麦肯锡在《2026全球能源展望》中给出一个对AI基础设施投资极具指向性的判断:到2030年,数据中心用电需求可能以24%的复合年增长率攀升。这意味着数据中心将继续位列新增电力需求中最具分量的来源之一,但报告同时强调,真正决定开发商能上线多少算力容量的,不是算力需求本身,而是电力基础设施的可得性。
麦肯锡合伙人Sam DeFabrizio在向Data Center Knowledge的表述中直言,从现在到2030年,其最可能的情景下电力供应都低于IT算力需求。换言之,需求侧的确定性较高,瓶颈集中在供给侧。
这一判断的建模方式值得关注。麦肯锡将每月追踪的CPU与GPU采购承诺、超大规模厂商的资本开支公告,与电力基础设施交付速度的评估结合起来。在供应端,模型纳入的变量包括并网审批、许可流程、暂停令(moratoriums)、变压器交期,以及涡轮机、往复式发动机和燃料电池的可得性;工程、采购与施工(EPC)产能同样被视为限制条件。
这组变量解释了为何电力约束正在把运营商推向现场自建发电。当并网排队时间拉长、变压器与涡轮机交付周期成为硬约束时,等待电网接入的代价可能高于自建电源的成本,尤其是在AI训练集群对供电连续性和规模要求极高的场景下。
报告也提示了另一种可能:更快的扩张并非只靠算力需求更强就能实现,而需要上述多个约束条件同时改善。DeFabrizio指出,若施工与涡轮机制造产能提升,并网审批和许可提速,电力供应增速有望高于预期;反过来,若施工产能受限,或AI能效提升快于预期,电力需求则可能低于基准情景。
对投资者而言,这条信息的关键在于把注意力从单纯的算力需求叙事,转向供给侧的交付能力。电力供应增速若持续落后于算力需求,可能意味着部分规划中的数据中心项目延期或缩水,进而影响GPU等算力硬件的实际部署节奏;与此同时,发电设备、变压器、涡轮机、燃料电池以及EPC施工等环节的产能与交期,可能成为产业链中更稀缺、议价能力更强的部分。
报告还点出一个更长期的不确定性:2030年之后需求将如何演变仍不明朗。AI效率的改进速度、以及需求路径是否偏离当前预期,都会影响开发商当下该为多大规模的基础设施做出承诺。在需求曲线尚未收敛、供给约束又相对刚性的情况下,过度建设与建设不足的风险同时存在,这使得长期资本开支决策的难度显著上升。