人工智能的爆发式增长引发了全球电力消费模式的根本性转变。高盛最新分析显示，数据中心电力需求预计在2023年至2030年间增长175%，相当于在全球电网中新增一个位列前十的用电大国。这种大幅增长不仅源于人工智能工作负载，还包括传统数据服务的持续扩张，给全球电力基础设施带来了多方面的挑战。
　　
　　回顾历史趋势，这种转变的规模变得更加清晰。在2015年至2019年的大部分时间里，尽管计算能力大幅增长，全球数据中心电力消耗却保持相对平稳。这种稳定性得益于服务器技术和数据中心运营效率的显著提升。然而，从2021年开始，随着人工智能应用的普及和效率提升速度的放缓，需求开始急剧加速。美国预计到2030年电力需求将以每年2.6%的速度增长，达到自1990年代以来未曾见过的水平。欧洲面临类似挑战，欧盟27国在经历数十年相对停滞或下降的需求后，预计也将出现类似的电力消费增长加速。
　　
　　2015-2019年数据中心电力需求保持平稳，2021-2023年开始加速增长，预计到本十年末将增加约175%。该图显示全球数据中心电力消耗从2015年到2030年的演变，区分了美国和世界其他地区的需求，以及人工智能和传统数据中心使用的各自组成部分。这种可视化说明人工智能工作负载正成为整体数据中心电力消耗日益重要的驱动因素。
　　
　　六个P框架：理解增长驱动因素和制约条件
　　
　　高盛开发了一个综合框架来分析数据中心电力需求，该框架围绕六个关键因素展开，每个因素都以字母P开头。这些因素既代表增长驱动力，也代表可能在未来几年内塑造电力消耗轨迹的潜在制约条件。
　　
　　第一个因素是普及性（Pervasiveness），指人工智能解决方案在各行业和应用中的采用广度。电力需求的最终规模将在很大程度上取决于人工智能是否真正普及到医疗、教育、农业、能源管理和无数其他领域，还是采用仍集中在特定用例中。这种普及性直接影响需求弹性，决定效率提升是导致电力消耗减少，还是仅仅使得能够完成更多计算工作。
　　
　　生产力（Productivity）代表框架的第二支柱，包括服务器能源效率和计算效率的提升。最近几代人工智能服务器，特别是英伟达的DGX系统，清楚地展示了这种动态。DGXB200需要约14.3千瓦的最大功率，大约是早期DGXA100的两倍。然而，这种功率消耗的增加伴随着计算速度十五倍的提升，以petaFLOPS（千万亿次浮点运算每秒）为单位测量。这意味着每单位计算的功率强度下降了约85%，从每petaFLOPS1.30千瓦降至仅0.20千瓦。
　　
　　图2：新的人工智能创新增加了每台服务器的最大功耗，但更大幅度地提高了每台服务器的计算速度，代表功率强度的显著降低。该图展示了英伟达服务器规格在三代产品中的演变：DGXA100、DGXH100和DGXB200。可视化显示，虽然最大功率需求从6.5千瓦增加到14.3千瓦，但计算性能从5petaFLOPS增长到72petaFLOPS。柱状图展示了以千瓦为单位的绝对功耗和以petaFLOPS为单位的计算速度，每代产品的每petaFLOPS功率强度急剧下降。
　　
　　第三个因素是价格（Prices），涉及扩大供应所需的电力成本。高盛分析显示，能够满足数据中心需求且无间歇性的全天候低碳电力解决方案存在"绿色可靠性溢价"。与基准天然气联合循环发电相比，这种溢价平均约为每兆瓦时四十美元。然而，这一成本对主要科技公司来说似乎是可控的。如果八大超大规模云服务商为2030年前全球数据中心电力需求增长支付这一溢价，这仅占其预计2027年息税折旧摊销前利润的2%至3%，并使企业回报率从30%的基线仅降低一个百分点。
　　
　　政策举措（Policy）构成第四支柱，特别涉及政府对可再生能源和基础设施发展的激励措施。通过立法变更可能导致的《通胀削减法案》激励措施终止，可能使2026年或2027年后上线项目的绿色可靠性溢价从每兆瓦时四十美元增加到四十八美元。然而，许多公用事业公司和开发商已经为计划到2030年的项目获得了安全港条款，可能会减轻近期影响。除了激励措施之外，许可证改革仍然是关键，监管审批的速度显著影响新发电容量上线的速度。
　　
