--- title: "Google 与 Amazon 报告暴露电力、水和并网瓶颈" type: "Topics" locale: "en" url: "https://longbridge.com/en/topics/42537732.md" description: "AI 基础设施交易正在进入第二阶段。2023—2024 年，市场的核心问题是 GPU 供给、HBM、先进封装、以太网和光互连；到 2025—2026 年，约束开始向更底层的物理资产下沉：电力接入、变压器交期、数据中心冷却密度、水资源审批、长期清洁电力锁定。Google 与 Amazon 最新可持续发展报告提供了一组更接近真实产能约束的数据。它们不是传统意义上的 ESG 文件..." datetime: "2026-07-09T07:11:04.000Z" locales: - [en](https://longbridge.com/en/topics/42537732.md) - [zh-CN](https://longbridge.com/zh-CN/topics/42537732.md) - [zh-HK](https://longbridge.com/zh-HK/topics/42537732.md) author: "[潘驴邓晓闲缺一](https://longbridge.com/en/profiles/27015735.md)" --- # Google 与 Amazon 报告暴露电力、水和并网瓶颈 AI 基础设施交易正在进入第二阶段。2023—2024 年，市场的核心问题是 GPU 供给、HBM、先进封装、以太网和光互连；到 2025—2026 年，约束开始向更底层的物理资产下沉：电力接入、变压器交期、数据中心冷却密度、水资源审批、长期清洁电力锁定。 Google 与 Amazon 最新可持续发展报告提供了一组更接近真实产能约束的数据。它们不是传统意义上的 ESG 文件，而是 hyperscaler 算力扩张的 “第二张账单”。 GPU 决定单卡算力，电力决定机柜能否上线，冷却决定高密度机柜能否稳定运行，并网决定数据中心能否按期交付。AI Capex 的估值锚，正在从服务器和芯片，延伸到电网、液冷、水处理、燃气轮机、核电和长期 PPA。 ## **一、Google 的用电曲线：AI 扩张已经进入 TWh 级别资产负债表** Google 2025 年总用电量达到**43.6 TWh**，同比增长 37%。其中，数据中心用电约**42.4 TWh**，占公司总用电的 97%。 这意味着 Google 几乎全部电力消耗已经由数据中心驱动，公司本质上正在从互联网平台公司，变成一个大规模电力负荷运营商。 **指标** **2024** **2025** **变化** Google 总用电量 约 32.2 TWh 43.6 TWh +37% Google 数据中心用电量 约 30.8 TWh 42.4 TWh +37% 数据中心用电占比 95.8% 97.0% +1.2pct 全球 PUE 1.09 1.09 持平 PUE 维持在 1.09，说明 Google 在机房效率上已经处于行业高位。问题不再是传统数据中心能效优化，而是新增 AI 负载对总电力需求的吞吐能力。 PUE 的边际改善空间有限，但 AI 机柜功率密度继续上行。单柜功率从 20—30kW 进入 100kW 以上后，传统风冷不再是高密度训练和推理集群的主方案。电力、散热和并网周期，开始决定算力资产能否转化成收入。 Google 报告中的关键表述是：AI 基础设施建设速度正在快于电网脱碳速度。就是 hyperscaler 的 Capex 节奏已经开始受到电网物理扩容能力约束，而不只是芯片供应约束。 ## **二、Amazon 的透明度缺口：不披露用电，但水效数据已经能反推负荷体量** Amazon 不直接披露数据中心总用电量，这是其与 Google 最大的披露差异。 但 Amazon 2025 年披露了两个关键指标：全球数据中心 PUE 为**1.14**，WUE 为**0.12 L/kWh**；同时数据中心取水量为**9.4 billion liters**。若用取水量和 WUE 反推，Amazon / AWS 数据中心 IT 负载约为 78.3 TWh，对应设施总用电量约为 89.3 TWh。 **估算公式：** IT 用电量 = 数据中心取水量 / WUE \= 9.4 billion liters / 0.12 L/kWh \= 78.3 TWh 设施总用电量 = IT 用电量 × PUE \= 78.3 TWh × 1.14 \= 89.3 TWh 注：89.3 TWh 不是 Amazon 公司直接披露值，而是基于公司披露的 WUE、PUE 和取水量进行的反推估算。