Morgan Stanley 警告：企业 AI 增长正与电力短缺发生碰撞

Morgan Stanley 指出，最新 Google News 头条背后存在一场尖锐冲突：企业 AI 部署正在加速，而可用算力依然受限。

该行研究显示，81% 的受访首席信息官预计，到 2026 年至少会有一项生成式 AI 工作负载投入生产环境。这一比例高于 2025 年第二季度的 74% 和第三季度的 79%。

生产工作负载之所以重要，是因为它们持续运行、服务真实用户，并且对可靠性的要求高于临时实验。每当员工、客户或自动化代理提交请求时，它们也会消耗推理容量。

这一转变正与更缓慢的实体系统发生碰撞。数据中心需要芯片、内存、冷却设备、输电能力和可靠电力。软件可在数月内投入生产，但大型电力项目往往需要数年时间。

结果是，熟悉的 AI 采用叙事出现了反转。企业越来越愿意使用 AI，但基础设施提供商无法以软件的速度扩展供应链的每一个环节。

Morgan Stanley 预计，电力约束将在 2027 年和 2028 年尤为突出。该行还观察到，当传统电网接入耗时过长时，数据中心开发商正转向天然气、电池、微电网和现场发电。

这不只是关于 Nvidia 加速器或云资本支出的投资争论。这是一场需求快速复合增长与电力系统之间的较量，而后者围绕漫长的规划、许可和建设周期构建。

Google News 头条连接了 Morgan Stanley 的两项独立信号

Morgan Stanley 的警告结合了可量化的企业采用情况，以及短期容量不足的电力市场。

第一项信号来自该行的科技研究。其最新的 AI 采用调查 覆盖了美国、德国、日本和澳大利亚的 935 名企业高管。

使用 AI 至少一年的公司报告称，平均生产率提升了 11.5%。受访企业还报告，在五个被视为高度受 AI 影响的行业中，就业人数净减少了 4%。

这些发现并不能证明每个 AI 项目都能带来同样的回报。它们表明，在一批规模可观的大型公司中，AI 采用已超越演示阶段。

另一项 Morgan Stanley CIO 调查进一步印证了这一点。调查发现，81% 的 CIO 预计，到 2026 年底至少会有一项生成式 AI 工作负载投入生产环境。

