PwC预测数据中心支出将达31.6万亿美元，但电力决定上限

PwC预测，到2050年全球数据中心累计支出将达31.6万亿美元，这一数字成为Google News报道的焦点。然而，这个醒目的数字并非报告中最具影响力的论断。PwC认为，决定基础设施建设规模及其落地地点的，并非投资资本，而是电力。

该预测描绘了一轮不同于铁路、电信网络及其他建设热潮的资本周期。数据中心建筑可使用数十年，但其中的服务器、处理器、存储系统和网络设备，则需要以更短的周期进行更换。

这种差异将建设热潮转化为持续的技术更新周期，也让对AI算力的需求与电力供应、审批、设备和熟练劳动力等较为缓慢的系统之间产生直接冲突。

PwC委托Oxford Economics对46个国家和地区的支出进行建模。其核心预测显示，到2050年累计支出将达31.6万亿美元；不同情景下的估算范围则约为22万亿美元至接近50万亿美元。

这些数字取决于采用情况、效率、贸易政策以及先进芯片的可得性。它们是预测，而不是已获投资者批准的预算。核心问题在于，电力系统能否支撑该模型所假设的计算能力。

PwC的31.6万亿美元预测实际衡量了什么

这一标题数字衡量的是累计资本支出，而不是某一项建设计划的价值，也不是投资者已经批准的一笔账单。

PwC的data center outlook涵盖实体设施以及安装在其中的信息与通信技术。后一类包括服务器、存储设备、网络硬件、中央处理器和图形处理器。

这一区别很重要，因为实体外壳仅占AI设施全生命周期成本的一部分。电力连接、冷却系统、光纤线路和建筑物可服务于多代计算设备，而芯片和服务器的商业淘汰速度要快得多。

PwC预计，数据中心年度资本支出将从2026年的约8000亿美元增至2030年的1.1万亿美元，到2050年达到每年1.8万亿美元。

核心情景将15.1万亿美元，即累计支出的48%，分配给美国。PwC认为，这种集中在一定程度上源于美国在先进芯片生态系统中的地位。

亚太地区预计将占8.2万亿美元，其中由中国和印度领跑。随着各国政府寻求建设主权AI能力，欧洲和中东也将吸引投资。主权AI指在一国法律、安全和数据控制要求下运行的计算基础设施与模型。

当支出在建筑和设备之间拆分时，预测更具启示性。PwC估计，信息与通信技术在2026年占数据中心资本支出的70%，到2050年这一比例将升至93%。

在PwC的模型中，建筑建设每投入1美元，实际上都会带来约12美元的未来设备承诺。这一比例反映的是反复安装和更换，而非单次硬件采购。

PwC表示，服务器、GPU及相关系统通常每四到六年需要更新一次。即使最初一波建筑建设结束，设备更换仍会让资本支出保持高位。

这一机制解释了为何预测会持续增长至2050年，而不是在首个部署周期后见顶。企业并非只是建设设施，而是在打造需要数代昂贵硬件支撑的场址。

PwC单独发布的infrastructure forecast有助于说明这种差异。该预测显示，数据中心建筑年度支出将从2024年的1138亿美元增至2027年的2518亿美元。

