文章核心观点 - AI算力爆发导致电力需求激增，电力供应正成为AI发展的关键瓶颈，并由此催生新的投资机会 [4][5][44] - 中美两国在电力基础设施和能源结构上存在显著差异，美国面临严峻的电力缺口挑战，而中国电力供应相对充足，但存在绿电消纳问题 [9][23][27][31] - 为应对电力挑战，科技巨头和政府正积极布局短期解决方案（如电力设施配套、储能）和中长期解决方案（如小型模块化核反应堆SMR、可控核聚变） [47][48][55] 中美电力现状对比 - 美国电力窘境：美国电力需求与经济增速脱钩，基础设施老化，火电退役高峰期导致电力缺口扩大，预计2025-2030年将产生73.2GW（中性）至201.2GW（乐观）的电力总缺口 [11][16][18][20] - 中国电力底牌：中国总体不缺电，2024年发电量10.09万亿千瓦时大于用电量9.85万亿千瓦时，新能源装机快速增长，但面临绿电消纳压力，西部富集绿电但算力需求集中在东部 [27][30][31][32][35] - 需求增长预测：到2030年，全球数据中心用电量将增长一倍以上至约945TWh，其中美国用电量预计增长约240TWh（增长130%），中国增长约175TWh（增长170%） [5][9] AI耗电特性与能效差异 - 单机柜功率跃升：AI训练服务器机架单柜功率从过去的6-8kW轻松突破50kW，并向100kW迈进，用电量从千瓦级跃升至兆瓦级 [5] - 大模型训练功耗：不同技术架构影响能耗，OpenAI的GPT-4单次训练功耗为22.1MW，而采用动态稀疏MoE架构的DeepSeek-V3单次训练功耗仅为3.2MW，能效显著提升 [6][7] - 全球耗电分布：2024年美国占据全球数据中心电力消耗的45%，中国占25%，欧洲占15% [9] 中国的电力布局与算力协同 - 政策引导：国家提出“算力电力协同”，要求2025年底国家枢纽节点新建数据中心绿电占比超过80%，互联网企业承诺2030年实现100%使用绿电 [33][34] - 东西部协同模式：通过“荷随源转”将算力中心建到西部能源富集区，以及“源随荷建”在东部需求区自建新能源项目，以缓解“东渴西富”的矛盾 [38][39][40] - 未来电力评估：预计到2030年，中国新能源装机规模有望突破30亿千瓦，风光发电量预计增加1.83万亿千瓦时，高于数据中心预计新增的3000-7000亿千瓦时用电量，电力不会成为AI发展瓶颈 [41] 投资机会分析 - 短期机会（电力设施配套）：北美缺电为储能、燃料电池、变压器等电力设备企业带来增量市场，英伟达将AIDC配储定为刚需，预计2025-2030年数据中心需求可能累计达178GW [48][50][51][52] - 中长期机会（先进核能）： - SMR核能：科技巨头纷纷布局SMR采购协议，但相关技术开发商如NuScale Power、Oklo仍处于商业化前期，预计2030年后才贡献收入，上游铀燃料供应商如Cameco已能稳定盈利 [55][56][58][59][64] - 可控核聚变：全球聚变企业融资活跃，2024年融资接近30亿美元，2025年前七个月已突破10亿美元，未来3-5年将是核聚变项目投招标高峰，预计对应2500亿以上市场空间 [65][66][69] - 市场反应：A股市场对相关企业进行价值重估，例如天合光能因储能业务股价上涨31%，其2026年储能出货目标为16GWh，预计带来12.8亿元业绩增量；阳光电源、阿特斯股价也因储能业务分别上涨29%和68% [53][54]