　　图3：满足数据中心基本负荷电力需求的清洁能源解决方案继续存在绿色可靠性溢价——在美国平均供应成本高出40美元/兆瓦时，《通胀削减法案》激励措施终止后上升至48美元/兆瓦时。该图表显示各种发电技术的平准化能源成本，区分了陆上风电和公用事业规模太阳能等间歇性能源，以及包括核能、天然气、可再生能源加储能和混合方法在内的各种基本负荷解决方案。一条水平线标记天然气联合循环基准约为每兆瓦时六十七美元。可视化表明，虽然间歇性可再生能源具有成本竞争力，但通过清洁能源提供可靠的基本负荷电力需要显著更高的投资。
　　
　　零部件可用性（Parts）代表第五个制约因素，涵盖从燃气轮机到太阳能电池板到变压器的所有设备供应链。高盛分析表明，设备可用性将是近期电力采购决策的主要驱动因素。这导致采取务实的方法，近期需求优先选择公用事业规模太阳能、电池储能和天然气调峰电厂，中期需求由天然气联合循环电厂服务，核电解决长期需求。从先进涡轮机到专用电气设备的特定组件的可用性，将决定哪些技术能够快速扩展以满足需求增长。
　　
　　第六个也是最后一个因素是人力（People），涉及基础设施建设和维护的劳动力可用性。这可能是最具挑战性的制约因素，特别是对于输配电基础设施而言。满足预计到2030年的美国和欧洲电力需求增长，需要约51万个额外的美国就业岗位和25万个欧盟就业岗位，涵盖发电和电网基础设施。最严重的短缺出现在输配电工作的技术工种，培训要求延长三至四年，且现有劳动力正在老龄化。美国目前在能源行业技术工种中约有4.5万名活跃学徒，但满足需求同时抵消退休可能需要将这一数字每年增加2万至3万。
　　
　　电力基础设施的技术组合和时间表
　　
　　设备可用性和建设时间表的实际情况在不同发电技术中创造了明确的部署优先级层次。理解这些时间表对于现实规划和投资分配非常必要。
　　
　　图4：建设并使新发电装机容量上线需要多长时间？该图呈现了三种不同发电技术的时间线比较。可再生能源和储能，在《通胀削减法案》激励措施到期前的近期压力推动下，并得到当前土地和供应可用性的支持，可能在2026年上线。天然气联合循环电厂，主要受新涡轮机可用性约束，面临延长至2029年的中期时间表。核电厂由于许可、建设复杂性和监管要求面临最长的前置时间，可能要到2030-2035年或更晚才能贡献有意义的容量。
　　
　　可再生能源和电池储能代表新增容量的最快途径，项目可能在2026年投入运营。这种速度反映了几个因素：太阳能电池板和风力涡轮机的成熟供应链、许多司法管辖区公用事业规模装置的相对简单许可程序，以及一旦获得批准的快速建设时间表。目前开发商在潜在终止条款之前争取《通胀削减法案》激励措施的推动，创造了额外的紧迫性，推动近期部署。然而，这些能源的间歇性性质需要储能解决方案或备用容量，以确保数据中心运营的可靠性。
　　
　　天然气联合循环电厂占据中间位置，可能在2029年运营。这些电厂提供可靠的基本负荷电力，与简单循环调峰电厂相比排放相对较低，尽管与可再生能源或核能相比仍然是碳密集型的。主要制约因素是涡轮机可用性，制造商面临最高效现代机组的多年订单积压。一旦设备到位并获得许可，建设时间表相对可预测，使这些电厂对于满足中期需求增长具有吸引力。
　　
　　核电代表最长期的解决方案，新容量不太可能在2030-2035年之前做出有意义的贡献。大型反应堆和小型模块化反应堆都面临广泛的许可程序、复杂的建设要求和严格的安全法规。然而，核能为数据中心应用提供了无与伦比的优势：零碳基本负荷电力，可用性基本无限。一些科技公司已经在寻求直接的核能合作伙伴关系，数据中心可能位于专用反应堆附近，以确保可靠、清洁的电力供应。
　　
　　图5：能够为数据中心驱动的电力需求提供容量的各种技术存在优势和挑战。这个综合比较图表从多个维度评估九种不同的发电技术：容量因子、排放强度、土地占用强度，以及具体的优势与挑战。太阳能和陆上风电显示出有利的碳足迹，但面临间歇性挑战。核能选项，包括大型和小型模块化反应堆，提供高容量因子和低排放，但在废物管理、劳动力需求、浓缩铀供应和延长的前置时间方面存在困难。天然气选项提供可靠性但存在排放问题。电池储能使清洁能源可靠性提高，但面临容量限制。该图表提供了每种技术选择中固有权衡的平衡视角。
　　
　　基于这些实际情况，高盛预测到2030年约60%的数据中心电力增长将来自天然气发电，分为联合循环和调峰电厂。其余40%预计来自可再生能源，主要是公用事业规模太阳能，辅以风力发电。这一预测纳入了十年末核能容量的适度增加，尽管有意义的核能贡献更可能出现在2030年代。