该数值受 WUE 口径、区域气候、季节性负荷和水源结构影响。 **指标** **Google 2025** **Amazon 2025** 数据中心用电 42.4 TWh，公司披露 约 89.3 TWh，模型估算 PUE 1.09 1.14 WUE 口径不完整，不宜直接比较 0.12 L/kWh 数据中心用水 约 10.5 billion gallons，估算 9.4 billion liters，公司披露 24/7 CFE 目标 有，目标 2030 年 100% 无，采用年度体积匹配 Amazon 的重点不是透明度，而是规模。AWS 的用电和冷却需求已经足以改变区域电网负荷曲线。它的投资逻辑不再只是云收入增速，而是能否持续获取稳定、低成本、可扩展的电力资源。 ## **三、PUE 接近极限后，冷却路线成为 AI 机柜交付条件** Google PUE 1.09，Amazon PUE 1.14，Meta 2024 年 PUE 约 1.08，Microsoft FY24 PUE 约 1.16。头部 hyperscaler 的 PUE 已经压到较低区间，继续下降的空间并不大。 下一阶段的效率竞争，不再是普通机房层面的 PUE 优化，而是高密度机柜条件下的热管理能力。 **平台** **单机柜功率** **冷却要求** GB200 NVL72 约 120—132kW 强制液冷 GB300 NVL72 约 150—200kW 液冷覆盖扩大 Vera Rubin NVL144 约 280—350kW 高比例液冷 Rubin Ultra NVL576 约 600kW 更高等级液冷与电力架构 传统风冷的有效边界大致在 40kW/柜附近。超过这一密度后，液冷从成本优化项变成工程交付项。 Amazon 的 IRHX 列间热交换器、Google 与 Danfoss 的液冷合作，本质上都是同一件事：用冷却系统换取更高机柜功率密度。对于 hyperscaler 来说，液冷不是 ESG 技术，而是提升单位面积算力密度、降低项目延迟风险、释放数据中心收入潜力的基础设施。 液冷产业链中，真正需要跟踪的不是概念覆盖，而是订单、客户和收入占比。 **环节** **核心产品** **受益逻辑** **代表公司** CDU 冷却液分配单元 每个高密度 AI 机柜需要液冷分配与控制 Vertiv、nVent、英维克 冷板 GPU / CPU 冷板 单柜功率提升后冷板用量增加 英维克、高澜股份 快接头 UQD / QD 液冷服务器拆装与维护环节刚需 Stäubli、Danfoss、Parker、Dover/CPC 冷却液 介电液 / 氟化液 浸没式和两相液冷核心材料 Chemours、Syensqo 换热器 / 冷却塔 园区侧排热 数据中心设施侧热量转移 Alfa Laval、SPX Cooling 水处理 再生水、膜系统、工业水处理 用水审批趋严，回用水需求提升 Xylem、Evoqua 等 A 股中，英维克、申菱环境、曙光数创、高澜股份、佳力图、浪潮信息等均可纳入产业链观察，但需要区分财务含金量。液冷收入占比、客户结构、毛利率和现金流，比 “是否有液冷产品” 更重要。 ## **四、年度绿电匹配不够，24/7 CFE 才是 AI 数据中心的真实门槛** Amazon 连续多年实现全球运营 100% 可再生能源年度匹配。这个表述容易被误读。 年度体积匹配解决的是会计口径：一年内买入的可再生能源电量，等同于一年内消耗的电量。但 AI 数据中心的实际运行需要同一地区、同一电网、同一小时的稳定电力。 Google 采用更严格的 24/7 Carbon-Free Energy 目标，要求每一小时用电都尽量匹配当地无碳电力。这个指标比年度绿电匹配更接近真实物理约束。 两者的差异在 Scope 2 排放中体现得很直接。 Amazon 2024 年 Scope 2 market-based 排放约 2.80 MtCO2e，但 location-based 排放约 17.76 MtCO2e，后者是前者的 6.3 倍。也就是说，年度绿电采购可以显著降低账面排放，但并不能改变数据中心在特定电网中实际使用电力的碳强度。 Google 2024 年 Scope 2 market-based 排放约 3.06 MtCO2e，location-based 估算约 11.28 MtCO2e，差异同样明显。 **口径** **含义** **投研解读** Market-based Scope 2 按 PPA、EAC、REC 等能源属性证书计算 更接近会计披露 Location-based Scope 2 按所在地电网平均碳强度计算 更接近物理现实 24/7 CFE 按小时、按区域匹配无碳电力 更接近长期算力交付能力 市场过去看 hyperscaler 买了多少 GW 可再生能源项目。