McKinsey 数据中心研究发现，过度建设并非最大风险
McKinsey 对 AI 基础设施供给过剩的担忧提出了质疑，尽管其预测到 2030 年美国数据中心 IT 需求可能达到 121 吉瓦。McKinsey 数据中心研究认为，已落实的需求依然强劲，足以支撑持续建设。更突出的风险在于，开发商虽然在纸面上规划了项目，却无法在客户需要容量的地区完成接入、供电或交付。
这一区别改变了关于过度建设的讨论。庞大的项目储备并不必然意味着美国最终会拥有过多投入运营的数据中心。多家开发商有时会争夺同一有限的电网接入资源，而投机性提案可能在开工前停留数年。与此同时，主要市场中已落成的容量几乎一上线就被租赁出去。
由此形成了一种基础设施悖论：按公告数量衡量，行业似乎建设过度；但按可用兆瓦数衡量，容量却依然严重不足。公用事业公司、超大规模云服务商、托管运营商、设备供应商和地方政府如今必须判断，哪些项目真正值得支持。
McKinsey 数据中心研究重新界定建设扩张
McKinsey 认为，持续增长的需求正与无法以同等速度扩张的交付体系发生碰撞。
该公司估计，未来十年中，数据中心将占美国预期电力需求增长的约 75%。当前的建设目标每年需要新增近 30 吉瓦电力。其中包括约 20 吉瓦增量 IT 需求，以及用于制冷、配电和可靠性保障的电力。
该公司的过度建设分析并未否认 AI 需求走弱的可能性，而是测试了在不同采用情景下电力系统需要具备怎样的能力。即使在其低需求情景中，到 2030 年仍需要大幅增加电力供应。
McKinsey 的核心论点建立在当前需求的质量之上。大型超大规模云服务商拥有强劲的资产负债表、可观的经营现金流和多年期基础设施计划。许多数据中心投资也与已签约的利用率相关，而非仅仅依赖投机性的入住率预测。
这使得当前周期不同于传统房地产繁荣。开发商并非只是建设通用仓库，然后期待租户出现。最可信的大部分容量已经获得客户承诺、电力方案，或两者兼具。
需求指标仍存在弱点。McKinsey 指出，即便企业表现出强烈兴趣，企业 AI 落地仍不均衡。其调查发现，约三分之一受访者正在规模化部署 AI，39% 表示 AI 对息税前利润产生了可衡量的影响。
同一调查还发现，64% 的受访者提到了创新收益。然而，71% 的组织报告至少出现过一种负面的实施结果。这些数据表明，AI 应用已超越试验阶段，但并非每个项目都能带来可靠的商业价值。
一些融资模式也呈现泡沫特征。根据 McKinsey 的数据，2025 年新诞生的独角兽企业中，超过一半聚焦 AI。其中数家在产品商业化之前便获得数十亿美元估值。其他基础设施中介企业也在扩张，同时承担高杠杆或负现金流。
这些风险之所以重要，是因为算力需求最终取决于可行的应用。如果 AI 收入令人失望，实力较弱的开发商和边缘租户将最先陷入困境。但这种调整并不会自动消除资金雄厚的云服务公司需求，也无法解决可交付容量短缺的问题。
因此，这项研究改变了核心问题。规划者不应只问每个已宣布的园区是否都被需要，而应问哪些园区能够同时落实电力、设备、客户、许可和融资。
已宣布容量并不等于可用容量
表面上的过度建设主要存在于项目储备中，而容量短缺则存在于已投入运营的设施中。
一座拟建数据中心在成为可正常运行的站点之前，可能很早便出现在多个数据库中。开发商可能控制了土地，却没有获得公用事业协议。另一项目可能已进入电网研究阶段，但尚未取得融资、设备订单、许可或锚定租户。
当多个地点都能满足同一需求时，开发商也会提交重叠申请。随后，他们可以推进最先获得电力的站点。将每项申请都视为独立需求，会夸大表面上的建设项目储备。
早期企业还有另一种保留接入资源的动机。开发商可以取得土地或并网权利，再将项目出售给更大的运营商。因此，一些提案代表的是对稀缺基础设施的选择权，而非获得全额融资的建设计划。
