夜雨聆风本文对应五层蛋糕：L1 能源层
上一篇文章里，把 AI 产业链拆成了五层蛋糕：
L1 能源 → L2 芯片 → L3 基础设施（数据中心 / 液冷 / 存储） → L4 模型 → L5 应用。
越往上一层，越依赖下面的所有层。AI 模型再强、芯片再先进、应用再繁荣，最后都要落到一个最基础的问题上：有没有足够稳定、便宜、可持续接入的电。
所以这一篇，专门学习最底层的 L1 能源层。
先把结论放在前面：
AI 能源层的真正机会，不是简单的”AI 耗电，所以买电力股”。尤其是当前阶段，很多电力股已经被计价，真正的核心，是数据中心建设速度太快，而电网、变压器、燃气轮机、核电 PPA 等能源基础设施跟不上。
电不是完全不够发，而是接不上、等不及。这个时间差，也是机会。
这篇文章要回答几个问题：AI 用电需求变化情况？电力瓶颈卡在哪里？谁能把瓶颈变成现金流？相关公司已经涨了一轮，还贵不贵？最强的反方观点是什么？后续应该跟踪哪些真实信号？
一、AI 能源层赚的是哪五类钱
市场最容易犯的错误，是把 AI 能源机会简单理解成：
AI 用电增加 → 电力需求增加 → 买电力股。
这个逻辑在过去两年里是非常适用的，但当前再简单的用这个逻辑，略显粗糙。发电商不一定能完整吃到 AI 的电价溢价；很多电厂即使有电，也未必能直接卖给数据中心；数据中心真正稀缺的，也不只是”电量”，而是稳定、长期、可接入、可扩容、可签约的电力能力。
所以 AI 能源层真正赚的钱，主要有五类：
如果只用一句话概括：
AI 能源层不是一个单纯的”用电增长”故事，而是一个”能源基础设施供给速度跟不上 AI 基础设施建设速度”的故事。
二、AI 用电需求变化情况
理解 AI 用电，从大到小看三层：全球总用电 → 数据中心用电 → AI 在数据中心里的占比。 每往下一层，增速都更快。
第一层：全球总用电是大背景
2024 年全球电力消耗约 28,600 TWh，同比增长 4.3%，是近十年较快的增速之一。主要驱动力是制冷需求、电动车、工业电气化。AI 的影响要到数据中心这一层才明显。
第二层：数据中心是主战场
2024 年全球数据中心用电约 415 TWh，占全球总用电 1.5%。增速远超整体，2017-2024 年年均增长 12%，是全球平均的 4 倍以上。
区域分布：美国占 45%（约 180 TWh），中国 25%（约 100 TWh），欧洲约 15%（约 70 TWh）。
第三层：AI 在数据中心里的权重持续上升
不同机构口径差异大，但方向一致：
-全球口径（IEA-4E）：AI 加速器当前约占全球数据中心用电 5%-15%，2030 年预测升至 35%-50%-美国口径（EPRI）：AI 工作负载约占美国数据中心用电 15%-25%，且持续攀升-增量口径（IEA）：2024 年起，加速服务器（AI 驱动）贡献了全球数据中心用电净增量的近一半，年均增速约 30%，是传统服务器（9%/年）的 3 倍以上
单次能耗的对比直观说明了为什么：
而且 AI 总用电里，推理（日常使用）而非训练占约 60%——随着 AI 普及，推理端的用量只会持续增加。
科技巨头 Capex 是最硬的需求验证
机构预测可以争论，但科技巨头白纸黑字的 Capex 计划是真金白银的承诺：
四家合计约 7,250 亿美元，较 2025 年增长约 77%。
粗算换算：其中约 30%-35% 用于实体基础设施，对应约 2,200 亿美元基建；按每 1 MW 约 1,000-2,000 万美元建设成本算，可能对应十几到二十多 GW 新增容量，年化用电约 160-240 TWh。这与 IEA 对美国新增数据中心用电的预测量级基本吻合，说明两个数字是自洽的。
需求侧结论：AI 用电需求持续增加是真实的，但这不是”全社会用电突然爆发”，而是数据中心这个细分负荷从小占比、高增速变成电力系统里越来越不可忽视的新增需求。
三、真正的瓶颈：不是 TWh，而是 GW
对数据中心来说，真正的约束经常不是 TWh（电量），而是 GW（功率）。数据中心需要的不是”全年理论上有多少电”，而是”机房投产的时候，能不能持续稳定接入几百 MW 甚至数 GW 的电”。
1 GW 的持续负荷，如果全年满负荷运行，一年大约消耗 8.76 TWh 电。 功率缺口（GW）是约束，电量缺口（TWh）是衍生结果。
所以”电力缺口”，不仅是发电量不够，更重要的是：变压器不够、输电线路不够、并网审批排队、区域电网承载能力不足、数据中心投产速度快于电网扩容速度。
几个硬数据说明缺口有多大：
