财联社9月30日讯（编辑 夏军雄）法国巴黎银行在9月23日发布的研报中指出，到2027年底，全球数据中心IT容量超过150GW已基本成为既定事实，但到2030年，全球容量仍可能落在200GW至300GW之间，高低情景对应的累计投资差距达到约5万亿美元。
该行认为，电力和融资虽然是AI建设面临的两大现实瓶颈，但市场仍有办法解决。而真正可能决定本轮AI投资周期最终走向的是监管，包括AI安全、数据中心基础设施政策以及地缘政治三大变量。
到2030年数据中心累计投资或相差5万亿美元
法巴为AI基础设施建设假设了三种情景：“Hot”（热）、“Goldilocks”（金发姑娘）和“Cold”（冷），分别对应高增长、基准和低增长。
其中，“Goldilocks”情景代表一种相对均衡的路径：AI应用能够逐步证明商业价值，从而支持资本开支继续增长，但投资速度不会无限加速。
在这一情景下，全球数据中心IT容量预计到2030年达到约246GW。数据中心新建资本开支届时接近2.2万亿美元/年，如果计入约6000亿美元芯片更新支出，总资本开支可能达到约2.75万亿美元/年。
要支撑如此庞大的投资规模，AI本身必须产生足够收入。在法巴的基准情景中，2030年AI相关变现收入将超过3万亿美元，相当于届时全球企业IT支出的约三分之一、全球工资总额的4%以上。
如果AI应用迅速兑现经济价值，全球数据中心建设则可能进入“Hot”情景：到2030年容量升至约300GW，2027年至2030年年均增长约25%，数据中心和芯片更新投资接近4万亿美元。即便届时AI变现收入达到约3.8万亿美元，由于建设速度过快，整个体系到2030年仍可能处于负自由现金流状态。
反过来，如果AI商业化低于预期，数据中心建设则可能进入“Cold”情景：全球容量可能在2030年仅达到约200GW，资本开支降至不足6000亿美元/年。
因此，2027年之后不到100GW的容量差异，最终可能对应约5万亿美元的累计投资分化。报告认为，2027年底全球容量超过150GW已基本“锁定”，真正的不确定性集中在2028年至2030年。
值得注意的是，即便进入低增长情景，也不意味着AI算力增长停止。
随着芯片性能提升、模型蒸馏和推理效率改善，即使2030年后不再新增净数据中心容量，芯片能效提升仍可推动2030年代算力保持30%以上的年增长，Token供应量则仍可每年增长一倍以上。
2027年将成为AI商业化的重要验证期
法巴认为，下一阶段市场的关注重点将从“投入多少钱”转向“这些钱能带来多少回报”。
报告指出，未来几个财报季值得关注的一个重要变量，是越来越多非AI企业能否开始明确披露AI带来的生产率提升、成本下降和利润率改善。
如果企业能够证明AI投入正在形成可量化的经济回报，那么2028年至2030年的新一轮数据中心投资就更容易获得支持。
从目前迹象看，法巴认为部分商业化指标已经改善，包括Token使用量快速增长、GPU租赁价格上升等。与此同时，超大规模云服务商（Hyperscaler）和半导体公司的估值此前已经回落。
因此，2027年可能成为本轮AI投资周期从“建设故事”转向“盈利验证”的关键年份。
报告预计，短期AI资本开支相关股票仍可能受到监管和美国中期选举相关消息影响；选举之后，如果AI带来的利润改善开始被更多企业量化，市场关注点可能重新转向商业化兑现。
最大物理瓶颈是电力
随着AI芯片大规模部署，电力接入正成为比单纯获得GPU更具约束力的建设瓶颈。
法巴认为，美国电力接入可能是目前最强的建设约束。
解决方案主要有两种。一种是传统的公共电网供电，另一种则是数据中心建设“表后”发电设施，在等待电网接入期间自行解决电力需求。
报告认为，如果没有进一步监管干预，天然气发电、储能、公共电网扩建和现场发电等方案结合，仍有能力为大规模AI数据中心提供足够电力。
这也使AI投资从科技产业进一步向能源产业扩散。
法巴预计，美国到2030年发电领域新增天然气需求可能达到约100亿立方英尺/天 (10 bcf/d)，其中超过一半、约6 bcf/d来自数据中心。
欧洲同样可能受益。报告预计欧洲电力需求到2030年年均增长约3%，数据中心将成为主要新增需求来源之一，从而支持可再生能源、储能、核电和电网投资。
与此同时，全球储能系统需求预计将从2025年的550GWh增长至2030年的2730GWh，并进一步升至2035年的6445GWh，2025年至2035年复合增长率达到27.9%。
未来融资取决于AI商业化进程