这些做法解释了为何庞大的排队项目能与有限供应并存。公告衡量的是雄心，而运营兆瓦数衡量的是客户实际能够使用的容量。
商业房地产数据强化了这一差距。CBRE 报告称，2026 年上半年，北美主要数据中心市场的供应量同比增长 33.7%。然而，空置率仍降至创纪录的 1.4%。
该公司的市场研究结果显示，这些市场共有 7,481.1 兆瓦在建容量，同比增长 24.8%。其中超过 80% 已被预租。剩余可用容量不足 1,500 兆瓦，按当前吸纳速度计算，仅相当于约六个月的需求。
北弗吉尼亚说明了这种错配。该地区仍是北美最大的数据中心市场，库存容量达 4,496.5 兆瓦。尽管仍有超过 2,400 兆瓦在建，其空置率已降至 0.2%。
亚特兰大在建设活动方面超过北弗吉尼亚，达到约 2,882 兆瓦。这一变化并不表明弗吉尼亚的需求正在消失，而是显示开发商正转向土地、电力和审批更有利于项目落地的地点。
预租比新闻稿提供了更强的需求信号。客户预留未来容量，意味着在设施启用前作出合同承诺。此类协议的约束力各不相同，但其证据力度仍强于未落实的开发计划。
它们也限制了无差别建设的风险。贷款方和投资者在释放资金前，越来越重视审查租户信用、租约条款、电力可用性和建设里程碑。缺乏这些基础的项目将面临更高融资门槛。
不过，预租并不能消除风险。财务状况不佳的租户可能失败，高杠杆运营商也可能遭遇再融资问题。客户集中度可能使一座设施暴露于单一公司 AI 战略变化的风险之中。
建设也可能快于设备安装。没有服务器、网络硬件、制冷系统、变压器和已通电连接的建筑外壳，无法提供有用的算力。一个项目看上去在物理建设上进展迅速，但距离投入服务仍可能相隔数月。
这正是“过度建设”和“容量不足”能够同时描述同一市场的原因。行业积累的拟议项目多于最终会完工的项目。与此同时，客户在其偏好的地点几乎找不到可立即使用的空间。
电力已成为真正的容量门槛
决定性约束不再是开发商是否想建设，而是电力系统能否支持其时间表。
McKinsey 预计，到 2030 年，美国数据中心 IT 需求将以约 27% 的年增速增长。其建模区间显示，到本十年末，增量 IT 需求将达到 121 至 137 吉瓦。
服务这部分负载所需的发电能力，远高于仅看 IT 数字所得出的结论。数据中心还需要制冷、电力转换、冗余和其他配套系统。发电资源也无法始终以其额定铭牌容量连续运行。
McKinsey 估计，美国大约拥有 40 吉瓦可调度余量，即高于稳定需求的发电容量。另有约 100 吉瓦新增容量已承诺建设。
这些数字最初看似足够。然而，预计到 2030 年，燃煤电厂和老旧蒸汽燃气电厂的退役将减少 50 至 75 吉瓦容量。在预计的需求增长和设施退役之后，McKinsey 识别出全国约 30 至 55 吉瓦的容量需求。
全国总量也掩盖了本地短缺。数据中心需求正集中于北弗吉尼亚、菲尼克斯、路易斯安那州、得克萨斯州以及新兴的中西部市场。电力无法在所有地区之间自由调配，特别是在输电线路拥堵或缺失时。
建设大型输电基础设施可能需要十年以上，而数据中心的建设周期通常短得多。如今采购加速器的超大规模云服务商，无法假设一条拟建输电线路会及时赶上其下一轮部署周期。
国际能源署也看到了同样的全球性碰撞。其更新的能源展望预计，数据中心用电量将从 2025 年的 4,850 亿千瓦时上升至 2030 年的 9,500 亿千瓦时。以 AI 为重点的设施增长速度明显快于整体市场。
国际能源署还发现，2025 年，以 AI 为重点的数据中心用电量增长了 50%。这种已记录的增长比遥远的建设公告提供了更有力的证据，表明已安装的 AI 硬件正在增加负载。
服务器密度加大了交付挑战。根据国际能源署的数据，2020 年至 2025 年间，AI 服务器的功率密度提高了 11 倍；预计到 2027 年还将再提高 4 倍。更高密度将更多电力和制冷需求集中到每一座设施内。
