能源成本上升挤压 AI 基础设施股票

Google News 向 AI 基础设施投资者发出了警示：激增的算力需求，并不保证每一家供应商都能获得同样强劲的利润。

Simply Wall St 的标题聚焦于能源成本上升，但压力并不止于电费。电网接入、冷却、备用发电、融资以及设备供应情况，如今都在影响新增数据中心容量的经济性。

这改变了投资问题。AI 服务器的需求依然强劲，但支撑这些服务器的企业面临着截然不同的电力成本敞口。一些企业能够将成本转嫁给客户，另一些则必须自行承担，同时在收入到来前数年为设施融资。

这种分化将销售稀缺设备的公司，与承担长期能源义务的运营商区分开来。Dell、Vertiv、Delta Electronics 及其他供应商，与开发商和电力专业企业一同出现在更广泛的 AI 股票筛选名单 中。它们的收入驱动因素和成本结构并不能相互替代。

这并不是说 AI 基础设施支出已经见顶，而是提醒人们：电力已成为一种约束，而非背景性支出。投资者如今需要区分，对 AI 需求的敞口与对服务该需求所需能源的控制力。

Google News 标题实际传递的信号

重要的变化在于，电力可用性已成为 AI 基础设施产品的一部分。

Google News 的这则标题源自 Simply Wall St 发布的一篇投资分析。文章引导读者关注支撑 AI 计算的公司，同时强调一个日益突出的成本问题。

