Google 與 Amazon 報告暴露電力、水和併網瓶頸

AI 基礎設施交易正在進入第二階段。2023—2024 年，市場的核心問題是 GPU 供給、HBM、先進封裝、以太網和光互連；到 2025—2026 年，約束開始向更底層的物理資產下沉：電力接入、變壓器交期、數據中心冷卻密度、水資源審批、長期清潔電力鎖定。

Google 與 Amazon 最新可持續發展報告提供了一組更接近真實產能約束的數據。它們不是傳統意義上的 ESG 文件，而是 hyperscaler 算力擴張的 “第二張賬單”。

GPU 決定單卡算力，電力決定機櫃能否上線，冷卻決定高密度機櫃能否穩定運行，併網決定數據中心能否按期交付。AI Capex 的估值錨，正在從服務器和芯片，延伸到電網、液冷、水處理、燃氣輪機、核電和長期 PPA。

一、Google 的用電曲線：AI 擴張已經進入 TWh 級別資產負債表

Google 2025 年總用電量達到43.6 TWh，同比增長 37%。其中，數據中心用電約42.4 TWh，佔公司總用電的 97%。

這意味着 Google 幾乎全部電力消耗已經由數據中心驅動，公司本質上正在從互聯網平台公司，變成一個大規模電力負荷運營商。

PUE 維持在 1.09，説明 Google 在機房效率上已經處於行業高位。問題不再是傳統數據中心能效優化，而是新增 AI 負載對總電力需求的吞吐能力。

PUE 的邊際改善空間有限，但 AI 機櫃功率密度繼續上行。單櫃功率從 20—30kW 進入 100kW 以上後，傳統風冷不再是高密度訓練和推理集羣的主方案。電力、散熱和併網週期，開始決定算力資產能否轉化成收入。

Google 報告中的關鍵表述是：AI 基礎設施建設速度正在快於電網脱碳速度。就是 hyperscaler 的 Capex 節奏已經開始受到電網物理擴容能力約束，而不只是芯片供應約束。

二、Amazon 的透明度缺口：不披露用電，但水效數據已經能反推負荷體量

Amazon 不直接披露數據中心總用電量，這是其與 Google 最大的披露差異。

但 Amazon 2025 年披露了兩個關鍵指標：全球數據中心 PUE 為1.14，WUE 為0.12 L/kWh；同時數據中心取水量為9.4 billion liters。若用取水量和 WUE 反推，Amazon / AWS 數據中心 IT 負載約為 78.3 TWh，對應設施總用電量約為 89.3 TWh。

估算公式：

IT 用電量 = 數據中心取水量 / WUE
= 9.4 billion liters / 0.12 L/kWh
= 78.3 TWh

設施總用電量 = IT 用電量 × PUE
= 78.3 TWh × 1.14
= 89.3 TWh

注：89.3 TWh 不是 Amazon 公司直接披露值，而是基於公司披露的 WUE、PUE 和取水量進行的反推估算。該數值受 WUE 口徑、區域氣候、季節性負荷和水源結構影響。

Amazon 的重點不是透明度，而是規模。AWS 的用電和冷卻需求已經足以改變區域電網負荷曲線。它的投資邏輯不再只是雲收入增速，而是能否持續獲取穩定、低成本、可擴展的電力資源。

三、PUE 接近極限後，冷卻路線成為 AI 機櫃交付條件

Google PUE 1.09，Amazon PUE 1.14，Meta 2024 年 PUE 約 1.08，Microsoft FY24 PUE 約 1.16。頭部 hyperscaler 的 PUE 已經壓到較低區間，繼續下降的空間並不大。

下一階段的效率競爭，不再是普通機房層面的 PUE 優化，而是高密度機櫃條件下的熱管理能力。

傳統風冷的有效邊界大致在 40kW/櫃附近。超過這一密度後，液冷從成本優化項變成工程交付項。

Amazon 的 IRHX 列間熱交換器、Google 與 Danfoss 的液冷合作，本質上都是同一件事：用冷卻系統換取更高機櫃功率密度。對於 hyperscaler 來説，液冷不是 ESG 技術，而是提升單位面積算力密度、降低項目延遲風險、釋放數據中心收入潛力的基礎設施。

液冷產業鏈中，真正需要跟蹤的不是概念覆蓋，而是訂單、客户和收入佔比。

A 股中，英維克、申菱環境、曙光數創、高瀾股份、佳力圖、浪潮信息等均可納入產業鏈觀察，但需要區分財務含金量。液冷收入佔比、客户結構、毛利率和現金流，比 “是否有液冷產品” 更重要。

四、年度綠電匹配不夠，24/7 CFE 才是 AI 數據中心的真實門檻

Amazon 連續多年實現全球運營 100% 可再生能源年度匹配。這個表述容易被誤讀。

年度體積匹配解決的是會計口徑：一年內買入的可再生能源電量，等同於一年內消耗的電量。但 AI 數據中心的實際運行需要同一地區、同一電網、同一小時的穩定電力。

Google 採用更嚴格的 24/7 Carbon-Free Energy 目標，要求每一小時用電都儘量匹配當地無碳電力。這個指標比年度綠電匹配更接近真實物理約束。

兩者的差異在 Scope 2 排放中體現得很直接。

Amazon 2024 年 Scope 2 market-based 排放約 2.80 MtCO2e，但 location-based 排放約 17.76 MtCO2e，後者是前者的 6.3 倍。也就是説，年度綠電採購可以顯著降低賬面排放，但並不能改變數據中心在特定電網中實際使用電力的碳強度。

