度匹配可再生能源与逐小时的实体电力可得性成为不同的问题。

一家公司可以在一年内购买足够的可再生能源，却仍在特定时段依赖天然气、核能、储能或电网进口。

现场发电提供了另一条路径。燃料电池、燃气轮机、电池和微电网可以降低对延迟电网连接的依赖。

微电网是一种可与更大电网协同运行或独立运行的本地电力网络。它可以提高韧性，但也会带来设备、燃料、维护和监管问题。

一些开发商也可能接受灵活供电协议。在这些安排下，数据中心会在电网紧急情况下减少消费，或将计算工作负载转移到其他地区。

灵活计算可能改变电网连接的经济性。不要求立即完成的训练任务可以转向电力供应更充足的时段。

实时服务则更难中断。搜索、企业应用和面向用户的 AI 产品需要可预测的响应时间，从而限制了可转移负荷的规模。

这种技术差异对投资比较的双方都很重要。当灵活客户使现有资产能够服务更多需求时，公用事业公司将受益。

而当开发商转而建设冗余的私有系统时，设备供应商将受益。所选择的可靠性策略会将支出导向产业链的不同环节。

Google News 的报道可能将这些差异压缩为单一的 AI 电力叙事。实体市场则更加碎片化。

一个地区可能需要新的输电线路。另一个地区可能拥有可用发电资源，却缺少足够的变电站。第三个地区则可能面临用水限制或社区反对。

这种碎片化有利于能够服务众多项目和地区的公司。同时，它也使任何单一基金都无法完美追踪这一主题。

PAVE 持有处于建设产业链各环节的公司，但它并不专注于电网硬件。智能电网基金可能提供更集中的设备敞口，但也伴随着更高的公司和估值风险。

公用事业基金持有电力输送层的资产，但受监管持仓在高利率时期可能表现落后。独立发电商的表现则可能更像大宗商品股或成长股。

半导体基金捕捉加速器需求，却错过了周边设施的大部分价值。数据中心房地产基金捕捉建筑和租赁业务，但面临电力可得性和融资约束。

因此，AI 基础设施堆栈包含多个可投资层级，每一层都有不同的时间节奏。芯片可以在电力到位前订购，而电网资产可能在一代服务器过时后仍运行数十年。

8% 对 40% 的逆转显示了市场当前偏好的时间节奏。投资者似乎更看重近期订单增长，而不是受监管资产较慢的扩张。

这种判断可能改变。一旦工厂增加产能、设备短缺缓解，稀缺性溢价可能转向已通电且电力得到保障的站点。

服务于已验证数据中心集群的公用事业公司届时可能捕捉更多价值。它们的优势包括土地获取能力、电网知识、现有通行权和成熟的监管关系。

在建设仍是最紧迫问题时，建设商一直处于领先位置。当问题从建设产能转向从中获得持久回报时，运营商会变得更加重要。

三个信号比下一条 Google News 标题更重要

下一阶段将取决于已完成的连接、订单质量以及对普通电力客户的保护。

第一个信号是数据中心实际通电。已宣布的兆瓦数不如已获得电力并开始商业运营的设施重要。

通电证明设备已经到位、建设已经完成、监管机构已经批准服务，并且客户已经接受连接。它将投机性的项目储备转化为可衡量的电力需求。

公用事业公司的财报应区分已签署协议与已启用负荷。投资者还应关注新客户是否履行最低付款义务。

已宣布项目与已连接负荷之间不断扩大的差距，将削弱基础设施逻辑。持续落成的园区则会同时支持建设商和公用事业公司。

第二个信号是供应商积压订单的质量。电气设备和建筑公司应说明订单增长、取消率、交付周期以及客户集中度。

较长的交付周期只有在客户仍然坚定履约时，才能支撑收入可见性。交付周期缩短可能表明供应改善、需求走弱，或两者兼而有之。

利润率同样提供证据。强劲的业务量与稳定的利润率表明执行情况健康，而销售额上升、利润率下降则可能暴露成本压力或项目问题。

如果公用事业公司、超大规模云服务商和托管服务商的积压订单均在增长，将进一步增强这一判断。若积压订单主要由少数投机性开发商推动，则应更加谨慎。

第三个信号是保护性大负荷电价的普及程度。监管机构必须决定，由数据中心带来的发电和电网升级成本应由谁承担。

包含最低期限和直接基础设施出资的合同，可以保护家庭用户免受被放弃项目的影响。它们也能让公用事业公司更有信心进行投资。

保护措施薄弱会增加成本转嫁的风险。住宅用户和小型企业客户可能要为围绕最终未能兑现的需求建设的资产承担更高账单。

电价规定过于严格也会带来另一种风险。开发商可能将项目转向提供更快接入或更优惠条件的州。

最具持久性的框架将在速度与问责之间取得平衡。数据中心客户应承担其造成的成本，而公用事业公司则应提供清晰且切合实际的接入时间表。

这三个信号覆盖了标题背后的整个机制。送电投运衡量已完成的需求，供应商披露衡量建设质量，而电价政策衡量由谁承担财务风险。

它们也决定当前的市场逆转是否会延续。如果项目持续推进且设备仍然稀缺，基础设施供应商应能保持优势。

如果接入负荷加速增长、监管机构批准公平的成本回收，公用事业公司可以缩小差距。若 AI 产能承诺超过可盈利的使用需求，这两类公司都可能令人失望。

最后这一不确定性超出了电力领域。AI 服务最终必须创造足够的经济价值，以支撑芯片、建筑、冷却系统、网络以及使用寿命长的电力资产。

因此，关注 Google News 的读者不应只盯着下一次百分比比较。基金回报反映的是预期，但运营证据决定这些预期能否持续。

在接下来的数月中，关注已完成的电力接入、供应商积压订单的质量，以及大负荷电价政策的决定。这些因素将共同揭示，AI 基础设施是否正在成为一个持久的工业周期。

它们还将显示，报道中那位回报率达 40% 的领先者是否真正掌握了瓶颈，还是仅仅最先承载了市场最高的预期。

有用的问题不再是哪只基金出现在 Google News 的标题中，而是哪类公司能够将 AI 需求转化为已建成、已付款且供电可靠的设施，同时不将过多风险转嫁给客户。