这种表述很重要，因为 AI 投资周期的早期阶段主要围绕加速器供应展开。Nvidia 芯片、高带宽内存、网络设备和服务器制造主导了讨论。

电力通常被视为次要的运营投入。投资者可以将其看作租金、人工或另一项可预测的设施开支。

这一假设已不再适用于规模最大的 AI 园区。面向 AI 的数据中心可能需要专用变电站、输电升级、备用系统以及新增发电能力。

它还可能需要花费数年等待并网协议。并网协议规定大型用电方如何接入电网，以及如何为所需升级付费。

国际能源署报告称，数据中心用电需求在 2025 年增长了 17%。该机构还表示，五家大型科技公司当年在资本项目上的支出超过 4,000 亿美元。

根据该机构的 AI 电力展望，它们的合计资本支出预计将在 2026 年再增长 75%。

这些数字表明，这个故事并不只是关于公用事业费率。大型科技公司正试图以快于电力系统扩张的速度获取算力容量。

数据中心开发商可能拥有土地、融资、客户和建设计划，却没有足够的电力投入运营。因此，“通电时间”成为一项商业指标，指设施获得可用电网容量前所需的时间。

这种延迟会影响回报。项目未完成期间利息持续累积，设备可能闲置，客户承诺也会变得更难履行。

这一标题也出现在市场对 AI 相关股票进行更广泛重新评估的时期。投资者已开始区分拥有当前盈利的公司，与估值依赖远期容量目标的公司。

Google News 反映了这一转变，因为有关电力短缺的报道如今与财报和芯片公告并列出现。能源风险已进入主流 AI 市场报道。

不过，这一标题不应被视为完整的投资论点。它指出了一个压力点，却没有说明哪些公司承担成本，或合同如何分配这些成本。

这种区别决定了，更高的电力成本究竟会压低利润率、抬高客户价格，还是为电力管理供应商创造更多需求。

AI 需求增长快于电网扩张

AI 建设热潮正与一个为更缓慢、更可预测的需求增长而设计的电力系统发生碰撞。

在 2005 年后的很长一段时期内，美国的电力需求增长有限。公用事业公司可以围绕家庭、商业和工业用电的渐进变化进行规划。

这种模式已经结束。美国能源信息署发现，2020 年至 2025 年间，电力需求年均增长约 1.7%。

相比之下，2005 年至 2019 年的年均增速仅为 0.1%。根据该机构的 2026 年预测，数据中心用电如今是推动这一加速的重要因素。

这种增长影响的不只是总发电量。数据中心集中分布在特定区域，因此其当地影响可能超过其全国占比。

一个新园区的负载需求可能相当于一家高耗电工厂。同一规划周期内，数个拟建园区可能同时落在同一家公用事业公司的服务区域内。

公用事业公司随后需要在同一地点建设发电设施、变电站、变压器和输电线路。这些资产需要许可、设备、施工团队和监管批准。

集中化问题解释了为何全国发电能力充足，并不保证能够及时接入。电力必须以所需的电压和可靠性水平输送到特定地点。

AI 设施还需要近乎持续不断的供电。短暂中断就可能扰乱计算任务、损害设备可用性承诺，并降低昂贵服务器的利用率。

运营商通过冗余供电线路、电池、发电机，有时还包括专用发电厂来应对这一风险。每增加一层保障，都会在改善收入之前先增加资本成本。

美国能源部报告称，数据中心在 2023 年消耗了全国约 4.4% 的电力。其 数据中心研究 预测，到 2028 年这一占比可能介于 6.7% 至 12% 之间。

这一范围很宽，因为未来用电量取决于部署速度、设备效率、服务器利用率以及计算工作负载的构成。

即使是较低估计值，也意味着电力系统将发生显著变化。较高估计值则要求公用事业公司在短期内支撑工业规模的需求扩张。

全球预测也指向同一方向。Gartner 预计，2026 年全球数据中心耗电量将达 565 太瓦时，高于 2025 年的 447 太瓦时。

该机构还估计，AI 优化服务器将在 2026 年占数据中心用电量的 31%。其耗电量预计将在 2027 年超过传统服务器。

这些预测存在不确定性，但运营商必须在实际需求明朗之前作出投资决策。他们无法等到客户需要变电站时才开始建设。

这带来两种相反的风险。建设过慢可能导致高利润需求无法得到满足，而建设过于激进，则可能在 AI 需求不及预期时造成资本闲置。

投资者应关注企业如何管理这种不确定性。已宣布的兆瓦数不如由签约客户和可靠供电安排支持的已通电容量更具参考价值。

电网约束可能令部分供应商受益。无论哪种 AI 模型胜出，变压器制造商、开关设备公司、冷却供应商和电气承包商都可能获得订单。

但同样的约束也可能伤害承诺快速扩张园区的开发商。每一次接入延迟，都会将预期收入进一步推向未来。

真正的分野是成本控制与成本敞口

AI 基础设施的赢家将由合同结构和电力控制力定义，而非仅仅取决于是否贴着 AI 标签。

Simply Wall St 的名单涵盖服务器、存储、网络、电气设备、热管理和数据中心开发等领域的企业。

这些公司都参与同一轮支出周期，但承担的能源风险并不相同。

服务器制造商通常向客户销售设备。电力会影响产品设计和客户需求，但制造商通常不会支付服务器整个生命周期的公用事业账单。

冷却供应商处于类似位置。更高的机架密度会增加对热管理的需求，尽管零部件和制造成本仍会影响利润率。

Vertiv、Delta Electronics、nVent 和 Advanced Energy Industries 更接近这一供应商模式。它们的产品帮助设施分配电力、转换电能和排出热量。

