当模型能力从 Coding 走向长时任务，算力需求仍在扩张，但基础设施的约束正在从芯片向电力、并网与设备交付迁移。经历前期交易降温后，AI 电力更需要用订单、交付、认证和盈利兑现来检验。
过去两年，市场谈 AI 更多围绕 GPU、光模块、液冷。但当算力资本开支持续抬升，真正增长最慢、也最难短期复制的"物理世界"开始成为瓶颈：土地、并网、变压器、燃气轮机、天然气和施工能力。我的核心判断是，AI 的投资逻辑正在从"算力扩张"逐步走向"电力约束"。
一、从 Coding 到长时任务：AI 需求没有结束，只是叙事在换挡
如果回看这轮 AI 的演进，市场空间不是一次性打开的，而是一层一层扩展：从问答机器人、多模态，到 Coding，再到更长时间的自主任务，以及 AI for Science。每一次能力边界的提升，本质上都意味着单位用户可以调用更多算力、让模型运行更久。
当前市场对 Coding 已经有了较充分的预期，下一阶段我更关注"长时任务"——AI 不再只是回答一个问题，而是像数字员工一样，连续执行数小时甚至更久的复杂工作。这里有一个容易被忽略的点：模型和 Token 单价下降，并不等于算力需求下降。如果更低的使用成本换来更高频率、更长时长、更复杂的任务，最终总调用量反而可能继续上升。
因此，短期应用叙事会有真空期，股价也会波动，但判断 AI 基础设施景气度，不能只看某一款模型或某一次发布，更要看任务时长、调用量和资本开支是否继续增长。
二、AI 基础设施的"硬约束"正在从芯片迁移到电力
北美所谓"缺电"，并不是简单意义上的全美发电量绝对不足，更准确地说，是数据中心所在区域的可用电力、并网能力、输配电基础设施和新增稳定电源的建设速度，跟不上新增负荷的增长。电力系统比服务器更慢：服务器可以按季度扩产，电源和电网往往需要以年为单位建设。
今年美国推出 Ratepayer Protection Pledge，要求大型科技公司为新建数据中心所需的新增发电和输配电基础设施承担成本。对产业而言，这进一步强化了一个趋势：大型数据中心不能再简单假设"接上电网就有电"，而需要更主动地锁定电源、建设配套设施，甚至配置现场发电。
海外龙头的订单也说明了这一点。GE Vernova 在 2026 年二季度披露总在手订单约 1760 亿美元，燃气设备在手及产能锁定规模达到 116GW，并预计年底至少达到 125GW。供给端虽然在扩产，但新增产能释放需要时间，所以我更愿意把燃气轮机理解为一个长周期、强交付约束的基础设施环节，而不是短期主题。
三、燃气轮机为什么重要：核心不是"发电"，而是 Time to Power
对 AI 数据中心来说，电力方案最重要的不是单一发电成本最低，而是四个条件能否同时满足：稳定、持续、快速部署、可扩张。核电适合长期稳定供电，但项目周期较长；风光储在数据中心电力结构中会越来越重要，但在很多地区仍需要稳定电源进行补充。天然气发电的优势，是可调度、爬坡快、供电连续，而且北美天然气资源相对充足。
所以未来几年，燃气轮机仍可能是解决大型数据中心"Time to Power"（快速接入电力）的重要方案之一。更值得研究的不是只看整机，而是拆开产业链：上游高温合金和热端叶片决定技术壁垒，主机决定核心设备供给，成套与集成更快形成收入，维保则提供长周期服务价值。
我尤其看重叶片这一类"隐性知识"密集的制造环节。它不是一张图纸、一套设备买回来就能迅速复制，而是材料、铸造、冷却结构、良率、工艺经验和长期认证共同形成的壁垒。AI 时代显性知识的传播会越来越快，反而是这种依赖长期制造经验的环节，供给弹性可能更小。
四、SOFC：是下一项值得跟踪的变量，不是成熟结论
除了燃气轮机，我会重点跟踪 SOFC（固体氧化物燃料电池）。它可以通过电化学方式把燃料转化为电能，具备高效率、低噪声、模块化和就地部署等特点，从理论上看与数据中心的分布式供电需求有较高匹配度。Bloom Energy 等公司近两年也在持续推进面向大型数据中心的现场供电方案。
但这里需要把"产业机会"和"成熟结论"分开。SOFC 仍处在商业化加速阶段，后续要持续验证系统成本、寿命、运维、规模化制造、供应链安全以及大型项目的交付能力。因此，与其说它已经是确定性的颠覆，不如说它是 AI 电力体系中一个赔率较高、但仍需验证的新变量。
五、中国 AI 出海，不只是把 Token 卖到海外，而是"本地化基础设施"出海
我对中国 AI 出海的理解，不是简单把国内低成本算力通过网络卖给海外用户。企业数据、行业数据和国家层面的数据安全要求，会推动越来越多 AI 服务在目标市场本地部署。模型出海的背后，实际上是算力、数据中心、电力系统、工程建设和运维能力的一整套复制。
这恰恰是中国制造业可能参与的地方。中国企业在设备成本、交付速度、工程组织和产能弹性方面具备优势，未来 AI 出海有机会带动电源设备、配套系统和基建能力一起走出去。不过，海外关键基础设施的本地化要求和安全审查也在加强，因此这条路径不会是简单线性的，不同国家和地区的机会会明显分化。
六、经历回调之后，AI 电力的"性价比"要靠四个指标验证
我认为，AI 电力在经历前期交易降温后，重新进入了值得研究的区间。但"跌了就便宜"并不是投资逻辑。真正需要看的，是基本面是否仍然比股价预期更强。
第一，全球云厂商和 AI 公司资本开支是否继续扩张，数据中心是否按计划开工；
第二，燃机、变压器等关键设备的订单、排期和价格是否仍然紧张；
第三，中国供应链的海外认证、客户导入和订单转化是否持续兑现；
第四，订单能否最终传导到收入、利润率、现金流，而不是只停留在产业叙事。
这也是我对科技投资一直比较强调的一点：行情最热的时候，市场往往只讨论空间；真正进入兑现期之后，更重要的是壁垒、供给弹性和盈利兑现。A 股科技板块还要额外关注交易结构和筹码集中度，基本面正确并不意味着任何价格都值得买。
"AI 可以讲得很完美，但投资是有代价的知识。真正重要的，不是把故事讲得更大，而是找到供需最紧、壁垒最深、兑现最快的环节，再用订单、交付、认证和盈利一项项去验证。"
风险提示：AI 产业资本开支和应用进展不及预期；海外电力基础设施建设节奏变化；替代供电技术进步超预期；燃气轮机等设备供给扩张快于需求；海外贸易与安全审查趋严；相关板块估值与交易拥挤度波动。以上观点仅代表受访者在特定时点的研究判断，不构成投资建议。