该预测中，2024年至2032年的建筑投资超过1.5万亿美元。更大的31.6万亿美元估算，则纳入了在更长时期内填充这些建筑的计算设备。

因此，通过Google News接触这一报道的读者，不应将标题理解为仅涉及建设的数字。预计的大部分资本将流入处理、传输和存储数据的系统。

这为芯片供应商、网络公司、云运营商和专业基础设施提供商创造了持续性收入机会，同时也带来了利用率、硬件折旧和模型架构变化方面的持续风险敞口。

围绕某一代高密度加速器设计的设施，到了下一代设备时可能需要新的冷却或配电系统。因此，更换周期可能影响配套基础设施，而不只是服务器机架中的芯片。

预测规模非同寻常，但其构成更为重要。PwC描述的是一个围绕持续设备更新而建立的工业体系。

为什么AI基础设施支出不会在建设后见顶

在PwC的模型中，数据中心热潮之所以持续，是因为AI硬件在承载它的设施达到使用寿命终点之前很久，就已在经济层面老化。

传统基础设施项目通常在早期集中支出。铁路或输电线路需要维护，但运营商一般不会每隔几年就更换其核心运行设备。

AI基础设施遵循另一种模式。新处理器可提供更高性能、更大内存带宽、更强网络能力或更高能效。云服务商必须判断，旧设备能否与新系统保持竞争力。

这种压力同时适用于AI训练和推理。训练是利用数据构建模型的过程，而推理则是人们或应用使用该模型时所进行的计算工作。

训练推动了对大型加速器集群的需求。推理则可能形成更广泛、更持久的负载，因为每一个生成的答案、软件操作、图像或视频都需要计算资源。

如果AI被嵌入搜索、办公软件、编程系统、客户服务、工业运营和消费设备，推理需求可能随使用量增长。这种增长将支撑PwC更高的支出情景。

然而，采用并非必然。更高效的芯片和模型可以降低完成特定任务所需的计算量。竞争也可能降低每单位计算所获得的收入。

这些力量可同时发挥作用。生成一项AI输出的成本可能下降，而总消费量却会因低成本鼓励更多使用而上升。这种关系类似于其他技术中出现的反弹效应。

PwC以一个范围而非单一固定结果来处理这种不确定性。与核心情景相比，较慢的AI采用会使累计资本支出减少约10万亿美元；更快的采用则会将总额推向50万亿美元。

不同情景之间的差距几乎与核心数字同样重要。它表明，该预测在多大程度上取决于数十年前无法观察到的行为和商业需求。

核心预测还假设资本供应保持充足。大型云服务商可通过经营现金流、债务、合作伙伴关系和租赁结构为项目融资。独立运营商则更依赖外部融资和客户承诺。

当项目缺乏长期电力供应或已签约需求时，融资会更加困难。拥有GPU但电力不足的数据中心无法产出可计费的算力；一个电力充足却没有客户的场址，则可能成为昂贵而利用不足的资产。

