AI长期需求与短期投资回报必须分开判断。
文章作者、来源：ME News
TL;DR
- 摩根士丹利认为，美国AI基建正面临“人、电力与政治”三重约束。 2027年约1.6万亿美元的AI相关资本开支预期，能否顺利兑现，越来越取决于实际建设条件。
- 电力是最直接的瓶颈。 即使考虑核能、燃气轮机和燃料电池等解决方案，美国到2028年仍可能存在32吉瓦的数据中心电力供应缺口，2029年或进一步扩大至约72吉瓦。
- 政治阻力正在从地方争议变成全国性议题。 数据中心推高电价、占用水资源以及税收优惠等问题，已进入2026年美国中期选举讨论。
- 算力供不应求不代表供应商可以持续涨价。 一旦云厂商资本开支放缓，芯片、内存和服务器产业链可能遭遇出货量与价格同步下跌。
- AI长期需求与短期投资回报必须分开判断。 电力约束未必导致AI建设终止，却可能改变资本开支节奏、企业利润分配以及产业链的竞争格局。
一、1.6万亿美元AI投资，开始接受现实条件的检验
过去两年，美国科技行业围绕AI基础设施形成了一套相当清晰的投资逻辑：模型能力持续提升，推理应用不断扩张，算力需求随之增长，云厂商因此有理由持续购买GPU、建设数据中心，并向电力和网络设备等上游环节投入资金。
这套逻辑在需求快速增长时颇具说服力，但它存在一个容易被忽视的前提：资本开支能够及时转化为可供客户使用的算力，而算力最终能够产生足够的收入，覆盖设备折旧、能源消耗和融资成本。
摩根士丹利近期对2027年AI相关资本开支进行了梳理，涉及约1.6万亿美元的预期投资规模。需要说明的是，这一数字属于广义AI资本开支测算，并不等于美国境内已经获批、确定实施的数据中心项目金额，也不意味着相关资金已经全部到位。
真正值得关注的，并非这个数字本身有多大，而是随着投资规模不断增加，AI产业正在从技术驱动的扩张周期，进入受到能源、地方监管和资本回报共同约束的新阶段。
大摩将主要风险概括为“人、电力与政治”。在笔者看来，这三项风险实际上指向同一个问题：AI产业在软件和芯片层面形成的扩张速度，已经开始超过现实基础设施及其利益协调机制所能承受的速度。
资本市场可以提前反映数年后的盈利预期，芯片企业可以按照未来需求安排产能，但地方政府的审批、电网扩容和居民对电价的承受能力，无法简单按照科技公司的采购计划同步提速。
这意味着，即使AI应用继续增长，基础设施投资仍可能出现明显波动。技术需求保持强劲，与产业链上的所有企业都能维持高增长、高利润，并不是一回事。
二、32吉瓦电力缺口，暴露了AI建设最难解决的矛盾
摩根士丹利此次警告中，最具有现实意义的是电力预测。
按照其AI电力供应模型，即使计入核能、燃气轮机、发动机及燃料电池等加快供电的方案，美国到2028年仍可能面临约32吉瓦的净电力缺口，相当于3200万千瓦；到2029年，这一缺口可能进一步扩大至约72吉瓦。
这里必须澄清一个重要概念：32吉瓦指的是模型测算的数据中心所需供电能力与可获得供电能力之间的差额，并不是说美国全国电网届时会普遍缺少32吉瓦电力，也不能直接将其理解为已经发生的停电规模。
问题在于，电力能否在正确的地点、正确的时间，以符合数据中心要求的稳定性和成本交付。
国际能源署2026年4月发布的《Key Questions on Energy and AI》预计，全球数据中心用电量将从2025年的约485太瓦时增加至2030年的约950太瓦时。其中，专门面向AI的数据中心用电增长速度更快，预计同期将增长至约三倍。
国际能源署在《Electricity 2026》中进一步预计，美国2026年至2030年的电力需求年均增长接近2%，超过此前十年的两倍，而数据中心扩张预计贡献美国到2030年新增用电需求的大约一半。
这些数据说明，AI用电增长并非单纯建立在投资者情绪之上，而是有实际设备部署和电力消耗作为支撑。然而，新增发电能力与数据中心获得可靠供电之间，还隔着输电线路、变电设施、并网审批和设备交付等多个环节。
10月20日，Axios披露的高盛最新研究提供了另一组值得重视的数据：全球数据中心电力需求预计在2025年至2030年增长170%，其中超过60%的增量来自美国。与此同时，美国大量拟建发电及储能项目仍在等待并网，相关项目从提出申请到实现商业运行的中位时间约为五年。
科技公司的GPU采购周期可以按季度调整，电力基础设施建设却往往需要多年。即使发电项目具备资金和技术条件，输电线路建设、土地使用以及环境许可仍可能决定最终交付时间。
