摩根士丹利日前发布研报预计，随着生成式人工智能的算力成本迅速下降，AI需求的快速增长与电力基础设施增长缓慢将出现显著不匹配。大摩将这种不匹配现象比做“龟兔赛跑”杠杆配资，暗示当下AI虽然爆火，像兔子在比赛中一马当先，但AI需求的增长有赖于电力供应，更多数据中心会因为希望更快确保电力而支付更高的电价溢价。因此增长缓慢的电力基础设施作为龟，电力股板块前景可能更佳，并提升了一众电力公司的目标价。

研报表示，生成式人工智能的算力成本将迅速下降，但市场这一情况有所低估。大摩的数据中心模型显示，从英伟达H100的Hopper GPU转为使用B100的Blackwell GPU时，数据中心每秒浮点运算次数（teraFLOP）的资本成本下降了约50%。大摩表示，这一数字是数据中心总资本成本与数据中心每秒浮点运算次数之比，可能有助于确定生成式人工智能商业模式是否会产生较高的投资回报率。

研究发现，使用Hopper GPU的数据中心经济模型中，这个数字约为每teraFLOP 14美元，而对于Blackwell数据中心模型，这一数字下降到每teraFLOP 7美元。这种计算成本的快速下降是由英伟达GPU功率效率的快速提高所使可能的，因此预计数据中心对新技术的升级需求将提高。

有鉴于此，摩根史丹利修改了此前的估计，预计全球生成式AI对电力的需求可能将翻倍。大摩将GPU/定制芯片的利用率预期从60%升至70%，并且预计可新能源在数据中心电力的百分比将减少，传统能源将扮演更大角色。

大摩预计，基本情况下，2024年和2027年，全球数据中心电力需求约分别为430和748太瓦时（TWh），这分别相当于全球2022年电力需求的约2%和4%。同时杠杆配资，生成式AI电力需求从2023年到2027年的复合年增长率（CAGR）预计约105%，而在同一时期内全球数据中心电力需求（包括生成式AI）的符合年增长率大约是20%。

而在乐观情况下（反映90%芯片利用率），大摩预计2024和2027全球数据中心电力需求是约446和820 TWh，而悲观情景（反映50%利用率）预测的2024和2027数据中心电力需求是约415和677 TWh。将这些数字转换为千兆瓦的电力容量（GW），基本情况下2024和2027年的数据中心电力总容量将是约70和122 GW。

而在AI电力需求激增的同时，电力基础设施的增长面临挑战。大摩指出，其中一个主要担忧是，为支持新数据中心容量所需的电网连接的可用性，关键问题包括有限的电力线路容量、新输电和配电项目的规划和许可延迟，以及供应链瓶颈。

例如，据美国劳伦斯伯克利国家实验室称，由于监管障碍耗时较长，升级现有输电线路可能需要三年或更长时间，而且新项目接入电网的排队时间已从2008年的不到2年增加到2022年的5年。因此，增加较小二级市场的发电和电网容量是合适的策略。

因此，考虑到在这些新的、非常大的数据中心上部署的大量资本，以及AI芯片创新的快速步伐，数据中心都会希望尽快连接到电网具有巨大的价值。因此为了弥补时间成本，大摩认为可能会有更多数据中心开发商愿意支付电价溢价。

研报举例，如果一个数据中心开发商能够比其他数据中心开发商早两年确保电力来源，在假设GPU的经济寿命为六年的情况下，开发商愿意支付约101%的电价溢价，或者假设10年的经济寿命时，支付约61%的电价溢价。

因此，大摩认为最适合建设数据中心的是美国的核电站，并指出亚马逊和Talen能源的合作案中，就计划在宾夕法尼亚州的一个核电站“围栏内”建造容量约960兆瓦的数据中心。

研报表示，核电站之所以最合适，是因为核电站给数据中心供电的过程更快，而且核电站场地通常非常大，能够提供建设大型数据中心所需的空间；同时，核电站已有大量的电力基础设施，能够减少了开发所需电力基础设施的成本。而且核电站可以获得大量冷却水，鉴于新的、温度更高的数据中心可能需要液体冷却，这可能是数据中心的优势。最后，双单元核电站在任何单一单元出现运营问题时提供冗余优势。此外，核电行业的运营记录非常出色，不太可能出现非计划停机。

不过，大摩在研报中也承认，如果电力基础设施的增长瓶颈能够得到解决，从而使得开发新的数据中心变得更加容易，这反过来可能会降低现有数据中心的价值。但鲜有分析显示，即便是核电站这种最有希望的解决方案，其供电能力增长相对于数据中心的增长仍然有限。

同时，如果英伟达和其他芯片制造商实现了芯片计算能力的极速提升，现有数据中心可能需要频繁升级，以保持与新建数据中心的竞争力，如果数据中心所有者未能完全获得这些频繁改造的补偿，数据中心所有者可能会发现自己处于“资本支出跑步机”上。而升级旧数据中心可能存在实际挑战，特别是涉及到液体冷却（水资源可能是一个问题——但一些新的液体冷却技术使用闭环系统）。如果生成式AI的商业模式未能产生预期的利润率，数据中心客户可能面临违约风险。