该图片使用了AI生成技术
过去两年,AI产业最稀缺的资源是芯片;从2026年秋天开始,答案变成了电力和选票。
11月初的美国中期选举夜,发生了一件此前罕见的事:数据中心第一次大规模成为全国性竞选议题。在41项与数据中心直接相关的地方提案中,27项限制性提案全部通过,13项支持开发的提案全部被否,行业仅在北达科他州哈伍德赢下一局。资本市场的反应来得又快又重:11月5日费城半导体指数重挫12.25%,创下2020年3月以来最大单日跌幅,同日纳斯达克指数跌5.5%,所谓“七巨头”市值单日蒸发约1万亿美元。
市场的剧烈反应容易让人联想到常见的“AI泡沫破裂”叙事。但把目光放远一点会看到另一条线索:这不是一次简单的估值回调,而是AI基建扩张第一次同时撞上了电力、民意和现金流三重约束。
约束换轨:从抢芯片到抢电
AI机柜的功耗高出传统负载整整一个数量级:一台AI训练机柜功耗在30至100千瓦以上,而传统服务器机柜通常只有5至15千瓦。国际能源署(IEA)测算,全球数据中心用电量到2030年将翻一番以上,达到约945太瓦时,略高于日本当前一整年的用电量;在美国,数据中心将贡献同期电力需求增长的近一半。
问题在于,芯片产业按摩尔定律节奏迭代,电力系统却按基建节奏扩张。变压器和电缆等关键电网组件的交付等待时间在过去三年翻了一番,2026年变电站变压器的交付周期普遍已在三年以上,而新建一条输电线路往往需要数年。
速度差距直接体现在项目账面上:微软手上800亿美元的Azure订单积压,部分正是因为缺电而无法交付,纳德拉已在财报会上证实。供需缺口的量级并不小:据行业测算,到2030年美国数据中心需求预计达到75吉瓦,而已承诺的供应量只有58吉瓦,缺口17吉瓦。这意味着电力问题不是某个环节的故障,而是贯穿发电、输电、配电全链条的系统性瓶颈。
一个容易被忽略的细节是效率悖论。谷歌披露,其Gemini文本提示的中位数能耗较一年前下降33倍至0.24瓦时;而其披露的月处理token量,已从2025年I/O大会时的480万亿个涨到2026年I/O时的超过3200万亿个。单次推理变便宜了,总需求反而更大,这正是杰文斯悖论在算力领域的重演。
指望技术进步自行化解电力缺口,目前看并不现实。事实上,效率提升改变的是单位成本,而非总需求曲线;当成本下降时,原本不经济的应用场景会被激活,需求反而加速释放。判断这轮扩张是否见底,关键不在能效数字,而在供需缺口的收敛速度。
选票箱上的否决权
如果说电力缺口是技术问题,社区反对则正在把技术问题变成政治问题。
反对的理由排序很清晰:电费上涨、噪音污染、公共基建承压,其中电费是第一位。
在美国现行电力规则下,电网扩容成本由区域内全部用户分摊,算力扩张的成本最终会出现在普通家庭的电费单上。PJM电网的容量拍卖价格从28.92美元/兆瓦天涨至269.92美元,测算显示其中约63%的涨幅由算力需求推动。当成本直接按月扣除,选民自然要用选票讨回定价权。据研究机构DataCenterWatch统计,美国活跃的反对数据中心团体已从2025年底的396个增加到2026年一季度的833个,分布在49个州;仅一季度就有至少75个项目约1300亿美元投资被阻或推迟,追平2025年全年。
2026年11月3日美国地方公投中数据中心相关提案的表决结果(数据来源:Ballotpedia、CNBC;另一统计口径下45项中44项偏向限制)
此次公投的结果之所以重要,在于它确立了社区否决可以推翻资本预算这一先例。俄亥俄州是本轮焦点,18个市镇表决21项议题,结果几乎全面偏向限制,当地媒体计票显示多数限制措施获得三分之二以上选民支持。盖洛普2026年3月的调查显示,71%的美国人反对在居住地附近建设AI数据中心,48%强烈反对,且跨越党派;NBC在11月3日选举日的出口民调中,这一比例为76%。投票反对的是数据中心,而不是AI本身,居民不排斥技术,只是不愿意独自承担其成本。
制度层面的收缩同步展开。11月之后,社区阻力从零星投诉升级为有组织的制度化力量。纽约州已率先实施针对50兆瓦以上设施的全州暂停令;截至11月初,46个州已出现相关限制措施。高盛估算,可能面临政策约束的州涉及全美约45%的规划数据中心产能,其中得州是最大集中地,占全美规划产能的约五分之一。博弈的焦点正在从要不要建,转向谁来付费、如何补偿。
核电与燃气:过渡期的两条路
面对电网排队,超大规模云厂商把目光转向了自主供电,核电是其中最受青睐的选项。国际能源署10月底发布的报告指出,全球主要算力市场已普遍出现电网接入申请“队列膨胀”,多个地区待接入项目的累计容量超过了当地现有系统峰值负荷;IEA测算,若允许在电力紧张时段限制数据中心用电,全球可额外释放750至900吉瓦电网承载能力(IEA《为人工智能供能》报告)。