核能和燃气发电能够提供更多选择，但也不是没有约束。传统核电建设周期较长，部分新型核能技术仍需要验证商业化进度；燃气轮机受到设备产能、燃料供应及排放监管影响；燃料电池和自备电源虽然有助于缓解并网压力，却未必能以合理成本满足所有大型数据中心的持续用电需求。
更值得警惕的是，供电延误会改变GPU采购的经济意义。假如云厂商提前购买大量设备，而配套电力迟迟无法落实，账面上已经形成资本开支，真正能够对外提供服务的有效算力却没有同步增加。
高价芯片可能尚未产生收入，就已经面临技术迭代和折旧压力。对于需要依靠融资维持建设的企业而言，项目投运时间每推迟一次，都可能直接削弱预期投资回报。
电力短缺最危险的地方，不只是让数据中心晚一点建成，而是让企业承担成本的时间早于获得收入的时间。
三、地方政府正在改变美国AI建设的投资规则
如果说电力不足属于物理约束，那么地方政府和社区对数据中心的态度变化，则体现出AI投资正在面临越来越明显的政治约束。
长期以来，美国大型科技企业在数据中心选址过程中，能够通过投资承诺、就业机会及税收收入争取地方支持。但随着数据中心规模扩大，地方政府开始更加关注另一面：项目需要多少电力和水资源，新增基础设施由谁出资，以及普通居民是否需要承担更高的电费。
这类争议正在从个别社区扩大到地方选举。
标普全球市场财智10月1日的报道显示，美国多个州和地方辖区已将限制数据中心建设的措施纳入2026年中期选举议程。相关提案涉及加利福尼亚、俄亥俄、密歇根等多个州，内容包括提高开发要求、提供财务担保以及限制部分数据中心项目。
纽约州的变化尤其具有代表性。
今年7月14日，纽约州州长凯西·霍楚尔宣布实施针对新建超大规模数据中心的一年暂停措施，并提出加强用电成本保护、社区利益安排以及相关税收优惠审查。
这一案例说明，地方政府对AI基建的态度正在由积极争取项目，转向要求开发商证明项目不会将过多成本转嫁给公众。
值得注意的是，这并非单一政党的政策取向。
在2026年11月中期选举临近之际，居民电费和生活成本已成为跨党派关注的问题。共和党与民主党在AI监管和能源政策上的整体立场存在差异，但地方选民并不会仅仅因为数据中心被赋予科技竞争的战略意义，就无条件接受增加的公共成本。
现实中的法律冲突也已经出现。10月20日，路透社报道，美国密西西比州一名联邦法官驳回了特朗普政府试图终止针对马斯克旗下xAI的环境诉讼的请求。该诉讼涉及为AI数据中心供电的燃气发电设施是否违反环境许可规定，相关违法指控仍有待司法程序认定。
这一事件表明，即使企业希望通过自建发电设施绕开电网约束，也仍然需要面对环境法规和司法审查。
摩根士丹利10月14日发布的中期选举分析认为，美国AI建设更可能进入附带条件的扩张阶段，而不是遭遇全国性的全面停止。州和地方政府将在项目落地过程中发挥更大作用。
笔者认为，这一判断比简单预测美国是否会限制AI发展更接近现实。
美国不一定会减少对AI基础设施的战略支持，但地方政府完全可能要求科技企业承担更多建设成本，并重新分配项目收益。
对投资者而言，这意味着，同样规模的数据中心，在不同州、不同电力市场及不同监管环境下，其建设周期和投资回报可能出现越来越大的差异。
四、比缺电更值得警惕的，是算力供应链的量价反转
除了政治和电力，摩根士丹利还强调了一个资本市场容易低估的风险：当供给逐渐追上需求时，上游企业可能同时失去销量增长和产品定价权。
目前AI芯片及部分配套产品的供应紧张，使采购方倾向于提前锁定产能。由于担心未来价格继续上涨，企业即使面对较高报价，也有动力提前采购。
这种行为在短期内会进一步强化供不应求的市场表现，但它同时包含了对未来需求的提前释放。
一旦新产能集中交付，或者数据中心因电力和审批问题推迟建设，前期形成的采购需求就可能减弱。此时，供应商即使没有遭遇终端AI需求的全面萎缩，也可能因为客户减少提前下单而承受压力。
摩根士丹利在相关分析中回顾了2022年的NAND闪存市场调整：当时出货量降幅约为5%，但价格下跌达到20%至30%。这个案例说明，半导体行业的利润变化并不总是与出货量同步，产品价格下滑有时足以让利润率受到远大于销量变化的冲击。
AI基础设施产业链虽然不能简单等同于传统存储芯片周期，但资本开支驱动的供应链依然存在类似机制。
特别是当云厂商资本开支从高速增长转向平台期时，最先变化的往往不是总支出规模，而是采购节奏、库存策略以及供应商谈判地位。
假设某家云厂商的年度资本开支维持不变，表面上看似乎并未削减AI投资，但如果设备价格下降，或者更多预算转向电力工程、土地及建筑设施，那么实际分配给芯片、内存和服务器的订单仍可能下降。
