--- title: "Google 與 Amazon 報告暴露電力、水和併網瓶頸" type: "Topics" locale: "zh-HK" url: "https://longbridge.com/zh-HK/topics/42537732.md" description: "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..." 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/zh-HK/profiles/27015735.md)" --- # 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。 **指標** **2024** **2025** **變化** Google 總用電量 約 32.2 TWh 43.6 TWh +37% Google 數據中心用電量 約 30.8 TWh 42.4 TWh +37% 數據中心用電佔比 95.8% 97.0% +1.2pct 全球 PUE 1.09 1.09 持平 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。 **指標** **Google 2025** **Amazon 2025** 數據中心用電 42.4 TWh，公司披露 約 89.3 TWh，模型估算 PUE 1.09 1.14 WUE 口徑不完整，不宜直接比較 0.12 L/kWh 數據中心用水 約 10.5 billion gallons，估算 9.4 billion liters，公司披露 24/7 CFE 目標 有，目標 2030 年 100% 無，採用年度體積匹配 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。 **平台** **單機櫃功率** **冷卻要求** GB200 NVL72 約 120—132kW 強制液冷 GB300 NVL72 約 150—200kW 液冷覆蓋擴大 Vera Rubin NVL144 約 280—350kW 高比例液冷 Rubin Ultra NVL576 約 600kW 更高等級液冷與電力架構 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。 **環節** **核心產品** **受益邏輯** **代表公司** CDU 冷卻液分配單元 每個高密度 AI 機櫃需要液冷分配與控制 Vertiv、nVent、英維克 冷板 GPU / CPU 冷板 單櫃功率提升後冷板用量增加 英維克、高瀾股份 快接頭 UQD / QD 液冷服務器拆裝與維護環節剛需 Stäubli、Danfoss、Parker、Dover/CPC 冷卻液 介電液 / 氟化液 浸沒式和兩相液冷核心材料 Chemours、Syensqo 換熱器 / 冷卻塔 園區側排熱 數據中心設施側熱量轉移 Alfa Laval、SPX Cooling 水處理 再生水、膜系統、工業水處理 用水審批趨嚴，回用水需求提升 Xylem、Evoqua 等 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。 **口徑** **含義** **投研解讀** Market-based Scope 2 按 PPA、EAC、REC 等能源屬性證書計算 更接近會計披露 Location-based Scope 2 按所在地電網平均碳強度計算 更接近物理現實 24/7 CFE 按小時、按區域匹配無碳電力 更接近長期算力交付能力 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。 **冷卻路線** **PUE 特徵** **WUE 特徵** **核心矛盾** 風冷 較高 較低或為零 高密度機櫃下效率不足 蒸發冷卻 較低 較高 省電但耗水 機械冷卻 較高 較低 省水但增加電力負荷 冷板液冷 較低 低 需要服務器和設施側同步改造 浸沒式液冷 很低 低 維護體系、冷卻液供應和標準化不足 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。 **指標** **最新數據** **投資含義** 美國併網排隊規模 約 2,290 GW 待併網容量約等於現有裝機兩倍 完工項目平均等待 55 個月 數據中心建設週期被拉長 大型電力變壓器交期 約 128—144 周 電網設備成為關鍵短板 高壓斷路器交期 約 151 周 變電站擴容受限 大型燃氣輪機交期 5—7 年 自備電也面臨設備短缺 數據中心 PPA 價格 太陽能約 61.7 美元/MWh，風電約 73.7 美元/MWh 長期低價電力稀缺性提升 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。 **公司** **能源動作** **容量 / 特點** Microsoft 三里島核電 PPA 835MW，20 年協議 Google Kairos Power SMR 500MW，首堆目標 2030 年 Google Fervo Energy 地熱 115MW Amazon Talen / Susquehanna 核電 PPA 1,920MW Amazon X-energy SMR 投資 5GW 目標 Meta 核電和地熱合作 多 GW 級長期鎖定 Oracle 燃料電池、SMR 和 Stargate 數據中心 電力成為 OCI 擴張約束 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。 **方向** **投資邏輯** **代表公司** 電網設備 變壓器、開關設備、變電站交期拉長，數據中心負荷拉動公用事業 Capex Eaton、Hubbell、Quanta Services 燃氣輪機 / 自備電 併網慢，數據中心轉向 behind-the-meter、微電網和備用電源 GE Vernova 核電 / SMR 長週期穩定電力價值上升，hyperscaler 直接籤 PPA Constellation Energy、Talen、Kairos、X-energy 液冷 / 熱管理 高密度 AI 機櫃推動 CDU、冷板、快接頭需求 Vertiv、nVent、Modine、英維克 冷卻液 / 氟化材料 兩相浸沒式液冷帶來高壁壘材料需求，但受 PFAS 監管約束 Chemours、Syensqo 水處理 / 再生水 用水審批和回補壓力提升，數據中心園區水系統投資增加 Xylem、Evoqua 數據中心運營商 電力資源、土地、併網容量成為核心資產 Equinix、Digital Realty、萬國數據 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： **指標** **含義** 季度 Capex 實際值 判斷 AI 基礎設施投資是否降速 數據中心併網排隊 判斷項目交付週期 變壓器和開關設備交期 判斷電網設備景氣度 液冷滲透率 判斷 AI 服務器熱管理升級速度 核電 / 燃氣 / 地熱 PPA 判斷長期電力鎖定能力 Scope 2 location-based 排放 判斷真實電力結構壓力 數據中心 WUE 和回用水比例 判斷選址和審批風險 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。 ### 相關股票 - [GOOGL.US](https://longbridge.com/zh-HK/quote/GOOGL.US.md) - [AMZN.US](https://longbridge.com/zh-HK/quote/AMZN.US.md) - [GOOG.US](https://longbridge.com/zh-HK/quote/GOOG.US.md) - [GGLS.US](https://longbridge.com/zh-HK/quote/GGLS.US.md) - [GGLL.US](https://longbridge.com/zh-HK/quote/GGLL.US.md) - [AMZU.US](https://longbridge.com/zh-HK/quote/AMZU.US.md) - [GOOGN.US](https://longbridge.com/zh-HK/quote/GOOGN.US.md)