AI 熱潮通常以 Nvidia GPU 和超大規模廠商的資本支出來衡量。但如果數據中心無法獲得足夠的電力來運行這些先進晶片，那麼滿屋的先進晶片也毫無用處。
這就是為何算力正成為人工智慧基礎設施中最重要的限制因素之一。
IEA 預期全球資料中心的電力消耗將從 2025 年的大約 485 TWh 增長至 2030 年的約 950 TWh。以 AI 為重點的設施預計將增長得更快。
問題不僅在於 AI 消耗多少電力，更在於這項需求出現的速度有多快。數據中心可在幾年內建成，但輸電線路、變電站和新發電設施通常需要更長的時間。
GPU 僅是 AI 技術堆疊的其中一層
AI 集群需要的不只是處理器。
數千個加速器需要網路、電力轉換、散熱和穩定的電網接入。隨著伺服器密度上升，支援基礎設施的要求也變得更高。
這創造了更廣泛的 AI 供應鏈：
GPU → 網絡 → 電力轉換 → 散熱 → 電網連接 → 電力生成
我們的 AI 基礎設施 指南顯示，投資故事已從晶片擴展至電力與熱管理。
關鍵差異在於，這些瓶頸中的一些無法僅靠訂購更多設備來解決。
超大規模運算商可能能夠購買更多 GPU，但無法立即建立新的高壓電路連接。
網格存取正變得越來越稀缺
德克薩斯州提供了一個最清晰的範例。
建議的數據中心電力需求已超過 700 GW，遠高於目前美國數據中心的耗電量。監管機構已開始收紧連接規則，因為部分需求可能來自從未建成的項目。路透社將此問題描述為 ghost demand。
這會造成實際的財務問題。公用事業公司可能為從未實現的項目投資基礎設施，而真正的 AI 校園卻要等待數年才能獲得電力。
| AI 瓶頸 | 為何這很重要 |
|---|---|
| 網格連接 | 新項目可能需要等待數年 |
| 變形金剛 | 長製造週期 |
| 冷卻 | 高密度 GPU 會產生更多熱量 |
| 生成 | AI 需要可靠的 24/7 電力 |
| 傳輸 | 電力可能遠離需求中心 |
電力公司正成為 AI 投資標的
這個瓶頸正在創造一批新的 AI 受益者。
例如，Vertiv 提供資料中心的電力管理與冷卻系統，並最近同意以高達 26 億美元收購微電網專家 Utility Innovation Group。Vertiv deal 展現了現場發電和獨立電網基礎設施正變得越來越有價值。
微電網至關重要，因為它們可以結合電網電力與現場發電和儲能，減少對延遲的公用事業連接的依賴。
公用事業也正成為 AI 貿易的一部分。NextEra Energy、Dominion Energy 等電力供應商因超大規模雲端服務商和資料中心開發商所創造的長期需求而日益受益。
國際能源署能源展望預期可再生能源將滿足數據中心新增需求的很大一部分，但天然氣、核能和儲能仍將保持重要，因為 AI 工作負載需要全天候穩定的電力。
這也正在改變比特幣挖礦的經濟模式。礦工已經控制了電價低廉地區的寶貴電網連接。如果人工智能公司願意為同樣的電力支付更高費用，一些運營商可能會將產能轉向高性能計算。Coinpaper 的 挖礦分析 表明，電力本身正成為稀缺資產。
因此，人工智能投資故事可能不再僅限於誰製造最快的晶片。