101条目
电力约束:AI 的下一个限制因素
电力正成为制约 AI 部署的下一个物理瓶颈。单个 NVIDIA B200 GPU 机架耗电 120kW——一座配备 100,000 个 GPU 的现代 AI 数据中心需要超过 1 吉瓦的电力,相当于一座核电站的输出。超大规模云服务商(hyperscaler)可用电力容量的消耗速度已超过新增发电能力上线的速度。这为发电(核能小型模块化反应堆、天然气)、输电(变压器、开关设备)以及用电效率(液冷、热管理)领域创造了投资机会。该能源约束通过 Closelook 6-Layer Model 中的 Energy 层进行跟踪。
由英文原文自动翻译。 阅读英文原文 →
问题的规模
预计到 2028 年,全球数据中心用电量将增长逾一倍,而这几乎完全由 AI 工作负载驱动。挑战在于:建设发电与输电基础设施需要 3-7 年,而 AI 需求却在按季度增长。这种错配造成了结构性的电力缺口,制约着 AI 基础设施可以在何处以及以多快的速度部署。
多家超大规模云服务商已报告因电力供应不足而推迟数据中心部署。微软、谷歌和亚马逊都在投资长期电力合同、核能合作以及现场发电——这表明它们将电力视为其 AI 野心的硬约束。
投资影响
发电: 核能(Constellation Energy、NuScale、Oklo)、天然气(Calpine、Vistra)以及公用事业级太阳能/储能电池,均从超大规模云服务商对稳定基荷电力的需求中受益。
输电: 变压器与开关设备的供应正出现瓶颈——伊顿(Eaton)、施耐德电气(Schneider Electric)及一些细分领域厂商的订单积压持续延长。
用电效率: 液冷可减少以热量形式浪费的电力。每节省一瓦用于散热的电力,就多出一瓦可用于计算。Vertiv 和 Modine 是主要受益者。
关键公司
CEG
Constellation Energy
核能——超大规模云服务商电力合同
VRT
Vertiv
数据中心供电与散热基础设施
VST
Vistra
天然气发电+核电机组组合
MOD
Modine
热管理——用电效率