能源成本上升可能强化高效设备的价值主张。客户会更愿意为能够减少电力浪费或支持更高密度计算的系统付费。

这并不意味着供应商可以免受影响。竞争可能压低价格，客户可能推迟项目，制造产能也可能超过需求。

不过，它们面临的风险不同于拥有设施并持续购买电力的数据中心运营商。运营商的经济性取决于租赁条款、利用率、融资和能源采购。

如果长期客户合同允许将公用事业成本转嫁出去，运营商就能得到保护。若电力价格上涨快于预期，固定价格合同则可能带来风险。

合同期限同样重要。多年期承诺能提高收入可见性，但也可能使公司被锁定在建设成本变化前作出的假设中。

一些开发商寻求表后供电，即位于客户现场或附近的发电设施。这种方式可以减少对拥堵的公共接入线路的依赖。

但它也可能引入燃料风险、环境许可、设备维护和当地反对意见。拥有发电能力，会使数字基础设施公司部分转变为能源运营商。

公共事业公司则处于另一种位置。数据中心需求可以扩大其费率基础，即经批准可通过受监管的客户收费收回成本的基础设施。

不过，监管机构决定哪些成本可以纳入费率基础，以及由哪些客户承担。公用事业公司不能假设家庭用户会承担所有服务于私人园区的升级成本。

联邦监管机构已尝试加快大型负载的接入。近期的电网接入规则 涉及为用电量可与较小城市相当的项目提供更快接入。

更快的程序并不能一夜之间创造变压器或发电能力。它们主要是明确规划、成本分摊以及对超大型客户的处理方式。

因此，投资者需要提出一个实际问题：当电网必须扩张时，谁来付费？

如果超大规模云服务商通过专门协议付费，基础设施开发商和公用事业公司将获得更强保障。如果成本进入一般公用事业费率，政治和监管阻力就更可能出现。

答案因司法辖区而异。随着监管机构回应家庭负担能力方面的担忧，答案也会随之变化。

电力采购的质量，值得获得与客户公告同等的关注。当运营商没有明确、可靠的通电路径时，一份已签署的 AI 合同价值有限。

反过来，已落实的电力供应若没有信用可靠的客户，也可能导致昂贵的场地利用不足。最优质的项目会将土地、电力、融资和需求协调一致。

这也是为什么广泛的 AI 基础设施投资组合可能掩盖风险。两家营收增长相近的公司，在设施投运后可能承担截然不同的义务。

Google News 的报道往往会将它们归入同一个主题。财务分析则必须区分其现金流机制。

能源成本上涨会如何影响 AI 基础设施股票

更高的电力成本会通过利润率、项目进度、融资需求和客户行为影响估值。

最直接的影响体现在经营利润率上。当公用事业费用上涨时，承担电力成本的公司每售出一单位算力所获得的利润就会减少。

公司可以提价，但客户可能通过减少使用量或迁移工作负载来应对。AI 训练固然重要，但部分任务可以等到成本更低的地点或时段再执行。

推理工作负载则呈现不同的模式。推理是指运行已训练好的模型，以生成答案、图像或决策的过程。

消费者和企业应用往往需要快速响应。这一要求限制了运营商在成本高昂时段暂停计算的能力。

部分工作负载仍具备灵活性。若软件支持跨时间或跨地域调度，模型训练、数据处理和部分批处理任务可以转移。

灵活计算能够降低电力成本，并有助于平衡电网。它需要兼容的基础设施、客户同意，以及地点之间充足的网络容量。

效率提升提供了另一道防线。更先进的加速器能够以每单位电力完成更多工作，液冷则可更有效地支持高密度机架。

但效率提升并不必然降低总耗电量。更低的计算成本可能刺激更多使用，从而抵消每台服务器节省的能源。

这种反弹效应令预测更加复杂。芯片可能变得更高效，但数据中心的用电需求仍会持续增长。

项目延期构成第二条估值传导渠道。原本预计今年开始产生收入的设施，可能推迟至下一个报告期。

这种延期会减少近期现金流，并可能需要额外融资。它还会增加客户重新谈判或选择其他场地的风险。

融资对规模较小的开发商尤为重要。大型超大规模云服务商可以依靠可观的经营现金流为项目提供资金，尽管股东仍会审视投资回报。

较小的运营商通常依赖债务、增发股权、合资企业或客户预付款。在收入稳定前，建设成本上升可能加剧股权稀释或杠杆水平。

能源成本也会影响选址决策。拥有可用发电资源、监管支持和更快审批流程的地区，相比拥堵市场更具优势。

仅有低价电力并不足够。运营商还需要光纤连接、水资源或替代冷却系统、建筑劳动力，以及可接受的政治环境。

IEA 发现，2024 年美国占全球数据中心耗电量的 45%。中国占 25%，欧洲占 15%。

这些比例显示了地理集中度的规模，也说明为何国家能源政策正日益塑造 AI 竞争格局。

不过，投资者应避免得出单向结论。用电需求上升可能为公用事业公司和设备供应商带来收入，同时增加数据中心运营商的成本。

它也可能支持与科技公司签订长期协议的电力生产商。相关结果取决于监管、能源结构和合同设计。

谨慎观点聚焦于需求的持续性。当前的产能规划假设，AI 服务将创造足够收入，以证明持续扩大基础设施的合理性。

如果模型运营成本下降，需求或许会增长到足以消化这些产能。若客户不愿为 AI 服务付费，利用率则可能低于预期。

第二个不确定性涉及重复申请。公用事业公司有时会收到开发商针对多个场地的并网申请，而这些场地最终可能仅对应一个项目。

这些申请可能使未来需求看起来高于已承诺建设的规模。投资者应优先关注具备保证金、许可证、设备订单和客户义务的项目。

第三个不确定性涉及政治容忍度。社区正越来越多地质疑用水、排放、土地需求和电价影响。

即使技术需求依然旺盛，公众反对也可能延缓设施建设。它还可能改变电网升级费用的承担方。