PwC警告称，较慢的采用速度可能导致大型设施部分闲置。这种可能性挑战了“每个已宣布项目都代表持久需求”的假设。

因此，投资周期依赖的不仅是对AI的热情。运营商需要能持续产生足够经济价值的应用，以覆盖设备折旧、电力、维护和融资成本。

企业采用是持久需求的一个潜在来源。企业正越来越多地将AI用于软件开发、文档分析、客户支持、研究和内部搜索。但试点项目并不会自动转化为大规模生产负载。

买方通常还面临准确性、隐私、集成和可量化回报方面的担忧。即使模型能力提升，这些限制也可能减缓使用速度。

消费者需求同样存在不确定性。AI服务可以吸引大量受众，但提供商仍需获得可持续收入，或有其他战略理由来补贴计算成本。

这一预测最有力之处，在于描述了投资机制。至于客户将以多快速度为每台已部署服务器创造收入，其预测确定性则较低。

这一差异应影响投资者和企业买方解读PwC数据中心预测的方式。该报告勾勒了多种采用路径下所需的基础设施，但并未证明成本最高的路径能够带来可接受的回报。

Google News标题忽略了真正的瓶颈：电力

资本可以订购服务器和建筑，但只有可获得的电力才能将其转化为正在运行的AI能力。

PwC将价格可负担、可靠且低碳的电力视为许多市场最难满足的要求。连接能力、安全性、政策确定性、社区同意以及GPU供应同样会影响项目选址。

电力不同于其他投入，因为它并不总能快速交付。新发电能力、变电站、输电线路和电网接入通常需要数年的规划和建设。

国际能源署估计，数据中心在2024年消耗了415太瓦时电力，约占全球用电量的1.5%。

其energy analysis预计，到2030年该消耗量将达到约945太瓦时，略高于日本目前的年度用电量。

IEA预计，到2030年，数据中心将占美国电力需求增长的近一半。它还预测，到本十年末，美国数据中心的用电量将超过所有能源密集型制造业的总和。

这些全球总量可能掩盖更为尖锐的地方影响。运营商会在特定地区集中部署巨大的负载，因为它们寻求光纤连接、可用土地、熟练劳动力、客户以及现有云服务园区。

IEA发现，美国当前近一半的数据中心容量位于五个区域集群内。它还估计，在建项目中有一半仍集中于既有集群。

即使全国电力供应看似充足，这种集中也可能压垮当地发电和输电能力。公用事业公司无法仅仅因为其他地区存在容量，就向一个县输送无限量电力。

IEA估计，除非解决电网约束问题，否则20%的已规划数据中心项目将面临延期风险。在发达经济体，新建输电线路可能需要四到八年。

该机构称，过去三年中，变压器和电缆的等待时间已翻倍。燃气轮机订单的交付周期也可能长达数年。

这种时间错配处于AI基础设施支出争论的核心。数据中心开发商建设一座设施的速度，可能快于公用事业公司完成重大电网升级。

运营商有多种应对方式。他们可以在现有电力资源附近建设，为新发电项目融资，签署长期购电协议，安装电池，或运营现场发电设施。

他们还可以在不同地区之间调度工作负载，或根据电网状况调整计算活动。灵活运营仍然很困难，因为昂贵的加速器在闲置时不会产生收入。

IEA估计，一座典型的AI导向型数据中心耗电量可相当于10万户家庭。正在建设的最大型设施所需电力可达这一水平的20倍。

满足这些负载将涉及多种能源。IEA预计，到2035年，可再生能源将在储能和更广泛电网投资的支持下，满足约一半的数据中心用电需求增长。

在其基准情景中，天然气和核电也将作出贡献。该机构预计，首批纳入这一更广泛供应体系的小型模块化反应堆将在2030年前后投入使用，不过部署时间表仍存在不确定性。

能源可得性可能重塑PwC的地理预测。资本成本较低但电网薄弱的地区，可能失去项目，转而让给能够提供更快接入和可靠发电能力的地方。

这给政府和公用事业公司带来压力。它们必须在数据中心需求、居民负担能力、制造业扩张、电气化和减排目标之间取得平衡。

社区同意同样重要，原因也在于此。如果设施争夺电力或水资源，却未能提供与其他工业项目相当的就业机会，居民可能会反对。

因此，31.6万亿美元的预测取决于同步推进的能源建设。仅靠半导体生产，计算行业无法实现PwC的核心情景。