　　
　　区域电力需求影响
　　
　　数据中心增长的影响在各地区有显著差异，美国面临特别剧烈的变化。美国数据中心电力需求预计将从2023年占总电力消耗约4%增长到2030年的约11%。在这个数据中心需求中，人工智能工作负载预计到2030年将占约39%，传统非人工智能数据服务占其余61%。
　　　　
　说明了不同需求部门对美国总体电力增长的加权贡献以及总电力需求构成的变化。第一张图表显示，数据中心对到2030年2.6%的整体年复合增长率贡献1.2个百分点，其中人工智能数据中心约占0.7个百分点，非人工智能数据中心贡献0.5个百分点。第二张图表使用同心环可视化比较2023年和2030年的需求构成，显示住宅、商业、工业、交通和数据中心的份额，数据中心从总需求的4%急剧扩大到11%。
　　
　　这种扩张需要大量新增发电容量。高盛估计，到2030年专门为数据中心需要约82吉瓦的新增容量，高于之前估计的72吉瓦。这一估计假设约60%的数据中心需求需要新容量建设，而不是利用现有过剩供应。容量增加预计将遵循前面提到的天然气和可再生能源之间的60/40分配，天然气容量细分为40%联合循环和20%调峰电厂，而可再生能源容量在太阳能和风能之间大致分为15%至30%。
　　
　　除了发电容量，电网基础设施需要大量投资。高盛现在预测到2030年输配电支出约为7900亿美元，比之前估计的7800亿美元略有增加。配电系统吸收了这笔投资的大部分，但输电支出增长速度更快，因为新发电容量必须连接到负荷中心。高盛覆盖范围内的公司在其披露的五年资本计划中将约67%分配给输电、配电和电网增强项目。
　　
　　这种基础设施建设的劳动力需求相当大。在美国，满足电力需求增长需要在发电的制造、建设和运营方面增加约30万个工作岗位，加上专门针对输配电基础设施的另外20.7万个工作岗位。这代表输配电劳动力增加22%，需要技术工种学徒计划的显著加速。
　　
　　图8：在美国，根据估计，到2030年将需要约30万个额外的工作岗位，涵盖制造、建设和运营，以满足电力供应；在基本情况下，还需要额外约20.7万个输配电工作岗位。
　　
　　图9：假设所有与能源相关的学徒都部署到输配电领域，在基本情况下仍然存在7.8万的劳动力缺口，以满足到2030年估计所需的输配电工作岗位。这些图表说明了所需创造就业的规模和劳动力供应挑战。第一张图表显示2020年到2030年不同发电技术的工作需求，按制造、建设和安装以及运营和维护角色分类。第二张图表呈现了瀑布分析，从2024年95.2万个公用事业和建设劳动力职位开始，减去17.9万预期退休人数，增加30.9万职位以满足增长，即使假设所有每年4.5万名学徒都部署到输配电领域，仍导致7.8万的劳动力缺口。弥合这一差距需要从2027年开始将学徒水平提高到每年约6.5万。
　　
　　欧洲面临类似挑战，估计到2030年需要25万个额外工作岗位以满足电力需求增长。欧洲劳动力市场有自己的特定制约因素，包括不同的培训体系、监管框架和影响劳动力可用性的人口趋势。
　　
　　碳排放和可持续性考虑
　　
　　尽管电力需求大幅增加，但在全球排放背景下，数据中心增长的总体碳影响似乎是可控的，尽管绝对值很大。高盛估计，与2023年水平相比，2030年来自数据中心的全球二氧化碳排放量将增加约2.15亿至2.2亿吨，不包括任何碳捕获或非电力购买协议抵消。这一增量约占全球能源相关排放的0.6%，对气候变化具有重要但非转化性的贡献。
　　
　　图10：扣除科技公司电力购买协议（PPA）的影响后，2030年数据中心排放量与2023年水平相比翻倍。该图表在左轴显示以百万吨二氧化碳为单位的数据中心排放量，在右轴显示占2022年全球能源排放的百分比，涵盖2015年到2030年的期间。可视化区分了累积增量排放和由企业电力购买协议覆盖的部分。排放量预计从约3亿吨增长到2030年的近6.5亿吨，代表从约占全球能源排放的0.8%增长到1.8%，在考虑PPA抵消之前，抵消后净数字降至约0.6%。
　　
　　几个因素可能在较长期内显著降低数据中心排放强度，甚至可能在2030年代推动绝对排放量减少。第一个因素是核电贡献的增加。随着目前处于规划阶段的核能项目在2030年代上线，将取代更高碳的发电来源，大幅降低每单位计算的排放量。主要科技公司已经在寻求直接的核能合作伙伴关系，认识到核电特性与数据中心需求之间的一致性。