生产环境会改变基础设施需求的形态。概念验证可以运行数周、仅涉及小型团队，并在预算审查到来时停止。

实际运行的应用必须处理持续流量、保留安全控制、维持响应时间，并在营业时间内保持可用。面向客户的系统可能需要跨区域持续提供服务。

工作负载也会从训练转向推理。推理是运行已训练模型以生成答案、预测、图像或自动化操作的过程。

一次推理请求可能很高效。但企业软件、客户支持、开发系统和自主代理中的数百万次重复请求，会形成可观的总体负载。

第二项信号来自电力市场。Morgan Stanley 表示，多年来电网投资不足，已让数据中心开发商担忧 2027 年和 2028 年会出现短缺。

该行的电力市场展望描述，市场对表后发电的兴趣正在增长。这意味着设施直接从附近设备获得部分电力，而非完全依赖更广泛的电网。

两项信号相互强化。企业采用增加了持续性需求，而云服务提供商恰恰需要更多可靠的算力容量。

这正是 Google News 条目背后的核心含义。企业需求正变得更容易观察，但新增供给仍受实体设备和漫长审批流程限制。

相关 Morgan Stanley 材料支持这一总体论点，尽管汇总后的头条将多条研究脉络压缩进了一句话。它不应被解读为对每个地区都会面临全面停电的精确预测。

相反，短缺更可能表现为电网接入延迟、云容量受限、基础设施成本上升，以及对新设施可运营地点作出更艰难的决策。

企业 AI 部署将实验转化为持续需求

当公司不再测试 AI、而是开始将其嵌入日常运营时，基础设施问题便会加剧。

实验性聊天机器人产生的是间歇性流量。与销售、工程、财务或客户服务相连的生产系统，则会在整个工作日持续产生重复需求。

AI 代理可能进一步推高这种需求。代理是一种朝着目标规划并执行多个步骤的软件，通常会多次调用模型和外部工具。

一次员工请求可能触发文档检索、分类、模型推理、数据库查询、验证以及最终回复。每一步都可能消耗额外的 token 和计算时间。

这种模式解释了为何效率提升不会自动降低总能耗。更高效的模型会降低单项任务的成本，进而可能促使公司运行更多任务。

国际能源署报告称，数据中心的用电需求在 2025 年增长了 17%。以 AI 为重点的设施用电增长更快。

该机构还发现，五家主要科技公司的资本支出在 2025 年超过 4,000 亿美元。其预计这一数额将在 2026 年再增长 75%。

这些数据反映出，市场正从模型开发转向广泛部署。云公司必须在尚不完全清楚哪些应用能带来持久回报之前建设容量。

Morgan Stanley 的企业调查结果也指向同一方向。使用 AI 至少一年的企业报告了两位数的平均生产率提升，这为扩展成功部署创造了动力。

不过，这些平均值仍需结合背景来看。收益因任务、行业、数据质量和实施成熟度而异。

Morgan Stanley 还发现，大型公司报告的就业减少更为显著。这一结果引发了疑问：部分生产率提升究竟反映了工具改进、员工减少，还是两者兼有。

Morgan Stanley 的另一项分析审查了企业财报电话会议。分析发现，25% 的 S&P 500 公司在 2026 年第一季度描述了至少一项可量化的 AI 影响。