微软与Constellation签署20年购电协议,重启三哩岛1号机组,835兆瓦装机预计2027年重新并网;谷歌承诺采购Kairos Power最多500兆瓦小型模块化反应堆(SMR);Meta与Vistra、TerraPower、Oklo达成合计最多6.6吉瓦的合作,其中与Vistra的20年购电协议覆盖两座在运核电站。多家厂商已公布的核电合作合计约10吉瓦。密歇根州帕利塞兹电站已重新并网发电,成为美国首个重启的在运机组,与计划2027年并网的三哩岛一起构成本轮核电重启的主力。
但核电存在时间错配:SMR规模化供电要到2030年代,本十年结束前能真正对接数据中心的,基本只有存量机组重启这一条路。填补缺口的任务落在了天然气上。环保组织Environmental Integrity Project今年7月的报告统计,美国已规划至少74座专供数据中心的表后燃气电厂,合计约143吉瓦,建成后每年将排放6.62亿吨温室气体,大致相当于新增1.4亿辆汽车。
核电是长期答案,燃气是过渡代价,两者的衔接窗口正是2027至2030年。这个窗口期的风险同样明显:如果核电兑现不及预期,而燃气机组又因环保压力被放缓,电力缺口将进一步拉大,数据中心的建设周期会被迫与电网投资周期同步,这是所有云厂商都不愿看到的情景。
资本开支换挡:从狂奔到有序放缓
电力和民意的约束,最终会传导到财务报表上。
三季报已经给出了信号:Alphabet单季资本开支同比增长114%至514亿美元,自由现金流由正转负至负91亿美元;Meta自由现金流转负,并增发最多950亿美元股票;亚马逊滚动12个月自由现金流缺口扩大至424亿美元。五大厂商中只有微软守住了正现金流。
市场也在重新定价:微软盘前宣布下调2026年资本开支预期50亿美元至约1700亿美元,并对多个第三方算力项目审查退出;一级市场同步收紧,OpenAI将最新一轮融资目标由300亿美元下调至200亿美元,目标估值由1.4万亿降至1.25万亿美元;评级机构同步转向,标普把Meta的评级展望下调至负面。靠经营现金流养基建的阶段结束了,融资支撑的时代开始了。据摩根士丹利估算,AI相关企业今年发债规模约4660亿美元,远高于2025年同期的约1010亿美元。
当发债、增发、SPV、租赁承诺等融资结构被逐一启用,市场开始追问同一个问题:这些投入的回报周期到底在哪里?
最新财报披露的超大规模云厂商自由现金流(亿美元)。注:亚马逊为滚动12个月口径(数据来源:公司财报、野村证券)
在这样的资金消耗速度下,建设放缓未必是坏事。
2026年超大规模云厂商资本开支计划已上调至约8000亿美元(高盛口径),较2025年的约4100亿美元接近翻倍,国际能源署统计的全球口径则首次突破7000亿美元,继续按这个斜率扩张,融资悬崖和通胀压力只会更大。约束恰恰起到了减速阀的作用:政治、电力、融资三重限制将投资分摊到更多年份,把可能出现的失速转弯变成一段受控下坡,为AI应用的变现争取了时间。
数据中心原本就是需要长周期回收的重资产,慢一点建并不改变其经济模型。更重要的是,放缓缓解了两个此前被高增长掩盖的风险:一是避免算力在需求成熟前过度供给,二是为电网、核电等配套基础设施的跟进留出时间,让供给曲线与需求曲线更平滑地交汇。
美国超大规模云厂商资本开支规模及机构对2027年的预测(数据来源:公司披露、高盛、瑞银;2026年为高盛口径约值)
两种路径,2027年见分晓
把镜头拉远,中美正在用两种方式回答同一道题。
美国靠选票和市场博弈,成本由资本与民意反复拉锯后定价;中国走的是行政规划路线:国家发改委等四部门要求国家枢纽节点新建数据中心绿电占比超过80%,中电联预计2030年全国算力用电量约8000亿千瓦时、占全社会用电量6%左右,中广核已与华为、腾讯等达成超30亿千瓦时绿电合作。两种路径的效率与代价,将在未来几年内决定全球算力格局的走向。
综合约束与资金两条线索,2027年的走向大致有三种可能。
基准情形是有序放缓。高盛预测资本支出增速从2026年的近100%回落至2027年的54%、2028年的12%,投资总量仍在爬坡(2027年约1.2万亿美元),但斜率明显变缓。上行情形是变现迎头赶上,AI收入增长快于资本开支收缩,形成正循环;下行情形则是支柱失守,AI基建已是当前美国企业固定投资中最大的单一增量,若资本开支急剧减速而非放缓,经济将失去最关键的新需求来源。
政策层面也在给出信号:美国参议院已就要求新建数据中心承担新增电网成本的法案进行程序性表决,一旦立法落地,成本内化将进一步抬高扩张门槛。至于哪种情形成立,盯住两个数就够:若美国数据中心电力需求年化增速跌破5%,约束论被证伪;若AI资本开支增速滑向25%以下,则下行情景的概率显著上升。
2027年,美国数据中心的电力缺口是收窄还是扩大,AI资本开支增速是54%还是12%,都是可以逐季验证的硬指标。AI竞赛没有暂停键,只是换了计分方式:下半场的胜负手,在电厂、在社区、在资产负债表,而不在GPU。(本文首发钛媒体APP,作者 | 硅谷Tech-news,编辑 | 焦燕)