下一阶段更关键的是，这些电力能否在正确的地点、正确的时间、稳定进入数据中心。 这就是核电、地热、储能、燃气轮机和需求响应重新进入 AI 投资框架的原因。 ## **五、水资源不是道德问题，而是数据中心本地审批变量** Google 2025 年总取水量约 10.9 billion gallons，折合约 41.1 billion liters，同比增长约 34%；淡水取水量约 9.9 billion gallons。公司 2025 年水回补量约 7.7 billion gallons，相当于淡水消耗量的 78%。 Amazon 2025 年数据中心取水量为 9.4 billion liters，水正效益目标进度提升至 75%。其 WUE 从 2023 年 0.18 L/kWh、2024 年 0.15 L/kWh，降至 2025 年 0.12 L/kWh。 数据中心用水不是单纯的环保约束，而是选址、许可、社区关系和项目排期约束。尤其在 Texas、Arizona、Georgia、Virginia 等数据中心密集地区，取水权和回用水能力直接影响项目落地。 不同冷却路线的核心矛盾，是电力和水之间的成本交换。 **冷却路线** **PUE 特征** **WUE 特征** **核心矛盾** 风冷 较高 较低或为零 高密度机柜下效率不足 蒸发冷却 较低 较高 省电但耗水 机械冷却 较高 较低 省水但增加电力负荷 冷板液冷 较低 低 需要服务器和设施侧同步改造 浸没式液冷 很低 低 维护体系、冷却液供应和标准化不足 从投资角度看，水资源约束带来两个方向：一是更高效的液冷和热管理系统；二是再生水、工业水处理和园区级水资源管理。 但水处理链条的投资弹性通常弱于液冷和电力设备。原因在于水处理公司多为综合型工业公司，数据中心收入占比有限，估值弹性更依赖订单披露和项目绑定。 ## **六、并网才是 AI 数据中心最硬的交付瓶颈** 如果说用电和用水解释了运行成本，那么并网解释了项目能否按时上线。 IEA 预计全球数据中心用电将从 2024 年约 415 TWh 提升至 2030 年约 945 TWh。美国数据中心用电 2023 年约 176 TWh，占全美用电 4.4%；到 2028 年预计可能达到 325—580 TWh，占比提升至 6.7%—12%。 需求侧增长已经非常清晰，但供给侧的瓶颈更刚性。 **指标** **最新数据** **投资含义** 美国并网排队规模 约 2,290 GW 待并网容量约等于现有装机两倍 完工项目平均等待 55 个月 数据中心建设周期被拉长 大型电力变压器交期 约 128—144 周 电网设备成为关键短板 高压断路器交期 约 151 周 变电站扩容受限 大型燃气轮机交期 5—7 年 自备电也面临设备短缺 数据中心 PPA 价格 太阳能约 61.7 美元/MWh，风电约 73.7 美元/MWh 长期低价电力稀缺性提升 这组数据解释了为什么 Microsoft、Google、Amazon、Meta 都开始锁定长期核电、SMR、地热、燃气和储能资源。 **公司** **能源动作** **容量 / 特点** Microsoft 三里岛核电 PPA 835MW，20 年协议 Google Kairos Power SMR 500MW，首堆目标 2030 年 Google Fervo Energy 地热 115MW Amazon Talen / Susquehanna 核电 PPA 1,920MW Amazon X-energy SMR 投资 5GW 目标 Meta 核电和地热合作 多 GW 级长期锁定 Oracle 燃料电池、SMR 和 Stargate 数据中心 电力成为 OCI 扩张约束 hyperscaler 过去采购服务器，现在采购电力资产。长期电力锁定能力，正在成为 AI 云厂商的基础竞争力。 ## **七、投资映射：AI Capex 正在外溢到 “算力公用事业链”** AI 基础设施的投资框架，可以分成两层。 第一层仍是算力核心链：GPU、HBM、先进封装、PCB、光模块、交换芯片、服务器。第二层是算力公用事业链：电力接入、冷却、水处理、并网、长期能源供给。 后一层的特点是订单周期长、资本开支重、供给扩张慢。一旦需求被 hyperscaler 锁定，价格和交期弹性往往更强。 **方向** **投资逻辑** **代表公司** 电网设备 变压器、开关设备、变电站交期拉长，数据中心负荷拉动公用事业 Capex Eaton、Hubbell、Quanta Services 燃气轮机 / 自备电 并网慢，数据中心转向 behind-the-meter、微电网和备用电源 GE Vernova 核电 / SMR 长周期稳定电力价值上升，hyperscaler 直接签 PPA Constellation Energy、Talen、Kairos、X-energy 液冷 / 热管理 高密度 AI 机柜推动 CDU、冷板、快接头需求 Vertiv、nVent、Modine、英维克 冷却液 / 氟化材料 两相浸没式液冷带来高壁垒材料需求，但受 PFAS 监管约束 Chemours、Syensqo 水处理 / 再生水 用水审批和回补压力提升，数据中心园区水系统投资增加 Xylem、Evoqua 数据中心运营商 电力资源、土地、并网容量成为核心资产 Equinix、Digital Realty、万国数据 其中，液冷和电力设备的投资弹性更强，原因是客户、订单、交期和毛利率更容易被验证。水处理和冷却塔方向更偏工程配套，除非出现大额项目绑定，否则估值弹性通常弱于液冷系统和电力设备。 A 股中，英维克、申菱环境、浪潮信息等更适合作为产业链观察对象；高澜股份、佳力图、曙光数创等需要重点看盈利质量、液冷收入占比和应收现金流。液冷概念覆盖不等于财务弹性，订单含金量比产品名录更重要。 ## **八、AI 的下一轮定价锚在物理世界** **AI 基础设施的第一阶段，市场定价的是 GPU 稀缺和算力供给短缺。第二阶段，市场需要重新定价电力、冷却、并网和水资源。** Google 和 Amazon 的可持续发展报告说明三件事。 第一，AI 数据中心已经成为 TWh 级电力负荷。Google 2025 年数据中心用电 42.4 TWh，Amazon 数据中心设施总用电按 WUE 反推可能接近 90 TWh。算力扩张不再是单纯 IT 设备采购，而是电力系统扩容。 第二，PUE 已接近头部区间，冷却路线切换成为高密度机柜上线的前置条件。GB200、GB300、Rubin 平台继续提高单柜功率，液冷系统从效率工具变成工程交付工具。 第三，年度绿电匹配无法解决真实电力约束。24/7 CFE、核电 PPA、地热、储能、燃气轮机和需求响应，才是 AI 数据中心长期交付能力的关键变量。 后续 12—24 个月，最值得跟踪的不是 hyperscaler 讲了多少 AI 故事，而是以下指标： **指标** **含义** 季度 Capex 实际值 判断 AI 基础设施投资是否降速 数据中心并网排队 判断项目交付周期 变压器和开关设备交期 判断电网设备景气度 液冷渗透率 判断 AI 服务器热管理升级速度 核电 / 燃气 / 地热 PPA 判断长期电力锁定能力 Scope 2 location-based 排放 判断真实电力结构压力 数据中心 WUE 和回用水比例 判断选址和审批风险 投资上，优先选择三类资产：有明确数据中心订单的液冷系统公司；有交期和价格弹性的电网设备公司；能锁定长期电力现金流的核电和燃气发电资产。 需要回避两类资产：一类是只有液冷产品、没有收入占比和客户验证的概念公司；另一类是 Capex 增速很快但现金流持续恶化的数据中心扩张主体。 AI 交易没有结束，只是定价锚正在下沉。GPU 仍是算力发动机，但电力、冷却、并网和水资源，才是算力资产能否按期变成收入的底盘。 数据来源：Google Environmental Report、Amazon Sustainability Report、IEA、LBNL、Wood Mackenzie、LevelTen Energy、公司公告及长桥 AI 数据核验底稿。文中 Amazon 数据中心用电为基于披露 WUE、PUE 和取水量的模型估算，不属于公司直接披露值。本文仅作产业研究与信息梳理，不构成投资建议。 ### Related Stocks - [GOOGL.US](https://longbridge.com/en/quote/GOOGL.US.md) - [AMZN.US](https://longbridge.com/en/quote/AMZN.US.md) - [GOOG.US](https://longbridge.com/en/quote/GOOG.US.md) - [GGLS.US](https://longbridge.com/en/quote/GGLS.US.md) - [GGLL.US](https://longbridge.com/en/quote/GGLL.US.md) - [AMZU.US](https://longbridge.com/en/quote/AMZU.US.md) - [GOOGN.US](https://longbridge.com/en/quote/GOOGN.US.md)