一年前的可比比例为 13%。科技公司更频繁地报告了实际收益，而更广泛指数中的 75% 公司仍未提供量化收益。

这一差距很重要。它表明采用正在加速，但并不能证明 AI 已改变了每家公司，或证明每个基础设施项目都合理。

开发者和企业买家应区分部署与价值。工作负载进入生产环境意味着它通过了内部门槛，但并不保证具有吸引力的长期经济性。

生产环境也可能暴露试点期间被隐藏的成本，包括模型使用、检索基础设施、人工审核、安全监控、数据准备和故障处理。

当 AI 应用要求低延迟或严格可用性时，成本会变得更高。公司可能需要预留算力容量，而不是仅购买偶尔使用的云访问服务。

敏感工作负载又带来另一项约束。金融服务、医疗保健、国防和受监管行业通常需要更强的数据控制和更可预测的部署环境。

这些要求可能限制工作负载的运行地点。当某一地点缺乏容量时，它们也可能阻碍公司在云区域之间自由迁移流量。

因此，AI 电力短缺的影响不止于发电。它涵盖了企业请求与模型响应之间的完整链条。

这条链条涉及先进芯片、内存、网络、冷却、变压器、变电站、输电线路、备用电源和软件编排。任何一层短缺都可能限制整个系统。

Morgan Stanley 的采用数据让这一约束更为紧迫。需求端不再仅仅建立在对未来消费者产品的预测之上。

真实企业正在将 AI 纳入运营工作流。一旦员工和客户依赖这些系统，撤出容量就会比终止一场实验更困难。

真正的 AI 电力短缺始于电网接入

一个地区可能拥有电力，却无法在所需时间表内向特定数据中心提供电力。

电力供应常被描述为一个全国性数字。数据中心开发则取决于当地条件，包括输电能力、变电站设备、发电可用性和并网审批。

电网接入是让新设施获得电力的实体与合同安排。大型接入项目需要工程研究，因为它们可能影响更广泛网络的可靠性。

美国能源部报告称，数据中心在 2023 年消耗了 176 太瓦时电力，约占美国全国用电量的 4.4%。

该部门预计，到 2028 年用电量将达到 325 至 580 太瓦时。在这一范围内，数据中心将占美国总电力需求的 6.7% 至 12%。

劳伦斯伯克利国家实验室的一项较新估计将展望延伸至 2030 年。其基准情景认为，届时数据中心将占美国用电量的 11.8%。

这份全国能源更新报告给出了 9.5% 至 15.3% 的情景范围。这一区间之所以宽泛，反映出设备出货量、利用率、冷却性能和部署情况存在不确定性。

即使是较低情景，对公用事业公司而言也代表着重大变化。在数据中心、制造业、车辆和建筑电气化重新带动增长之前，许多发达经济体的电力需求长期相对平稳。

IEA 预计，到 2030 年全球数据中心用电量将超过 900 太瓦时。其分析指出，美国占预期增量的最大份额。

该机构预计，到 2030 年，数据中心将贡献近一半的美国电力需求增长。这种集中度使单个并网决策成为区域规划问题。

公用事业公司不能将拟建的吉瓦级园区视作普通办公楼。在有利运行条件下，一吉瓦相当于一台大型发电机组的输出。

数据中心还可能要求可靠电力，即在规定系统条件下必须持续可用的电力。这一要求改变了电网规划者评估发电和输电需求的方式。

新增需求的到来速度可能快于新增供给。开发商可以在重大输电项目完成许可审批和建设之前，就订购服务器并建造设施。

发电本身也面临时间问题。燃气轮机、变压器、开关设备和其他电气设备受制于制造能力与漫长的订货周期。

在一些市场，可再生能源项目可以更快投入运营，但其波动性输出往往需要储能、灵活需求、输电能力或可调度发电作为支撑。

核电站可提供稳定输出，但通常需要较长的开发周期。小型模块化反应堆仍是潜在的未来电源，而非近期可大规模推广的解决方案。

天然气能够提供可控发电，但管道和涡轮机也会带来额外限制。当地反对意见与减排目标可能使新项目更加复杂。

这正是 Morgan Stanley 强调“通电时间”的原因。决定性的指标并不只是未来某一天理论上可获得的电力总量。

开发商需要知道，某个特定地点何时能够提供明确规模的可靠电力。不确定性可能使原本合适的物业无法使用。

这一问题已引起联邦层面的关注。2026 年 6 月，联邦能源监管委员会要求六家区域电网运营商说明理由或改革其大负荷接入规则。

大负荷命令涵盖数据中心、工厂和其他大型用电户，同时寻求建立保障措施，防止普通用户承担缺乏正当依据的基础设施成本。

监管行动表明，瓶颈并非仅限于分析师预测。电网主管机构正积极重新审视在 AI 园区开始申请前所未有负荷之前制定的规则。

然而，更快的流程无法制造变压器或发电容量。规则调整可以消除行政延误，但实体扩张仍需时间。

超大规模云厂商正将电力拉近数据中心

云服务商正通过将能源采购视为计算架构的一部分来应对这一局面。

传统模式将数据中心与电力系统分开。开发商申请公用事业接入、购买电力，并安装备用发电机以应对紧急情况。

当公用事业容量无法按项目进度到位时，这一模式的可靠性便会下降。开发商如今正考虑将计算、发电、储能和电网服务结合在一起的设施。

Morgan Stanley 预计，天然气、电池、微电网和核电项目将发挥更大作用。微电网是能够协调发电、储能和用电的本地电力网络。

表后发电可以减少向更广泛电网申请的可靠容量。它还可以帮助设施在所有计划中的输电升级完工前开始运营。

这种做法也带来权衡。现场发电需要燃料、许可、设备、维护和资本，而传统数据中心原本可能无需承担这些投入。

它也可能将环境负担转移给当地社区。燃气发电会产生排放，而大型园区可能影响用水、土地供应、噪音以及居民电费。

电池能够快速响应并削减短时峰值。它们并不产生一次能源，因此其作用取决于充电机会和供电短缺的持续时间。

需求灵活性提供了另一种选择。只要应用能够容忍延迟，数据中心就可以在电网受限时削减部分工作负载。

与面向客户的推理相比，训练任务通常更容易在时间上调整。一次模型训练有时可以暂停，但银行的欺诈检测系统无法等待电力需求下降。

工作负载也可以在不同地区之间迁移。这一策略需要备用计算容量、充足的网络连接、兼容的数据规则，以及为地理分布而设计的软件。

这些选项赋予超大规模云厂商优势。最大的云计算和科技公司拥有资产负债表、工程团队和地理覆盖范围，能够谈判复杂的能源安排。

Morgan Stanley 估计，美国五大科技公司在 2026 年的支出可能约为 8000 亿美元。它们合计资本开支到 2027 年可能达到 1.16 万亿美元。

