摩根士丹利最新研究報告顯示，2026年美國AI基礎設施相關初創企業的風險融資規模已達335億美元，較2025年全年近乎翻倍。資本不再單純追逐算力或電力中的某一項，而是加速流向將兩者整合為統一系統的解決方案——資料中心正演變為需要統一排程電力、算力、網路、冷卻與資料流動的"AI工廠"。

資本高度集中於兩大稀缺要素

報告將美國AI基礎設施初創企業的創新方向歸納為四條路徑：加速電力獲取、提升單位功耗算力、將電力與算力重新設計為單一整合系統，以及通過新型物理架構與選址重新定義資料中心本身。自2024年初至今，這四條路徑合計融資規模已超過500億美元。

其中，路徑一（加速電力獲取）與路徑二（提升單位功耗算力）佔據絕對主導，兩者合計佔2026年融資總額的80%以上。算力方向單獨佔比超過一半，電力方向約佔四分之一，而重新定義資料中心方向約佔六分之一。

從累計估值來看，推理與定製晶片領域合計估值約499億美元，新雲/GPU算力平台約397億美元，能源整合雲端計算約309億美元，聚變與先進核能約354億美元，光子互聯約226億美元。這五個細分方向構成了當前AI基礎設施風險投資的估值核心。

投資者行為：跨路徑佈局成為主流

跨路徑投資者的參與比例從2021年前的16%躍升至2026年的73%，表明市場對系統整合邏輯的認可度顯著提升。在2025至2026年間，從算力領域首次進入電力領域的投資者數量約為反向流動的三倍，其中包括SoftBank、微軟、輝達、Sequoia和Atreides。路徑三與路徑四的融資輪次中，72%包含了同時佈局電力與算力公司的投資者，而2023年前這一比例僅為14%。

獨角獸企業（估值10億美元以上）獲得了2026年86%的融資資金，但參與融資的企業數量仍然廣泛，超過半數的追蹤企業在2026年完成了融資。十角獸（估值100億美元以上）包括Etched（210億美元）、FluidStack（180億美元）、Helion（155億美元）、Base Power（130億美元）、SambaNova（110億美元）和Commonwealth Fusion Systems（100億美元），合計佔40家獨角獸總估值的逾半數。

整合溢價：系統整合模式獲估值認可

儘管高度整合型企業在數量上仍屬少數，但其估值表現已開始脫穎而出。Crusoe以300億美元估值位居整個追蹤宇宙之首，其模式是自主掌控電力供應、建設運營資料中心園區並在此基礎上銷售GPU算力，與依賴第三方資料中心的新雲服務商形成本質區別。

路徑三的代表企業Emerald AI，其商業模式是讓算力負載即時響應電網狀況，使資料中心部分充當電網靈活性資產。該公司於2024年成立，2026年8月估值達10.5億美元。Phaidra（估值約6.7億美元）則在設施內部應用AI代理協同最佳化電力、冷卻與工作負載。

路徑四中，軌道資料中心方向的Starcloud和Cowboy Space估值分別達23億美元和20億美元，模組化資料中心開發商Armada估值達23.4億美元，三者合計在2026年融資接近10億美元。

種子輪訊號：電力取代算力成為早期焦點

種子輪融資方向的變化往往是市場預判未來瓶頸的先行指標。2025年，種子輪資金高度集中於算力方向，Unconventional AI的4.75億美元種子輪和Upscale AI的1億美元種子輪合計佔當年種子輪總額的約四分之三。進入2026年，種子輪重心已明顯向電力及其周邊瓶頸轉移，海底地熱（Endurance Energy）、現場電力（Transformative American Resources）、變壓器（Fluxco）、磁性材料（CorePower Magnetics）和先進核能（Applied Atomics）成為今年最大的種子輪融資方。

商業化時間軸：三種截然不同的變現節奏

資本正同時流向三個時間跨度迥異的方向。近期可執行容量方向以GPU原生雲服務商為代表，當前已在部署算力，商業驗證最為充分。Etched向Jane Street交付首批專用Sohu變換器ASIC機架，Emerald AI完成與Silicon Valley Power的首個商業多兆瓦級輝達DSX Flex部署，均屬於這一類別。

中長期能源解決方案方向以聚變與先進核能為代表，2026年合計融資約45億美元，但商業化產出仍需數年。摩根士丹利明確指出，核能無法解決2028年前的近期電力缺口，原因在於監管審批、許可和多年建設週期的制約。谷歌已與Commonwealth Fusion Systems簽署200兆瓦購電協議，與Fervo Energy簽署396兆瓦購電協議，Meta與TerraPower達成支援最多八座Natrium核電站的協議。

全新選址模式方向包括軌道資料中心和模組化設施開發商，目前處於商業化曲線的最早期階段。SpaceX計劃於2028年部署首批"Starmind"算力衛星，摩根士丹利預測其軌道算力規模將於2030年達到吉瓦級，並於2031年實現與地面資料中心的成本平價。

執行風險與本地化：下一階段核心變數

摩根士丹利指出，AI基礎設施風險投資的下一階段驗證重心將從"融資規模"轉向"實際部署容量"。商業協議、監管批准、首次部署以及具有競爭力的單位經濟效益，將比融資本身更具說服力。執行風險因技術路徑而異：核能高度依賴許可證、燃料與建設執行；電網與電力技術面臨併網資質認證和漫長的採購週期；軌道資料中心則處於商業化曲線的更早期階段。

與此同時，美國資料中心的發展正呈現顯著的本地化特徵。據Cushman Wakefield，各地開發結果越來越多地受到地方電力分配框架、輸電約束、基礎設施要求和監管政策的影響。各州對相關技術的態度出現分化——新澤西州已向新核能開放，弗吉尼亞州則轉向餘熱再利用。

資本形成層面，Andreessen Horowitz的11億美元Machine Age Fund專門針對AI物理基礎設施，涵蓋算力基礎設施與資料中心等完整系統；Elemental Impact的資料中心創新計劃由亞馬遜、谷歌、Meta和微軟共同支援，將資料中心作為新興能源、電氣、冷卻和材料技術的部署驗證環境。這兩項舉措共同表明，AI基礎設施正在成為既提供資本、又提供商業驗證路徑的戰略性平台。