　　
　　第二个因素涉及人工智能工作负载本身的演变。随着行业成熟，训练和推理工作负载之间的平衡预计将向推理倾斜，推理通常每次计算需要较少能源。训练大型基础模型需要在数周或数月内集中大量计算资源，而推理操作分布在数百万或数十亿个单独查询中。然而，推理的能源需求仍然存在一定不确定性，特别是随着推理和自动化能力的进步。更复杂的推理过程可能需要每个查询更多的计算步骤，部分抵消效率优势。
　　
　　第三个因素涉及硬件效率的持续改进。每一代人工智能加速器在每瓦计算性能方面都带来实质性改进，这一趋势没有放缓的迹象。随着旧的、效率较低的服务器退役并被新技术取代，即使总计算能力继续增长，全球人工智能服务器集群的平均能源强度也将下降。
　　
　　企业电力购买协议在向更清洁电力来源过渡中发挥重要作用。科技公司在2024年签订了33吉瓦的清洁电力合同，高于2023年的约18吉瓦。这些协议为可再生能源开发商提供了关键的收入确定性，使得原本可能无法获得融资的项目得以实施。虽然这些协议不会立即减少数据中心的排放，但加速了清洁发电容量的建设，并展示了企业对可持续性目标的承诺。
　　
　　投资影响和机会
　　
　　电力基础设施转型以支持数据中心增长，在整个供应链中创造了多样化的投资机会。高盛继续认为可靠的电力和水供应是一个多年期投资主题，不仅受数据中心需求驱动，还受老化基础设施、适应极端天气事件以及提高电网韧性需求的驱动。
　　
　　受益的公司跨越多个类别。在发电设备方面，燃气轮机、核反应堆、太阳能电池板、风力涡轮机和电池储能系统的制造商都面临需求增加。具体时机因技术而异，可再生能源和储能看到即时需求，燃气轮机制造商经历中期增长，核能设备供应商定位于长期扩张。
　　
　　电气元件制造商代表另一个重要机会。新发电容量和电网基础设施的建设需要变压器、开关设备、断路器、电缆和无数其他组件。这些供应商经常面临产能限制和长交货期，创造定价权和持续的需求可见性。
　　
　　公用事业公司本身也将受益，特别是那些在数据中心增长强劲地区运营的公司。受监管的公用事业公司可以从电网扩建所需的大量资本投资中获得回报，而商业电力生产商可能会从改善的容量利用率和更强的定价环境中受益，因为备用容量减少。
　　
　　考虑到前面讨论的劳动力供应制约，输配电专业承包商处于特别有利的位置。拥有完善培训计划、经验丰富的劳动力和经过验证的项目执行能力的公司具有竞争优势，应该转化为强劲的增长和利润率。
　　
　　冷却解决方案提供商代表一个经常被忽视的机会。数据中心需要大量冷却基础设施来管理密集服务器部署产生的热量。随着每一代人工智能加速器的服务器功率密度增加，冷却挑战加剧，推动对先进液冷系统、精密空调和创新热管理技术的需求。
　　
　　支持这种转型的基础设施延伸到传统电力行业边界之外。专门从事数据中心建设的房地产开发商、连接设施的光纤网络提供商，甚至生产铜和铝等特殊材料的公司都参与生态系统。
　　
　　高盛强调，虽然预计与2021-2024年期间相比，全球绿色资本支出年度增长将有所减速，但某些垂直领域仍然是优先事项。这些领域包括在老化基础设施和极端天气情况下维持可靠电力、水和能源供应的行业；满足不断增长的电力需求所需的行业；以及提高客户效率以降低消耗强度和减轻通胀压力的行业。
　　
　　电力行业投资主题与更广泛的可持续性考虑相交。能够同时实现增长和环境绩效的公司特别有吸引力，因为在满足实际电力需求的同时与企业可持续性承诺保持一致。这为提供结合可靠性、成本竞争力和降低碳强度的综合解决方案的企业创造了机会。
　　
　　理解六个P框架有助于投资者评估哪些公司最有能力应对未来的挑战和机遇。那些在多个维度具有优势的公司——例如提供具有竞争力的技术和强大劳动力渠道的公司，或者既有支持性监管框架又能获得多样化发电资源的公用事业公司——可能会优于在关键领域面临制约的同行。
　　
　　未来几年将考验全球电力基础设施的韧性和适应能力。由人工智能驱动的数据中心变化代表了电力需求模式的根本转变，需要科技公司、公用事业公司、监管机构、设备制造商和许多其他利益相关者之间的协调行动。成功应对这一转型的公司将在支持人工智能发展的同时，为所有用户维持可靠、可负担且日益可持续的电力供应方面发挥作用。
　　
　　编辑：Harris