这些数字仍是预测，实际支出可能随营收、融资条件和技术表现而变化。尽管如此，它们仍说明了超大规模云厂商与较小供应商之间的规模差距。

大型买家可以签署长期购电协议，或支持新的发电项目。它们还可以锁定稀缺芯片、网络设备和建设能力。

较小的云服务商和企业运营商则面临更艰难的处境。它们可能需要支付更高费率、接受更长的部署周期，或将设施设在远离目标用户的地点。

这可能加剧市场集中度。如果电力接入成为竞争资产，拥有既有园区和电网关系的公司便会形成又一道阻碍新进入者的壁垒。

芯片竞争无法消除这一问题。Nvidia、AMD 和定制加速器可以提升每瓦性能，但当客户部署更多系统时，总电力需求仍会上升。

效率甚至可能加速使用。更低的推理成本会使新的应用变得经济可行，从而增加发送至数据中心的请求数量。

IEA 表示，每项 AI 任务的耗电量正在快速下降。但它同时预计，到 2030 年，数据中心总用电量将翻倍，因为采用规模和工作负载强度的增长速度更快。

这种效应类似于其他计算转型。更高效的处理器扩大了实用软件的范围，而非为总计算量设定固定上限。

对于企业买家而言，眼下的启示关乎架构。团队不应假定云容量总能在每个首选区域即时出现。

他们需要为模型替换、工作负载调度、区域故障切换、缓存和高效检索制定方案。这些控制措施可以降低风险敞口，而无需企业自行运营发电厂。

知识密集型 AI 系统同样依赖经过组织、具备权限感知能力的源材料。更好的检索可以避免不必要的模型调用，并减少对相同企业信息的重复处理。

更大的战略要点仍然是实体基础设施。AI 软件市场可能在数周内变化，但电力基础设施的资本投入周期横跨数十年。

Morgan Stanley 的展望并不能证明什么

证据支持存在严峻的容量约束，但并不能证明会出现普遍或永久性的电力危机。

最初的汇总标题使用了严厉的措辞。读者应将 Morgan Stanley 有据可查的发现，与分发平台提供的表述区分开来。

该行指出，计算容量存在显著的超额需求，近期电力供应也面临约束。其公开分析特别强调对 2027 年和 2028 年的担忧。

这不同于预测未来数年内每一位客户都会面临全国性电力短缺。约束将因地区、接入类型、设施设计和支付意愿而异。

一些拟建数据中心永远不会投入运营。开发商往往会公布相互重叠的项目，同时判断哪些地点能够获得客户和电力供应。

公用事业公司也面临重复申请带来的不确定性。多家开发商可能为相互竞争的园区申请容量，即使最终只有一个项目会推进。

为每一项投机性申请建设基础设施，可能形成闲置资产。如果设施被取消，居民和商业用户可能通过电费继承相关成本。

FERC 已将消费者保护纳入其大负荷审查。该委员会希望加快接入，同时确保大型用户承担必要升级中的适当份额。

需求预测还包含另一层不确定性。AI 模型的效率可能快于预期提升，而企业也可能限制那些未带来可衡量回报的高成本智能体工作负载。

Morgan Stanley 自身的企业证据显示，市场并不均衡。2026 年第一季度，只有四分之一的 S&P 500 公司披露了可量化的 AI 收益。

这一比例较上年翻倍，但仍有四分之三未报告可衡量的收益。一些企业可能在试点暴露出较差的经济性或治理问题后放缓部署。

某项工作负载即使进入生产环境，规模也可能仍然很小。81% 的 CIO 数据衡量的是组织是否预计至少有一项生产部署，而非每位受访者的全部计算量。

该数据还来自对 100 名美国和欧洲 CIO 的调查。其趋势具有参考价值，但样本并不代表全球所有企业。

Morgan Stanley 涉足投资银行、财富管理、研究和私募市场。其展望能够识别真实趋势，同时也反映了一家积极参与相关资产融资的机构。

因此，该行的估计应与独立能源分析结合考量。IEA 和 Lawrence Berkeley 的研究支持需求上升的判断，但同样提供的是区间而非单一固定结果。

技术变化可能削弱短缺论点。更好的加速器、更小的模型、改进的冷却技术以及更有纪律的软件实践，都可能降低每项完成任务的耗电量。