这一趋势能够提升每栋建筑的算力产出，但也带来了新的工程要求。运营商需要高容量配电、液冷、适配的变压器，以及能够应对 AI 工作负载快速波动的设备。
设备生产无法即时调整。变压器、开关设备、涡轮机和专用制冷系统的制造周期很长。供应商必须在尚不确定哪些已宣布项目将进入建设阶段之前扩建工厂。
电网规划者也面临类似的预测难题。他们必须在设施开始运营前为大规模负载做好准备，但并非每项申请都代表一个独立项目。高估需求可能使电力用户承担不必要的基础设施成本；低估需求则可能延误投资，并威胁供电可靠性。
因此，McKinsey 数据中心研究描述的不只是电力短缺。它揭示了不同行业之间的协调失灵：AI 公司按季度规划，数据中心按年开发，而大型电网项目可能需要十年。
超大规模云服务商的建设速度快于公用事业公司的响应速度
压力落在公用事业公司和区域电网运营商身上，因为超大规模云服务商的支出速度可能快于受监管基础设施的规划速度。
麦肯锡表示，2022年至2026年，超大规模云服务商的资本支出年均增长约50%。最大的云公司能够建设园区、预订芯片、签署电力协议，并在不同地区之间调配工作负载，其规模是多数开发商无法企及的。
公用事业公司无法以同样速度响应。它们必须预测需求、寻求监管批准、研究对系统的影响、获得土地使用权、采购设备，并通过获批的机制回收成本。每一步都可能造成延误或引发争议。
区域电网运营商也需要更有力的证据，证明拟议负载将真正落地。覆盖美国中大西洋地区大部分区域的PJM一直强调，数据中心申请被重复计算的风险。同一个底层项目，可能会向多家公用事业公司提出咨询。
这带来了艰难的取舍。如果电网规划者假定每一项申请都会兑现，他们可能购置过剩容量；如果对过多申请打折扣，则可能在供电交付年份来临时缺乏足够的可靠电力供应。
发电并网队列警示我们，不能将申请视为已经完成的基础设施。一项 Berkeley Lab 分析统计显示，截至2024年底，美国拟议发电项目约为1,400吉瓦，储能项目约为890吉瓦。
在2000年至2019年进入并网队列的容量中，截至2024年底，只有13%已投入商业运营。另有77%已撤回，10%仍处于活跃状态。已完成项目的开发周期中位数也已增长至四年以上。
这些队列涉及的是发电项目，而不是数据中心负载，但其教训同样适用：申请代表意向，而非交付。项目质量、融资、许可、设备和并网进展，共同决定哪些提案能成为投入运营的资产。
公用事业公司正通过新的费率和合同结构作出响应。一些公司希望大型负载客户提供更强的财务担保，或接受最低付款义务。当计划中的数据中心最终未能落地时，这些措施可以保护其他客户。
超大规模云服务商也在寻求直接购电协议。重启核电站、签署可再生能源合同、建设燃气发电、配置电池和燃料电池，都可补充传统公用事业服务。这些安排让大型买方拥有更多控制权，但并不能消除输电、许可或设备方面的限制。
较小的运营商面临更大压力。它们未必能在建设数据中心的同时为发电项目出资，对供应商的议价能力也更弱。它们可能依赖托管服务商，或选择电力更易获得的次级市场。
因此，企业买家应将选址视为可靠性变量。受限地区的容量预留，与已经投运的部署项目，交付风险并不相同。合同审查必须区分计划完工日期、已通电容量和应急安排。
云客户可能间接受到影响。容量限制会影响新的 AI 实例在哪些地区推出、预留集群何时启动，以及服务商是否要求更长期的承诺。地理灵活性可能会变得与加速器选择同等重要。
竞争分野不只是投入最多的公司与投入较少的公司之间的差别，而是掌握可靠电力路径的运营商，与手握建设方案却没有可交付能源的运营商之间的差别。
现场供电解决速度问题，却带来新的风险
现场发电可以缩短等待供电的时间，但它会将燃料、设备、排放和可靠性风险转移给数据中心。
