随着微软(MSFT.US)、摩根谷歌(GOOG.US)、士丹Meta(META.US)、利A力算力时临亚马逊(AMZN.US)及甲骨文等科技巨头增加资本支出，源融人工智能(AI)基础设施建设正达到空前规模。资逐市场焦点在于数据中心、渐融图形处理器(GPU)的合电采购及巨额融资需求。
摩根士丹利最新研究报告指出，代已随着电力成为AI扩展的摩根关键瓶颈，AI和能源融资之间的士丹界限正在迅速消失。
从数据中心融资到“电力+算力”融资
几周前，利A力算力时临摩根士丹利探讨了AI基础设施融资，源融分析科技公司如何通过股票和债券为巨额资本支出筹集资金。资逐
但随着与客户和产业链企业的渐融进一步交流，该行认识到融资问题不能仅从科技行业内部理解。合电AI基础设施建设的瓶颈已向上游延伸。数据中心只是算力交付的最终载体，支撑其运行的电力、输电网络、变压器等正逐渐成为关键限制因素。
如今，数据中心已成为新增电力需求中增长最快的来源之一。然而，发电和输电能力的扩增周期远长于数据中心的建设，使得即便科技公司有足够资金建设数据中心，也未必能及时获得充足的电力接入。因此，AI基础设施融资正从单一的数据中心融资向“电力+算力”的综合融资转变。
电力瓶颈改变数据中心建设逻辑
报告列举的数据显示，电力基础设施约束日益严峻。根据IndustrialSage的数据，电力变压器的平均交付周期已达128周，而发电机的交付周期达到144周，以前通常为12至16周。
此外，美国电网的并网积压问题严重，伯克利实验室数据显示，截至2025年初，待并网能源项目规模已超出已安装发电容量的两倍。摩根士丹利认为这一积压情况可能更为严重。
这些瓶颈正在改变数据中心开发商的选址策略。开发商不再仅考虑土地成本、网络连接等因素，而是将电力可获得性视为首要条件，优先选择可快速接入电力的地点，并探索与发电设施的整合方案。
AI融资与能源融资逐步融合
随着电力约束加剧，AI基础设施与能源基础设施的界限逐渐模糊。过去，能源项目主要由公用事业公司投资，而科技企业则专注于服务器等领域。如今，这种分工正在发生变化。
为了获得稳定电力供应，越来越多的AI企业参与能源资产投资，包括签署长期购电协议或直接投资发电项目。报告提到两类解决方案：
第一类是“离网电力”方案，包括燃料电池、燃气轮机等，能够绕开电网限制，为数据中心提供更加灵活的电力来源。
第二类是“time-to-power”策略，即缩短获得电力的时间，可能通过重新利用现有大规模的比特币矿场等手段实现。
摩根士丹利认为，AI和能源的融资需求正在融合，未来可能形成一个更紧密且相互依赖的资本生态系统。
劳动力、水资源与政策的挑战
除了电力，摩根士丹利还指出，AI基础设施建设面临更广泛的结构性挑战。首先是劳动力问题，预计未来十年美国将短缺约30万名电工，现有电工中超过五分之一年龄在55岁及以上，接近退休。
其次是水资源，标普分析显示，43%的数据中心位于水资源压力较高地区，这可能因冷却系统的水消耗限制未来扩张。第三是政策阻力，报告称美国对于新建数据中心的反对声日益上升。
在这种多重约束下，摩根士丹利认为，算力供需之间的结构性失衡风险正在增加。如果AI需求持续快速增长，而电力、设备等供给受到限制，算力的“稀缺性”将成为市场的重要特征。具有大规模、可靠算力资源的企业将获得更强的定价权。
这些企业被称为“算力供应商”，它们的优势不仅在于拥有数据中心，更在于掌握稀缺、稳定的算力产能，可能在产业链中占据更强的议价地位。
本文转载自“财联社”，官网编辑：蒋远华。