Google 2024 年 Scope 2 market-based 排放約 3.06 MtCO2e，location-based 估算約 11.28 MtCO2e，差異同樣明顯。

市場過去看 hyperscaler 買了多少 GW 可再生能源項目。下一階段更關鍵的是，這些電力能否在正確的地點、正確的時間、穩定進入數據中心。

這就是核電、地熱、儲能、燃氣輪機和需求響應重新進入 AI 投資框架的原因。

五、水資源不是道德問題，而是數據中心本地審批變量

Google 2025 年總取水量約 10.9 billion gallons，摺合約 41.1 billion liters，同比增長約 34%；淡水取水量約 9.9 billion gallons。公司 2025 年水回補量約 7.7 billion gallons，相當於淡水消耗量的 78%。

Amazon 2025 年數據中心取水量為 9.4 billion liters，水正效益目標進度提升至 75%。其 WUE 從 2023 年 0.18 L/kWh、2024 年 0.15 L/kWh，降至 2025 年 0.12 L/kWh。

數據中心用水不是單純的環保約束，而是選址、許可、社區關係和項目排期約束。尤其在 Texas、Arizona、Georgia、Virginia 等數據中心密集地區，取水權和回用水能力直接影響項目落地。

不同冷卻路線的核心矛盾，是電力和水之間的成本交換。

從投資角度看，水資源約束帶來兩個方向：一是更高效的液冷和熱管理系統；二是再生水、工業水處理和園區級水資源管理。

但水處理鏈條的投資彈性通常弱於液冷和電力設備。原因在於水處理公司多為綜合型工業公司，數據中心收入佔比有限，估值彈性更依賴訂單披露和項目綁定。

六、併網才是 AI 數據中心最硬的交付瓶頸

如果説用電和用水解釋了運行成本，那麼併網解釋了項目能否按時上線。

IEA 預計全球數據中心用電將從 2024 年約 415 TWh 提升至 2030 年約 945 TWh。美國數據中心用電 2023 年約 176 TWh，佔全美用電 4.4%；到 2028 年預計可能達到 325—580 TWh，佔比提升至 6.7%—12%。

需求側增長已經非常清晰，但供給側的瓶頸更剛性。

這組數據解釋了為什麼 Microsoft、Google、Amazon、Meta 都開始鎖定長期核電、SMR、地熱、燃氣和儲能資源。

hyperscaler 過去採購服務器，現在採購電力資產。長期電力鎖定能力，正在成為 AI 雲廠商的基礎競爭力。

七、投資映射：AI Capex 正在外溢到 “算力公用事業鏈”

AI 基礎設施的投資框架，可以分成兩層。

第一層仍是算力核心鏈：GPU、HBM、先進封裝、PCB、光模塊、交換芯片、服務器。第二層是算力公用事業鏈：電力接入、冷卻、水處理、併網、長期能源供給。

後一層的特點是訂單週期長、資本開支重、供給擴張慢。一旦需求被 hyperscaler 鎖定，價格和交期彈性往往更強。

其中，液冷和電力設備的投資彈性更強，原因是客户、訂單、交期和毛利率更容易被驗證。水處理和冷卻塔方向更偏工程配套，除非出現大額項目綁定，否則估值彈性通常弱於液冷系統和電力設備。

A 股中，英維克、申菱環境、浪潮信息等更適合作為產業鏈觀察對象；高瀾股份、佳力圖、曙光數創等需要重點看盈利質量、液冷收入佔比和應收現金流。液冷概念覆蓋不等於財務彈性，訂單含金量比產品名錄更重要。

八、AI 的下一輪定價錨在物理世界

AI 基礎設施的第一階段，市場定價的是 GPU 稀缺和算力供給短缺。第二階段，市場需要重新定價電力、冷卻、併網和水資源。

Google 和 Amazon 的可持續發展報告説明三件事。

第一，AI 數據中心已經成為 TWh 級電力負荷。Google 2025 年數據中心用電 42.4 TWh，Amazon 數據中心設施總用電按 WUE 反推可能接近 90 TWh。算力擴張不再是單純 IT 設備採購，而是電力系統擴容。

第二，PUE 已接近頭部區間，冷卻路線切換成為高密度機櫃上線的前置條件。GB200、GB300、Rubin 平台繼續提高單櫃功率，液冷系統從效率工具變成工程交付工具。

第三，年度綠電匹配無法解決真實電力約束。24/7 CFE、核電 PPA、地熱、儲能、燃氣輪機和需求響應，才是 AI 數據中心長期交付能力的關鍵變量。

後續 12—24 個月，最值得跟蹤的不是 hyperscaler 講了多少 AI 故事，而是以下指標：

投資上，優先選擇三類資產：有明確數據中心訂單的液冷系統公司；有交期和價格彈性的電網設備公司；能鎖定長期電力現金流的核電和燃氣發電資產。

需要回避兩類資產：一類是隻有液冷產品、沒有收入佔比和客户驗證的概念公司；另一類是 Capex 增速很快但現金流持續惡化的數據中心擴張主體。

AI 交易沒有結束，只是定價錨正在下沉。GPU 仍是算力發動機，但電力、冷卻、併網和水資源，才是算力資產能否按期變成收入的底盤。

數據來源：Google Environmental Report、Amazon Sustainability Report、IEA、LBNL、Wood Mackenzie、LevelTen Energy、公司公告及長橋 AI 數據核驗底稿。文中 Amazon 數據中心用電為基於披露 WUE、PUE 和取水量的模型估算，不屬於公司直接披露值。本文僅作產業研究與信息梳理，不構成投資建議。