麦肯锡在2025年对电力行业领导者进行的调查发现，65%的受访者预计将部署某种形式的现场供电。调查涵盖145名受访者，其中46名美国专家来自超大规模云服务商、托管运营商和公用事业公司。
近60%的受访者预计，到2030年即便电网服务已可用，仍会采用永久性现场发电。在计划使用现场供电的受访者中，64%预计将使用天然气。这表明，表后发电正成为常规数据中心设计的一部分。
燃气发动机和燃气轮机无需等待大规模输电扩建，便可提供稳定输出。燃料电池和电池可用于支撑可靠性，或弥补有限的电网服务。太阳能与储能结合，在空间和运行条件允许的地方也能贡献电力。
然而，自发电并不会让基础设施限制消失。燃气轮机面临制造积压的问题。项目地点还可能需要新增管道容量、冗余燃料通道、空气排放许可和专业维护。
IEA估计，可靠的现场燃气系统可能需要比数据中心预期负载高出30%至70%的发电容量。运营商需要这部分余量，因为设备可能故障或需要维护。波动性的 AI 工作负载又增加了一层复杂性。
该机构预测，到2030年，数据中心可能由15至27吉瓦的现场天然气发电提供服务，其中大部分位于美国。它也警告称，在评估时，所跟踪项目中只有约五分之一已经开始土地清理或施工。
电池具备速度和灵活性，但持续时长至关重要。短时储能可以平滑电力波动，并覆盖短暂中断；但它无法在长时间电网停电期间独立为大型 AI 园区供电。
虚拟电厂通过软件协调分布式能源资源，可在电力紧张时期帮助转移需求或提供电力。但它依赖市场规则、通信条件、客户参与，以及这些分布式资源本身的可用性。
数据中心也可以调整工作负载。一些训练任务可以在不同时间或地区之间迁移，从而在电网承压时降低需求。麦肯锡指出，运营商对削减高价值 AI 计算的意愿有限，因为计算收入可能高于电力成本。
推理工作负载则带来另一种挑战。推理是指运行训练完成的模型，以回答请求或执行任务。面向客户的服务通常要求低延迟和持续可用，因此暂停用电的空间更小。
环境方面的权衡将更难回避。延长燃煤电厂运行时间或增加现场燃气发电，有助于满足近期需求，但两者都可能增加排放。这些决定可能与企业清洁能源目标及社区预期相冲突。
用水、噪声、土地使用和电价可负担性也可能引发当地反对。即使项目在技术上可行，如果居民或监管机构认定其公共成本超过收益，项目仍可能失败。
这项 McKinsey 数据中心研究 并未确立一种放之四海而皆准的电力解决方案。它指向由本地条件塑造的混合能源组合。电网服务、燃气发电、太阳能、储能、燃料电池和工作负载灵活性，将在不同市场中发挥不同作用。
风险在于，临时措施可能未经充分审查便转为永久方案。为弥补电网延误而建设的燃气电厂，可能运行数十年。因此，公用事业公司和监管机构必须在评估速度的同时，考量长期成本、排放和搁浅资产风险。
扩建观点仍然正确的部分
持久的总体需求并不保证每一位开发商、租户、地区或融资结构都会成功。
反对过度建设的最有力依据来自已签约容量、低空置率和不断增长的用电量；最有力的怀疑论观点，则聚焦于这些总体数字内部发生的情况。
AI 需求预测取决于模型能否持续改进，以及计算密集型服务能否维持使用。效率提升可能减少每项任务所需的电力。企业也可能在早期部署未能带来足够回报后，变得更加谨慎。
效率并不总会降低总消耗。更低成本的推理可能促使开发者在更多产品中加入 AI 功能，从而增加请求数量。这种反弹效应使净结果难以预测。
麦肯锡预计，2030年后增长将放缓。芯片需求可能不再那么旺盛，采用程度可能趋于成熟，运营商也可能以更高效的系统替换现有硬件。这一转变可能削弱对新建建筑的需求，同时支持既有设施内部的升级。
EPRI 的 2026年预测显示，不确定性依然很大。其估计，美国数据中心2024年的用电量介于177至192太瓦时之间；其2030年情景预测范围则为383至793太瓦时。