这些风险均不会否定 AI 基础设施的投资逻辑。它们决定了哪些公司能够将需求转化为可持续回报。

如何在电力压力下评估 AI 基础设施股票

投资者应以已通电、已签约且受到经济保障的产能证据，取代新闻标题中的兆瓦数字。

第一个有用指标是已通电产能。它衡量的是已经可供运营设备使用的电力，而非未来开发管线的规模。

一家公司可能控制着足以支持大型园区的土地。但在电力、建筑、冷却系统和服务器就绪之前，这块土地不会产生 AI 收入。

第二个指标是已签约产能。投资者应考察客户信用质量、合同期限、取消权以及能源成本的处理方式。

与强势客户签订长期合同可以支持融资。但若运营商接受固定费率，却没有应对公用事业费用上涨的保护机制，其吸引力就会下降。

第三个指标是建设进度。管理层应明确许可证、并网里程碑、设备交付日期和预计投运时间。

即使管理层持续强调管线总规模，反复延期也值得关注。延期的兆瓦并不等同于正在运营的兆瓦。

第四个指标是资本密集度。投资者应将支出需求与经营现金流、可用融资和未来债务到期情况进行比较。

如果每个新项目都需要频繁增发股权，高增长可能会摧毁股东价值。仅看营收增长无法揭示这种权衡。

第五个指标是客户集中度。服务于单一超大规模云服务商的开发商可以享有可见的需求，但也面临显著的谈判风险。

大型客户了解自身的议价能力。他们可以要求履约保证、优惠的续约条款和严格的完工时间表。

供应商同样面临集中度问题。一家设备制造商可能因单一客户加速下单而快速增长，随后又在该客户暂停支出时受到冲击。

第六个指标是积压订单质量。积压订单记录预期订单或已签约工作量，但各公司的会计定义并不相同。

投资者应确认客户能否取消、是否存在保证金，以及积压订单何时转化为收入。

第七个指标是效率。电力使用效率将设施总耗电量与交付给计算设备的电力进行比较。

较低的比率通常意味着冷却和电气系统带来的额外消耗更少。不过，由于气候、设施使用年限和测量方法存在差异，比较时仍需谨慎。

投资者还应考察每已通电兆瓦收入和每兆瓦现金流。这些指标有助于揭示新增产能是否改善经济效益。

没有单一指标适用于整个主题。设备公司需要分析订单、利润率、库存和制造能力。

公用事业公司需要关注监管审批、电价案件和资本回收。运营商则需要更深入地分析入驻率、租约、电力和融资。

电力生产商需要燃料和合同分析。服务器制造商则需要考察零部件供应、客户结构和营运资本。

这种细分能够避免一个常见错误：对数据中心用电需求的乐观预测，并不意味着所有与该预测相关的公司都具有吸引力。

它甚至可能带来相反的结果。更高的需求会增加公用事业投资，同时削弱合同不允许回收能源成本的运营商。

Google News 的报道之所以有用，是因为它促使人们做出这种区分。它应当是尽职调查的起点，而非替代品。

关注多家公司的读者，可以系统记录业绩声明、建设里程碑和监管决定。可搜索的 AI 知识库 有助于将这些更新贯穿不同报告期加以关联。

目标并非预测每一次电价变动，而是识别哪些商业模式在电力变得更昂贵或供应延迟时仍能维持可行性。

投资者接下来应关注的三个信号

下一阶段将由并网进展、合同披露，以及 AI 收入能否支撑基础设施支出的证据决定。

第一个信号是实际的电网接入进展。投资者应关注公用事业公司、区域电网运营商和数据中心开发商是否完成并网协议。

他们还应跟踪变压器交付、变电站建设和已确认的通电日期。这些里程碑比概念性的园区公告更具分量。

更快的接入将强化这样一种观点：当前基础设施管线能够转化为运营资产。反复延期则会削弱与近期产能相关的收入预测。

EIA 的服务器能源展望提供了另一个参考点。它预计商业建筑中的服务器用电量将持续增长，独立设施的增长更为强劲。

第二个信号是更清晰的成本分配。财报电话会和监管文件应说明，所需升级究竟由开发商、超大规模云服务商、公用事业公司还是普通缴费用户出资。

将电力成本转嫁给客户的合同可以保护运营商利润率。但这并不能消除风险，因为激进的定价可能减少客户需求。

监管机构还可能要求大型用户在公用事业公司建设专用基础设施之前提供财务担保。这类规则将降低其他客户面临的搁浅资产风险。

披露不足仍应被视为警示信号。管理团队若只宣传兆瓦数，却不解释电力成本，投资者便无法建立回报模型。

第三个信号是超大规模云服务商支出与 AI 收入之间的关系。基础设施增长最终取决于客户能否从 AI 产品中获得可接受的回报。

投资者应关注云业务增长、加速器利用率、AI 服务收入，以及管理层关于资本效率的评论。

由使用量增长支撑的持续支出，将强化长期需求逻辑。削减支出或持续的利用不足，则会给整个产业链的供应商带来压力。

这些信号应结合评估。没有电力的已签约客户并不完整，而没有盈利需求支撑的已落实电力同样脆弱。

Google News 将继续推送大型数据中心公告，因为其规模能够吸引关注。真正困难的工作始于标题之后。

应追问项目是否具备可交付的电力、具有约束力的客户、受到保护的利润率，以及不会压垮未来现金流的融资安排。

AI 基础设施仍是科技领域最大的投资周期之一。能源不会终结这一周期，但会改变价值能够积累的地方。

值得关注的公司，是那些能将电力稀缺转化为具备护城河的服务或产品的企业。脆弱的公司则把电力视为取之不尽的投入品。

随着新的财报陆续发布，应比较其承诺的容量、已通电容量以及已签约收入。这一比较将揭示，AI 基础设施建设究竟是在孕育可持续的企业，还是在制造昂贵的候车室。