一键生成知识图谱碳通通 · 脱水解读
6 分钟理解报告 · 全文 24 页 · 解读 1664 字 · 7 张图 · 15 个数据点
当大家还在讨论买多少张GPU、跑多大的模型时，这份来自国泰海通的深度研究提出了一个不同的观察角度：AI算力的竞争，最后可能拼的是电。报告沿着“电力—算力—Token”这条链条，把能源供需研究一路延伸到AI的单位服务成本。如果你关心数据中心的用电成本、关心算力项目为什么落地慢，或者想理解Token价格背后藏着什么，这份材料提供了一个值得细看的分析框架。
核心判断
- AI算力扩张的瓶颈正从芯片供给扩散到电网接入、供电容量与散热能力。
- AI负荷呈现规模大、扩张快、连续运行要求高三大特征，电力配套难以同步。
- 当前AI数据中心年度TCO中服务器占比接近60%，电力成本仅约7%。
- 硬件与系统效率进入可比区间后，稳定低成本电力将成为区域竞争关键优势。
- Token成为连接使用规模、商业定价与底层成本的核心计量单位。
脱水解读
从芯片焦虑转向基础设施焦虑
报告指出，2023年以来资本市场对AI产业的研究核心更多集中在模型能力和算力供给，模型参数、GPU数量、芯片性能一度成为衡量AI发展的核心指标。这一框架在AI早期确实有很强的解释力，因为GPU是最稀缺的生产资料。但随着AI训练规模扩大、推理应用加快普及，算力扩张对配套基础设施的要求也在提高，研究AI供给能力需要同时考察芯片获取与基础设施交付。
报告强调，GPU只有完成部署并获得稳定供电、散热和网络互联支持，才能转化为可持续运行的有效算力。即使企业能够采购足够的GPU，如果电网接入、变电容量或冷却系统建设滞后，仍可能推迟算力投运。这也是报告认为2025年下半年“美国缺电”问题被市场真正认知到的核心原因。
