引言：AI竞赛的万亿级门槛——电与钱

随着人工智能竞赛的深入，行业的瓶颈正从GPU芯片转向更基础的资源：电力。正如微软CEO萨提亚·纳德拉所言，AI缺的不是GPU，而是电力。当一个产业的投资规模从百亿级别跃升至万亿级别时，市场开始讨论这是否预示着一场新的投资泡沫。

然而，目前我们尚未进入大规模借债投资的阶段。当前大厂的投资主要消耗的是自身的现金流，接下来才会进入举债投资的周期。因此，现在断言进入过度投资的泡沫还为时过早。

本文将从资本市场的角度，回答AI大基建面临的两个核心问题：电从哪儿来？钱从哪儿来？并探讨这两个市场是如何交织在一起的。

电力破局：弥补47吉瓦缺口的六条路径

根据摩根士丹利的系列报告，未来几年，仅美国由AI数据中心引发的电力缺口就可能高达46至47吉瓦（GW）。作为参考，1吉瓦约等于一座核电站的发电量，或纽约市年平均用电量的六分之一。这意味着电力缺口相当于近八个纽约市的用电量，若按1吉瓦500亿美元的投资额估算，这背后是约2.3万亿美元的资本投入。

为弥补这一巨大缺口，市场主要探讨四种常规方法和两种非常规方法。

四种常规路径

1. 比特币矿场转产：这是目前看来能够最快交付的解决方案。理论上，比特币矿工转产可在未来18到24个月内释放约15吉瓦的电力。像Core Scientific和Applied Digital等公司已率先转型，与CoreWeave签订了长期合同。然而，市场对此路径的实际效果持怀疑态度，这反映在相关公司的估值上。

2. 核电：传统核电站建设周期长达十年以上，无法解决短期问题。尽管SMR（Small Modular Reactor: 小型模块化反应堆，一种体积更小、可模块化安装且安全性更高的新型核电技术）备受关注，但无论是悲观派（预计2035年后商用）还是乐观派（预计2030-2035年商用），都一致认为SMR在2030年前无法大规模交付。

3. 天然气发电：美国天然气资源丰富，但瓶颈在于燃气轮机的供应。由于历史上的扩产教训，GE等主要生产商在当前需求周期中表现得非常谨慎，不愿轻易扩产，导致订单排队周期长达两到四年。此外，政治周期也是一个重要考量，民主党政府的环保政策可能对天然气发电的长期发展构成不确定性。

4. 燃料电池与储能：以Bloom Energy为代表的燃料电池公司预计能贡献约2吉瓦的电力，但同样面临产能限制。光伏加储能的模式虽被看好，例如Sam Altman也提倡此路，但尚未在AI数据中心中大规模铺开，目前主要作为备用措施，无法解决未来2-3年的短期问题。

两种非常规路径

1. 训练任务外迁：将数据中心的训练任务迁移至电力充裕的地区，如新加坡、马来西亚或南美国家。这需要所谓的“数据中心外交”，是一个需要时间积累的过程。

2. 柴油备用发电：根据能源专家的观点，美国电网的实际利用率仅为50%左右。如果法规允许大规模使用柴油发电机作为备用电源，理论上可以释放高达80吉瓦的电力，瞬间解决缺口。然而，在当前的政治环境下，要通过放松环保法规的法案难度极大。

综合来看，短期内最可行的路径似乎只有比特币矿场转型，但其能释放的电量存在争议，市场普遍认为可能在6到10吉瓦之间，低于报告中预测的15吉瓦。

资本构成：一吉瓦数据中心为何耗资500亿？

市场普遍认为，建设一个1吉瓦的AI数据中心，总成本约为500亿美元。这笔巨额投资的构成如下：

• GPU成本：占绝对大头，约为350亿至400亿美元，占比高达70-80%。英伟达和AMD是核心受益者。
• 场地建设与改造：T3级别数据中心的建设成本约为每吉瓦11亿至19亿美元。
• 电力与冷却系统：包括自建电厂、水厂（用于液冷系统）以及为保证PUE（Power Usage Effectiveness: 电源使用效率，衡量数据中心能源效率的指标，数值越接近1越好）在1.1至1.2之间所需的额外电力。这意味着要提供1吉瓦的有效电力（IT负载），实际需要消耗1.1到1.2吉瓦的电力。

市场疑虑：为何转型矿企的估值低于重置成本？

尽管比特币矿场转型被视为解决电力短缺的关键，但资本市场并未给予这些公司足够高的估值。许多转型矿企的EV/Watt（Enterprise Value per Watt: 每瓦电力的企业价值）估值甚至低于每瓦11至13美元的建造成本。