电力之外，另一大约束是融资。
本轮AI建设的第一阶段主要依靠微软、谷歌母公司Alphabet、Meta、亚马逊等科技巨头自身现金流，目前则正在进入扩大外部融资的第二阶段，资金来源包括银行贷款、公司债、项目融资、私人信贷、公开股权以及潜在的政府资金。
法巴认为，本轮AI投资最终需要经历三个阶段：首先由科技公司自身现金流推动建设；随后资本市场接力；最后则是AI业务自身产生足够现金流，为下一轮基础设施投资提供资金。
风险在第二和第三阶段之间，资本市场愿不愿意继续提供数万亿美元资金，等待AI商业化兑现。
不过法巴总体并不悲观。该行认为，私人信贷并不仅限于传统直接贷款，还包括资产支持融资、基础设施融资和保险资金等渠道，实际可动用的资本池远大于表面数字。
报告援引Apollo估算称，包括私募配售、基础设施债务、资产支持融资、设备融资和项目融资在内，私人信贷市场可以支持超过1万亿美元的融资。
欧洲就是一个典型例子。欧洲银行体系拥有超过1万亿欧元超额存款，但欧盟当前用于撬动私人AI投资的政府资金仅约100亿欧元。
报告指出，欧洲当前的问题是私人资本尚缺乏足够动力，将如此大规模的资金投入主权AI基础设施。
监管风险的三只“熊”
与传统科技泡沫讨论不同，法巴认为，本轮AI建设面临的最大风险之一可能并不是AI需求突然消失，而是监管限制前沿模型部署。
报告将监管风险归纳为三只“熊”：AI安全、基础设施监管和地缘政治，其中安全监管被认为最有可能真正制造AI基础设施过剩。
原因在于，AI资本开支长期增长依赖一个重要逻辑：模型能力不断提升，会创造新的需求，而AI成本下降又会推动使用量上升。
但如果监管部门规定，超过某一能力或风险水平的前沿模型不能被大规模部署，情况就可能发生变化。
届时，一方面更先进模型受到限制；另一方面，现有模型仍会通过蒸馏、算法优化和芯片升级变得越来越便宜。
结果可能是：市场已经建设了大量数据中心，但可商业化的模型能力增长被人为限制，最终形成算力供给过剩。
基建监管的机制不同。电价、用水、污染和邻避争议推动审批收紧，推迟项目投产和容量交付，却也可能抬高现有机房和已通电土地的稀缺价值。
地缘政治则具有双向影响：主权AI推动本土投资，而出口管制和区域合规要求还可能迫使企业重复建设部分产能；与此同时，模型访问限制又可能妨碍跨境变现。
这也改变区域竞争。美国领先于前沿模型、先进芯片和融资；中国在低成本模型、工程优化、电网及光伏储能方面具有优势，但先进芯片仍是约束。
报告称，中国模型在OpenRouter的Token份额超过50%，但这只是该平台用量，不能等同于全球收入份额。
AI投资红利正向整个物理基础设施扩散
报告认为，AI基础设施产业链正在从第一阶段的GPU短缺，逐渐扩展至电力、冷却、网络互联和供应链等更多环节。
半导体领域，HBM、服务器DRAM和先进制程预计至少到2028年仍面临供应约束；与此同时，AI集群规模扩大也使高速交换机、光互联和先进封装的重要性继续上升。
电气设备方面，800VDC架构可能成为下一阶段趋势。随着单个机柜功率密度提高，更高电压直流供电可以减少传统低压转换环节，提高供电效率。
光子技术的重要性也在增加。随着GPU集群从单个机柜扩展至越来越大的计算集群，传统铜互联面临带宽和功耗限制，使高速光纤、光模块和光学互联的价值量上升。
其他传统行业同样开始进入AI资本开支链条。
例如，数据中心目前约占全球铜需求的1%至2%。占比仍然不高，但考虑到2030年前新增铜矿供应有限，AI正成为铜需求的重要长期增量。
房地产方面，美国数据中心空置率预计保持在1%以下，大部分当前在建项目已经预租。建筑材料和工程企业也开始受益于数据中心建设持续增长。
太空数据中心暂难替代地面设施
随着AI基础设施规模不断扩大，市场也开始讨论是否可以把数据中心搬到太空，从而绕过地面电力、土地和审批限制。
法巴认为，从物理技术角度看，轨道数据中心并非不可实现，但目前经济性仍明显落后于地面数据中心。
法巴测算，在20年运营周期内，1GW轨道数据中心的总成本可能比地面设施高约77%，即接近地面数据中心的两倍，而火箭发射成本仅占总成本的一部分，因此即使发射价格继续下降，也无法彻底解决成本问题。
即使按照相对乐观的建设假设，到2035年SpaceX的轨道算力也可能只有约5GW，仅相当于届时美国地面AI算力的几个百分点。
不过在国家安全领域，分散部署在轨道上的计算基础设施具有一定战略价值，因此未来可能形成一个规模有限的细分市场，而不是取代地面数据中心。
