美股 AI 沒趕上？大摩提供新思路：買電力股啊

摩根士丹利日前發佈研報預計，隨着生成式人工智能的算力成本迅速下降，AI 需求的快速增長與電力基礎設施增長緩慢將出現顯著不匹配。大摩將這種不匹配現象比做 “龜兔賽跑”，暗示當下 AI 雖然爆火，像兔子在比賽中一馬當先，但 AI 需求的增長有賴於電力供應，更多數據中心會因為希望更快確保電力而支付更高的電價溢價。因此增長緩慢的電力基礎設施作為龜，電力股板塊前景可能更佳，並提升了一眾電力公司的目標價。

新一代 AI 芯片算力成本大降 或激發升級需求

研報表示，生成式人工智能的算力成本將迅速下降，但市場這一情況有所低估。大摩的數據中心模型顯示，從英偉達 H100 的 Hopper GPU 轉為使用 B100 的 Blackwell GPU 時，數據中心每秒浮點運算次數（teraFLOP）的資本成本下降了約 50%。大摩表示，這一數字是數據中心總資本成本與數據中心每秒浮點運算次數之比，可能有助於確定生成式人工智能商業模式是否會產生較高的投資回報率。

研究發現，使用 Hopper GPU 的數據中心經濟模型中，這個數字約為每 teraFLOP 14 美元，而對於 Blackwell 數據中心模型，這一數字下降到每 teraFLOP 7 美元。這種計算成本的快速下降是由英偉達 GPU 功率效率的快速提高所使可能的，因此預計數據中心對新技術的升級需求將提高。

AI 電力需求到 2027 年或翻倍

有鑑於此，摩根史丹利修改了此前的估計，預計全球生成式 AI 對電力的需求可能將翻倍。大摩將 GPU/定製芯片的利用率預期從 60% 升至 70%，並且預計可新能源在數據中心電力的百分比將減少，傳統能源將扮演更大角色。

大摩預計，基本情況下，2024 年和 2027 年，全球數據中心電力需求約分別為 430 和 748 太瓦時（TWh），這分別相當於全球 2022 年電力需求的約 2% 和 4%。同時，生成式 AI 電力需求從 2023 年到 2027 年的複合年增長率（CAGR）預計約 105%，而在同一時期內全球數據中心電力需求（包括生成式 AI）的符合年增長率大約是 20%。

而在樂觀情況下（反映 90% 芯片利用率），大摩預計 2024 和 2027 全球數據中心電力需求是約 446 和 820 TWh，而悲觀情景（反映 50% 利用率）預測的 2024 和 2027 數據中心電力需求是約 415 和 677 TWh。將這些數字轉換為千兆瓦的電力容量（GW），基本情況下 2024 和 2027 年的數據中心電力總容量將是約 70 和 122 GW。

電力基礎設施增長慢 數據中心願支付更多電價溢價

而在 AI 電力需求激增的同時，電力基礎設施的增長面臨挑戰。大摩指出，其中一個主要擔憂是，為支持新數據中心容量所需的電網連接的可用性，關鍵問題包括有限的電力線路容量、新輸電和配電項目的規劃和許可延遲，以及供應鏈瓶頸。

例如，據美國勞倫斯伯克利國家實驗室稱，由於監管障礙耗時較長，升級現有輸電線路可能需要三年或更長時間，而且新項目接入電網的排隊時間已從 2008 年的不到 2 年增加到 2022 年的 5 年。因此，增加較小二級市場的發電和電網容量是合適的策略。

因此，考慮到在這些新的、非常大的數據中心上部署的大量資本，以及 AI 芯片創新的快速步伐，數據中心都會希望儘快連接到電網具有巨大的價值。因此為了彌補時間成本，大摩認為可能會有更多數據中心開發商願意支付電價溢價。

研報舉例，如果一個數據中心開發商能夠比其他數據中心開發商早兩年確保電力來源，在假設 GPU 的經濟壽命為六年的情況下，開發商願意支付約 101% 的電價溢價，或者假設 10 年的經濟壽命時，支付約 61% 的電價溢價。

確保電力？數據中心建在核電站圍欄內最合適

因此，大摩認為最適合建設數據中心的是美國的核電站，並指出亞馬遜和 Talen 能源的合作案中，就計劃在賓夕法尼亞州的一個核電站 “圍欄內” 建造容量約 960 兆瓦的數據中心。

研報表示，核電站之所以最合適，是因為核電站給數據中心供電的過程更快，而且核電站場地通常非常大，能夠提供建設大型數據中心所需的空間；同時，核電站已有大量的電力基礎設施，能夠減少了開發所需電力基礎設施的成本。而且核電站可以獲得大量冷卻水，鑑於新的、温度更高的數據中心可能需要液體冷卻，這可能是數據中心的優勢。最後，雙單元核電站在任何單一單元出現運營問題時提供冗餘優勢。此外，核電行業的運營記錄非常出色，不太可能出現非計劃停機。

不過，大摩在研報中也承認，如果電力基礎設施的增長瓶頸能夠得到解決，從而使得開發新的數據中心變得更加容易，這反過來可能會降低現有數據中心的價值。但鮮有分析顯示，即便是核電站這種最有希望的解決方案，其供電能力增長相對於數據中心的增長仍然有限。

同時，如果英偉達和其他芯片製造商實現了芯片計算能力的極速提升，現有數據中心可能需要頻繁升級，以保持與新建數據中心的競爭力，如果數據中心所有者未能完全獲得這些頻繁改造的補償，數據中心所有者可能會發現自己處於 “資本支出跑步機” 上。而升級舊數據中心可能存在實際挑戰，特別是涉及到液體冷卻（水資源可能是一個問題——但一些新的液體冷卻技術使用閉環系統）。如果生成式 AI 的商業模式未能產生預期的利潤率，數據中心客户可能面臨違約風險。