这场竞争是AI需求与基础设施现实之间的较量

该预测的主要冲突并非一家云公司与另一家云公司的对抗，而是加速增长的算力需求与较慢的实体基础设施之间的矛盾。

半导体路线图推进迅速。软件公司可以在数月内发布新模型。输电项目、发电厂和公用事业审批的周期则长得多。

这种差异改变了竞争格局。已获得电力保障并拥有现有园区的云运营商，比那些虽持有土地却缺乏确定电网接入的开发商更具优势。

芯片获取又增加了一层复杂性。先进加速器仍集中于一条有限的供应链，其中涉及专业设计商、制造商、内存供应商、封装供应商和设备制造商。

PwC测试了更严格的出口管制可能如何扰乱这一体系。其贸易受限情景下，到2030年，年度投资将降至核心预测的大约一半。

供应链会在模型中逐步调整，但到2050年的累计支出将降至约25.5万亿美元。这比核心预测低约6万亿美元。

这一结果表明，AI基础设施支出取决于芯片能够在法律和实际层面流向何处。出口管制影响的不只是半导体销售，还会影响整个地区数据中心开发的经济性。

数字主权则会带来不同结果。对本地计算和数据存储的要求会重新分配投资，但不会像前述情况那样显著压低全球总量。

在这一情景下，国内需求强劲、现有产能有限的国家可能吸引更多项目。政府和受监管行业可能愿意接受更高成本，以保留对敏感数据和计算资源的控制权。

美国起点较为有利，因为它拥有主要云平台、芯片设计商、资本市场以及庞大的企业需求基础。不过，其电网约束可能限制它实际获得预测中48%份额的程度。

中国面临获取部分先进处理器的限制，但也拥有国内需求、制造能力和国家支持的基础设施项目。印度拥有庞大的数字市场，但电力可靠性和网络发展水平因地区而异。

欧洲将可观的需求与更严格的环境和数据治理规则结合在一起。这些规则可能鼓励本地部署产能，同时也让审批和能源采购更具挑战。

中东各国政府可以将主权AI战略与资本和能源资源相结合。它们面临的挑战在于建设更广泛的技术能力、高效冷却设施，以及获取先进设备。

这些区域差异使该预测成为对完整运营环境的竞争。仅有廉价土地并不足够。成功市场还需要电力、光纤、政策稳定性、安全、人才和硬件获取能力。

企业在更小的尺度上也面临同样的系统性问题。买方可以预留算力，但其AI项目仍需要可靠的数据、有用的应用、安全控制，以及已准备好改变工作流程的员工。

因此，基础设施热潮可能先于应用成熟度。云运营商可能会根据预期需求建设，而企业客户尚不清楚哪些工作负载足以支持大规模部署。

这种顺序在新兴技术市场中很常见，但会带来财务风险。供应商必须在需求完全显现前投入资本。

长期合同可以降低不确定性，但也会将风险转移给客户。合作伙伴关系可以分担融资，但也可能使义务更难评估。

核心矛盾仍然是实体层面的。AI需求可以快速上升，而新的电力和网络基础设施响应缓慢。PwC的预测假设，这一较慢的系统最终会赶上来。

31.6万亿美元估计无法告诉我们的事

一项覆盖24年的累计预测能够提供有用情景，但无法确定未来利用率、盈利能力或胜出的计算架构。

PwC将其31.6万亿美元的数据描述为核心情景。这一数字周围的广泛区间反映了采用率、贸易、效率、监管和技术方面的不确定性。

时间跨度会放大假设中细微的变化。年度需求增长的适度差异，到2050年就可能造成数万亿美元的累计支出差距。

硬件效率是一个主要变量。IEA的高效率情景显示，到2035年，数据中心电力需求将比其基准情景低20%。

其更广泛的情景范围是，到2035年为700至1,700太瓦时。这个区间表明，精确的长期预测不应被误认为是已测得的结果。

软件效率同样重要。更小的模型、专用系统、缓存、量化和更好的调度，可以减少许多任务所需的计算量。

与此同时，能力更强的应用可能增加请求的数量和复杂度。能够规划多步骤行动的AI系统，所需推理算力可能远高于简单的文本补全。

效率提升与消费扩张之间的最终平衡仍然未知。PwC的投资区间承认了这一不确定性，但并未予以解决。

利用率带来另一项风险。运营商只有在客户以可接受的水平使用已安装产能时才能获得回报。即使长期AI需求持续增长，一座远低于满负荷运行的大型设施仍可能陷入困境。