反过来，如果设备涨价推动资本开支金额上升，也不应直接理解为企业购买了更多算力。
这意味着，单纯使用云厂商资本开支总额判断整个AI硬件行业的景气程度，可能越来越容易产生偏差。
值得区分的是，不同环节的风险暴露并不相同。GPU制造商、内存供应商、服务器代工企业、电力设备公司和持有可用电力资源的数据中心运营商，受到项目延期的影响可能存在明显差别。
当电力成为稀缺资源，已经具备可靠供电条件的设施可能拥有更高的商业价值，而必须等待数据中心正式交付才能确认收入的设备供应商，则可能承受订单延期和库存调整的压力。
因此，未来AI产业链的利润分配，未必继续按照技术先进程度排序，而可能越来越取决于谁掌握不可轻易复制的交付条件。
五、资本开支仍在增长，但融资风险正在提高
美国AI建设还有一个不可忽视的变化：随着投资规模持续扩大，单靠科技公司的内部现金流，越来越难以覆盖整个基础设施生态的资金需求。
国际能源署2026年的研究已经指出，数据中心投资规模正在超出企业资产负债表独立承担的范围，资本市场融资对未来建设将变得更加重要。
高盛最新研究预计，2027年全球超大规模云服务商债务发行规模可能达到4200亿美元，较其2026年估算值增长超过60%。这说明，AI基础设施建设不仅与科技行业盈利有关，也越来越受到信用市场环境影响。
借助债务融资建设长期资产本身并不罕见，电力和通信基础设施行业一直存在类似模式。问题在于，AI设备的技术更新周期，与电厂、输电设施和大型建筑物的使用周期存在明显差异。
如果项目按期运行，设备利用率持续提高，债务可以通过经营现金流逐步偿还；但如果电力供应滞后、客户订单低于预期，企业就可能在收入尚未充分形成时承担持续的利息和折旧成本。
尤其对于依赖外部融资的新兴云服务商而言，项目延期可能意味着不得不追加融资，而融资成本又可能随着市场重新评估AI资产风险而提高。
10月20日的高盛研究还指出，2026年以来，美国已有86个数据中心或相关基础设施项目被取消或严重推迟，其中76个与地方反对有关。这些数字并不代表AI建设整体停滞，却表明项目从宣布投资到真正落地之间存在不容忽视的执行风险。
不过，建设放缓也并非只有负面影响。适度推迟部分项目，可能让此前集中释放的设备订单和未来真实需求获得重新匹配的机会，从而降低过度建设风险。
从这个角度看，资本开支增长放缓并不必然等于AI产业出现衰退。只有当企业持续增加投资，却无法获得相应的算力利用率、客户收入和经营现金流时，资本开支循环才会真正面临系统性压力。
六、AI建设不会轻易停止，但投资逻辑必须改变
综合当前信息，笔者并不认为美国32吉瓦的预测电力缺口，足以证明AI基础设施投资即将崩溃。
国际能源署的数据仍然支持数据中心电力需求中长期增长的判断，主要科技公司也具备较强的融资和技术整合能力。与此同时，电力短缺本身可能推动电网升级、自备电源、储能及能源设备投资，并让具备现成供电条件的数据中心获得竞争优势。
但这并不意味着投资者可以忽略大摩提出的风险。
真正需要观察的是三个变化：地方监管是否进一步增加建设成本，电力供应是否能够按照预期时间交付，以及云厂商的新增资本开支能否持续转化为具有经济回报的有效算力。
这三个因素并非彼此独立。地方审批收紧可能延缓供电，供电延迟可能造成设备闲置，设备闲置又可能促使云厂商调整采购计划，最终传导至芯片、内存和服务器企业的收入及利润率。
如果这一传导过程进一步影响信用市场融资条件，就可能使局部项目延期演变为更广泛的投资放缓。
因此，不能仅凭某个云厂商宣布提高资本开支，就推断AI产业链将同步受益。相比采购承诺和投资预算，项目实际通电时间、投入运营的算力规模、客户使用率以及资本回报情况，可能是未来更重要的观察指标。
摩根士丹利目前仍维持对AI基础设施建设的建设性判断，这一点与其风险警告并不矛盾。AI长期需求可以持续增长，同时部分项目因建设条件恶化而被推迟，部分供应商也可能在资本开支增速放缓时面临业绩调整。
在笔者看来，美国AI产业正在进入一个更加接近传统基础设施行业的阶段。过去，市场更重视芯片性能、模型能力和算力扩张速度；未来，稳定供电、项目交付、资金成本和资产利用效率的重要性将明显提高。
这场1.6万亿美元规模的投资扩张，最终需要证明的已经不只是AI技术有多强，而是如此庞大的资本投入，能否转化为持续、可靠且具有合理回报的经营资产。
32吉瓦的电力缺口预测，恰恰提醒市场：技术进步可以很快，但现实世界的基础设施建设有自己的节奏。美国AI投资真正面临的考验，不是有没有足够多的企业愿意买芯片，而是整个产业体系能否以可承受的成本，把采购承诺变成能够持续产生收入的算力服务。