这一跨度过大，无法支撑单一的确定性建设计划。公用事业公司必须在尚不清楚需求会走向低位、中位还是高位情景之前进行投资。开发商在为回收期较长的项目投入资本时，也面临相同的不确定性。
不同市场参与者面临的风险也不同。超大规模云服务商可以重新调配服务器、放缓一个园区的建设，或在其网络中的其他地点消化闲置容量。拥有单一项目且负债较高的投机性开发商，选择则更少。
基础设施中介机构处于两者之间。它们可能承担长期电力义务，同时依赖信用质量弱于大型云服务商的客户。租赁收入与能源承诺之间的不匹配，可能代价高昂。
地理因素也会造成另一类搁浅资产。全国需求可以增长，但某个特定项目仍可能失败。一个园区可能因电网连接姗姗来迟、当地规则改变，或客户偏好延迟更低的其他地区而失去竞争力。
技术设计同样可能使容量搁浅。为传统风冷服务器建造的设施，可能需要大规模改造，才能适配更高密度的 AI 系统。配电和冷却架构会限制项目支持哪些硬件。
这正是为何即便整体市场依然紧张，对过度建设的担忧仍属合理。一些项目很可能从管线中消失；另一些将晚于公布时间投运、变更所有权，或以低于计划的规模运营。
错误在于，将这些失败视为总体 AI 基础设施需求崩溃的证据。更合理的解读是，稀缺的电力和资本正在筛选项目。整体上仍可能供应不足，但建设热潮也会经历严重的局部损失。
投资者和企业客户应考察已签约利用率、租户质量、已通电容量、设备就绪情况和电力交付日期。仅凭宣布的兆瓦数，几乎无法判断项目的持久性。
三个信号将决定短缺是否持续
AI 数据中心建设的下一阶段，将由已交付容量、经验证负载和企业 AI 经济性决定。
第一个信号是建设规模与已通电供应之间的差距。CBRE 接下来的市场更新应显示，创纪录的建设量究竟会提高空置率，还是被预租需求迅速吸收。若供应增加同时空置率持续偏低，将强化麦肯锡关于容量不足的判断。
可用库存若大幅增加，则会削弱这一判断。如果这种变化出现在多个主要市场而非单一延迟园区，其意义将尤为重大。应关注运营容量和净吸纳量，而非仅看项目公告。
第二个信号是公用事业公司如何审核并服务大型负载申请。更高的保证金、最低付款要求和更明确的里程碑，有助于从预测中剔除重复或投机性项目。它们也将揭示哪些客户愿意作出具有约束力的承诺。
电网扩容同样关键。更多发电项目投入商业运营、更快获得输电审批，以及可衡量的并网进展，都将降低局部电力短缺的风险。排队延误若持续存在，则会进一步印证：瓶颈在于交付能力，而非需求。
第三个信号是企业 AI 的价值体现。营收增长、规模化部署和可量化的生产率提升，将支持超大规模云服务商训练项目之外持续增长的算力消耗。反复的实施失败或 AI 预算缩减，则会削弱需求增长的逻辑。
企业端成果应当比模型发布获得更高权重。新的基准测试领跑者或许会引发关注，但真正为基础设施买单的是持续运行的工作负载。当 AI 系统进入客户服务、软件开发、研究、运营及其他持续性流程时，数据中心需求才会变得更具持续性。
读者还应区分训练与推理。训练需求可能以大规模、集中的周期性形式出现。推理则会随着产品的持续使用而增长，并可分布在更多地点。转向推理将改变设施设计，但未必会降低整体电力需求。
对技术采购方而言，实际问题已不再是 AI 基础设施热潮是否存在，而是供应商是否在合适的地区掌握可用容量，并且其供电与完工日期是否可信。
应询问供应商：哪些容量已经投入运营，哪些仅仅完成签约；如果电网接入延期，将会发生什么。在依赖某个未来园区之前，应审视地域替代方案和工作负载的可迁移性。
McKinsey data center study 最终呈现的图景，比“泡沫”或“永久短缺”任一说法都更复杂。美国拥有庞大的开发项目储备，但其中只有一部分会成为可用基础设施。
需求可以保持强劲，同时个别项目仍可能失败。建设规模可以创下纪录，而客户依然可能难以获得容量。决定性的检验在于：承诺的兆瓦容量能否在 AI 经济效益或融资条件发生变化之前，转化为具备供电能力的计算系统。