快速的硬件迭代可能加剧这一问题。旧款加速器可能在其会计折旧期结束前失去经济价值，尤其是在新设备以每单位电力提供更高性能时。

这种可能性通过持续的更新需求帮助供应商，但会伤害那些以转售价值下降的硬件作为债务担保的所有者。

电力成本也会影响竞争力。处理器的购买成本只是运行成本的一部分。电力、冷却、维护、网络和设施管理费用会在整个运营生命周期内持续产生。

环境影响也需要同样谨慎地看待。IEA预计，在其基准情景中，与电力相关的数据中心排放量将从1.8亿吨增至2035年的3亿吨。

在其高增长情景中，这一数字将达到5亿吨。该机构指出，这些总量仍低于能源行业排放量的1.5%，但数据中心已跻身增长最快的排放来源之列。

全球百分比再次掩盖了本地后果。一座设施可能显著改变区域电网负荷、发电结构、用水需求和基础设施成本。

AI还可以支持能源效率、电网预测、维护和科学研究。IEA估计，基于AI的工具可在不新建线路的情况下释放多达175吉瓦的输电能力。

这些潜在收益不应被自动用来抵消数据中心的用电量。它们取决于实际部署和经验证的节省效果。

同样的谨慎也适用于经济价值。更好的医疗、软件、物流和科学发现可能证明大规模基础设施投资是合理的。低价值的自动化内容和未被使用的企业试点项目则会支持更弱的论点。

PwC的预测并未终结这场辩论。它量化了不同采用轨迹所对应的资本规模。

正确的怀疑性解读并不是31.6万亿美元不可能实现，而是这一数字取决于一连串技术、商业和政治条件；在2050年之前，这些条件将反复变化。

将检验PwC数据中心预测的三个信号

接下来的证据将来自电力供应情况、硬件利用率，以及芯片管制和主权政策塑造的地理格局。

第一个信号是已公布项目获得稳定电力的能力。投资者应在未来几个季度关注电网接入协议、公用事业资源规划、发电合同和项目延期情况。

仅有公告提供的证据较弱，因为开发商往往在电力安排完成前就对外介绍设施。已通电的产能更能衡量哪些项目能够投入运营。

更快的并网和可信的新发电能力将加强PwC的核心情景。持续延误、接入成本上升或园区取消，则会削弱其近期路径。

第二个信号是AI收入和工作负载增长能否跟上设备折旧。云服务商的财务报告可以显示资本支出、折旧、产能约束和AI服务需求。

这些数字之间的关系比单独的支出更重要。支出增加，同时利用率改善且收入具有持续性，将支持周期性更新的论点。

如果使用量扩张更快，单位成本下降未必是负面因素。然而，利用率疲软或反复减记将表明，基础设施部署已走在需求前面。

企业行为将有助于澄清这一图景。涉及编程、研究、客户运营和文档分析的生产工作负载，比有限的试点项目提供更有力的证据。

第三个信号是各地区对出口管制和主权AI政策的回应。PwC的情景显示，这些政策可能降低总投资，或将其重新导向国内产能。

对先进芯片实施的新限制，将考验这一受贸易约束的25.5万亿美元情景。区域化制造、替代性加速器和本地化云服务，将揭示供应链的适应速度究竟有多快。

主权采购计划同样值得关注。与宽泛的国家级声明相比，明确的合同、已投入运营的设施以及持续稳定的工作负载更具分量。

随着企业、公用事业公司和政府争相布局，Google News 将继续呈现规模惊人的投资数字。读者应区分预计的累计资本投入，与那些已具备融资、客户、设备和电力供应的项目。

对于开发者和企业买家而言，这一预测表明，AI 的可用性将越来越取决于远超模型设计范畴的基础设施决策。区域产能和电力成本会影响服务可靠性、延迟和定价。

对于投资者而言，机会覆盖半导体、网络、冷却、建设、公用事业和融资领域。风险同样贯穿整个系统，因为任何一个缺失的环节都可能延误整座设施的建设。

PwC 的31.6万亿美元估算展现了这轮潜在建设潮的规模。其更深层的信息要求更高：资本必须持续更新计算设备，而发展较慢的能源系统则必须支撑每一代新技术。

当运营产能、客户需求和电力供应同步增长时，这一预测将更具说服力。这三项信号中，哪一项会最先提供令人信服的证据，证明这场跨越数十年的投资周期能够持续下去？