这背后有几个核心原因：

1. 融资压力与不确定性：市场不相信这些公司有能力将所有规划中的电力都成功转化为符合AI数据中心（AIDC）标准的电力并获得融资。例如，像Iris Energy这样与微软等大厂直接签约的公司，需要自行承担购买GPU的巨额资金压力，其融资缺口远大于与CoreWeave合作的公司（CoreWeave模式下由其自身购买GPU）。
2. 合同期限与折旧风险：与微软签订的5年合同，相比于CoreWeave提供的15年长约，给场地20年的折旧假设带来了更大风险。一旦5年后合同未能续约，场地资产可能面临加速折旧，从而严重影响项目的IRR（Internal Rate of Return: 内部收益率）。
3. 交付能力：市场更愿意为已经建成并交付的电力给予高估值。对于许多仍处于规划或建设初期的电力储备，市场定价非常保守。

融资游戏：从银行贷款到资产证券化

AI基建的万亿资金需求，最终将演变成一场复杂的金融游戏。其融资路径可分为几个层次：

1. 企业自有现金流：大型科技公司（Hyperscaler）每年拥有约7000亿美元的经营现金流，这是初期投资的主要来源。
2. 债务融资：
   • 投资级债券：评级在BBB-（Triple B Minus）以上的公司可以进入规模巨大的投资级债券市场。摩根大通预测，该市场未来五年可为数据中心提供1.5万亿美元的融资。
   • 高收益债券（垃圾债）：评级较低的公司则需依赖此市场。
   • 私募债：Meta公司近期290亿美元的融资中，有260亿来自私募债。
3. 资产证券化：这是解决长期、大规模融资的关键。通过将数据中心的租赁收益打包成ABS（Asset-Backed Security: 资产支持证券）或类似CDO（Collateralized Debt Obligation: 债务担保证券）的金融产品，再分级出售给全球的固定收益投资者。Crusoe公司在建设“星门一期”项目时，就引入了善于包装REITs（Real Estate Investment Trust: 房地产投资信托基金）的Blue Owl Capital，意图正是利用资产证券化进行滚动开发。

历史回响：这会是2008年金融危机的重演吗？

将数据中心收益打包成金融产品的做法，不禁让人联想到2008年金融危机前的次贷模式。然而，两者有本质区别。

金融工程技术本身是中性的，关键在于底层资产的质量。2008年的危机源于底层次级抵押贷款的质量持续恶化。而当前AI数据中心的底层资产，其健康程度完全取决于AI应用能否真正爆发并产生持续的商业价值。

不过，2008年的一个关键教训依然适用：对相关性的误判。当时的模型未能预见到，在危机中，资产的违约率和相关性会同时飙升。如今的AI产业链，从英伟达、OpenAI到各大科技巨头，已经形成了高度耦合的“铁索连环”，任何一个环节出问题都可能引发系统性风险。

转型众生相：矿企梯队如何划分？

在比特币矿场转型AIDC的浪潮中，各家公司根据其战略和资源禀赋，形成了不同的梯队：

• 第一梯队（估值领先）：Applied Digital、Core Scientific、Galaxy Digital等。这些公司转型较早，交付能力得到市场验证，融资压力相对较小，因此获得了较高的估值。
• 第二梯队（潜力股）：Iris Energy、Cipher Mining。它们拥有大量已锁定的电力资源，但由于融资压力或建设周期等问题，估值相对第一梯队有折价。
• 第三梯队（待验证）：Riot Platforms、CleanSpark、Hut 8等。这些是传统挖矿巨头，转型动作较慢，市场对其转型能力持观望态度，估值也最低。

一个有趣的现象是，转型最难的往往是那些专注于囤积算力（矿机）而非电力的公司，如MARA（Marathon Digital）。由于自有电力不足，转型意味着要暂停能产生现金流的挖矿业务，决策成本极高。相反，像Iris Energy这样擅长囤积电力的公司，则拥有更大的转型灵活性。

终局：一场“大而不能倒”的国家战略

当前的AI基础设施竞赛，已经超越了单纯的商业行为，演变为一场关乎国家竞争力的“国运之战”。OpenAI等公司的策略，是将所有巨头甚至美国政府都绑定在这辆战车上，形成“大而不能倒”的局面。

只要OpenAI这条“鲶鱼”持续向前沿探索，其他科技巨头就必须跟进，从而保证对英伟达GPU和数据中心的持续需求。这无形中也推动了美国几十年来难以推进的电网改造和制造业回流。在这场中美之间的G2（Group of Two: 两国集团）争霸中，美国似乎也开始采用类似“举国体制”的总体战模式。

最终，这场由技术驱动的资本游戏，考验的不仅是企业的融资能力和市场的风险偏好，更是国家层面的战略决心和资源调动能力。