监管改革可能缩短并网进度。灵活合同可能允许数据中心更早接入，前提是它们在系统压力期间降低用电。

在部分市场，新的发电和输电设施也可能比预期更快落地。拥有可用土地、天然气供应、可再生资源或现有核电容量的地区，可能吸引更多开发项目。

反之，短缺也可能恶化。设备延误、地方阻力、燃料限制或智能体采用速度加快，都会扩大计划需求与可用供给之间的缺口。

Google News 读者应将这个故事视为一场容量竞赛，而非通向不可避免停电的倒计时。可见症状往往将是商业性的，而非灾难性的。

这些症状包括园区延期、云服务承诺成本上升、区域容量限制，以及对发电的激进投资。它们仍可能重塑 AI 行业的竞争格局。

三项信号将检验 AI 基础设施论点

电网决策、超大规模云厂商支出和生产使用情况，将揭示需求是否如 Morgan Stanley 预期那样急剧超越供给。

第一项信号是 FERC 大负荷命令的执行情况。区域电网运营商必须说明或改变有关大型用户如何接入的规则。

关注明确的时间表、保证金要求、灵活服务选项以及基础设施成本分摊规则。更快的审批将减少行政不确定性，但不会消除设备短缺。

灵活输电安排尤其值得关注。数据中心可能接受减少电网服务，同时从附近发电设施获得其余电力。

如果这些结构变得普遍，Morgan Stanley 的通电时间论点将更具说服力。开发商将因为传统接入无法满足其进度，而改变运营模式。

如果区域运营商无需广泛的特殊安排便可接入大型负荷，最严峻的短缺预期将会减弱。结果可能因市场而异。

第二项信号是主要科技公司的资本支出和已建成容量。相比公布的预算，接入可靠电力并投入运营的数据中心更为重要。

投资者应将支出与云业务收入、AI 使用情况、建设进展，以及管理层对受限地区的评论进行对比。反复提及电力可用性，将支持“瓶颈存在”的观点。

被取消的园区或利用率下降则会指向相反的方向。这可能表明，早期预测计入了客户并不愿意出资支持的需求。

全球能源展望提供了一个有用的参考基准。该报告预计，到 2030 年，全球数据中心的耗电量将达到约 945 太瓦时。

对这一数字进行重大修订，将影响公用事业公司、芯片供应商、云运营商和数据中心开发商的预期。

第三个信号是可衡量的企业 AI 使用情况。生产部署公告应伴随 token 消耗量、活跃用户数、已完成工作流、收入影响或经验证的生产力提升等数据。

披露量化成果的公司数量将尤具参考价值。Morgan Stanley 发现，S&P 500 公司中披露量化成果的比例在一年内从 13% 升至 25%。

如果这一比例再次大幅上升，将强化企业部署与持续基础设施需求之间的联系。结果持平或下降，则意味着“生产部署”标签可能夸大了实际使用情况。

企业采购方还应关注云合同中的限制。更长期的承诺、区域限制和容量预留要求，可能会比国家统计数据更早暴露资源稀缺问题。

开发者会通过加速器访问、延迟、配额和部署地点感受到这种限制。知识工作者则会通过产品可用性、响应速度和不断变化的使用政策遇到它。

更广泛的叙事已不再是企业是否会尝试 AI，而是实体基础设施能否以供应商预期的规模支持持续使用。

Morgan Stanley 的警告使这种冲突更加清晰。软件采用正通过企业工作流加速，而电网和发电项目仍受制于多年期建设周期。

这种错配并不意味着必然出现一场普遍危机。但它确实使电力可用性成为 AI 产品战略、云竞争和区域经济发展中的核心变量。

下一次 Google News 更新的重要性，不如其背后的运营证据。未来几个季度应关注电网接入改革、已建成的计算容量，以及量化的企业使用情况。

如果这三项指标同步上升，基础设施建设仍将是一场与需求赛跑的竞赛。如果部署放缓或接入周期改善，供给短缺的叙事就需要修正。

对于正在规划 AI 系统的团队而言，实际问题很直接：当首选计算容量受限时，应用能否依然保持经济性和可靠性？为高效模型、灵活区域和可衡量价值而设计，比假设供应无限更能提供答案。