-IEA《Electricity 2026》：全球约 150 GW 较成熟数据中心项目处于电网连接队列中；全美已签约建设或供电协议的大负荷达 183 GW，超出现有区域电网可承载上限-Morgan Stanley 测算：到 2028 年美国数据中心功率缺口约 49 GW，换算年电量约 250-350 TWh——相当于美国当前数据中心总用电量的 1.4-2 倍-Wood Mackenzie：全球约 50% 数据中心项目因电力和电网设备跟不上而延期
北弗吉尼亚部分地区电网接入等待时间达多年；爱尔兰都柏林一度暂停新申请至 2030 年；荷兰部分地区队列同样极长
电网设备也是关键约束：变压器等待周期过去三年翻倍，这是很多数据中心项目延期的直接原因。
电不是完全不够发，而是接不上、等不及。这个时间差，里面有投资机会。
四、供给侧：努力弥补缺口
AI 数据中心需要的电，最好同时满足稳定、大规模、可调度、可快速接入、成本可控、符合低碳承诺这几个条件。现实中很难满足，所以不同能源的机会时间窗口不同。
天然气：2030 年前最现实的补缺电源
如果同时考虑规模、稳定性、建设速度和可调度性，天然气是 2030 年前最现实的选择：
建设周期约 18-36 个月，远短于核电 可调度，可靠近数据中心建设，可绕过电网直连 2024 年美国数据中心用电来源中，天然气已占 40%+ IEA 预测 2024–2035 年天然气新增约 175 TWh 用于数据中心（乐观情景 +290 TWh）
但天然气的受益不是均匀的：关键看谁拿到了燃气轮机槽位、谁有长期 PPA、谁只是暴露在现货电价里。 GE Vernova 燃气轮机积压和槽位预订已达约 100 GW，槽位排到 2028-2029 年，能提前锁定槽位的项目才有时间优势。
核电：稀缺资产，适合长期 PPA
核电天然契合 AI 数据中心需求：24 小时稳定出力、低碳、适合长期大规模 PPA。
核电的核心逻辑是：
存量核电资产本来按传统电厂估值，现在因为 AI 长期 PPA，被重新定价成 AI 基础设施资产。
具体案例：TLN 与 AWS 围绕 Susquehanna 核电站直签约 1.9 GW、17 年期、约 180 亿美元的 PPA；Constellation 与 Microsoft 围绕 Three Mile Island 重启签约；Meta 与 Constellation 签约约 1.1 GW 核电 PPA。
核电稀缺性来自新增困难，这让存量资产有估值重估弹性，但也限制了后续段时间内的扩张空间。
可再生能源：需求不缺，瓶颈仍是并网
科技公司长期仍然需要大量可再生能源，全球科技公司签订的可再生 PPA 已覆盖近 120 GW 装机。问题不是缺需求，而是全球至少 1,700 GW 已成熟可再生项目卡在并网队列里。
可再生能源的机会更偏向储能、电网接入、输配电设备和大型 PPA 项目开发。
五、谁能把瓶颈变成现金流
同样是 AI 能源层，不同公司赚的钱完全不一样。
选了四家公司作为对比，先说为什么是这四家。美国发电市场分两类主体：受监管公用事业（Regulated Utility）和独立发电商（IPP）。前者电价受政府监管，AI 带来的电价上涨红利被稀释，投资者拿不到完整溢价；后者可以自由签署 PPA，是 AI 溢价的主要载体。CEG、TLN、VST、NRG 都是 IPP。
这四家覆盖了 IPP 里与 AI 关联最深的三种资产类型：核电（CEG、TLN、VST）满足数据中心对 24/7 稳定低碳电力的刚性需求，存量核电站是稀缺资产；天然气（NRG）是 2030 年前唯一能快速补缺的电源，是过渡期受益方。三家核电 IPP 分别代表：最大体量（CEG）、最激进直签（TLN）、核气混合（VST）。
基本面对比：
AI 直签比例越高，越能跳过电网监管定价、享受溢价。
关键逻辑：传统发电商卖电给电网，电价受市场或监管影响，AI 带来的溢价不一定能传导到利润里。但如果电厂能和 AWS、Microsoft 这类客户直签长期 PPA，它就不再只是普通电厂，而更接近”AI 基础设施供应商”。
发电商受益 AI 的程度，不取决于它有多少电，而取决于它有多少电能以长期高价 PPA 卖给数据中心。
六、已经涨了一轮，现在还贵不贵？
先建立估值的参照系。两个指标：远期 P/E 是股价除以未来预期净利润；EV/EBITDA 是企业总价值除以经营利润，近似”多少年经营利润能回本”。传统电厂行业均值约 8-10x。
和历史均值比，CEG 和 TLN 的溢价是 75%-400%。
更直观的参照是私募市场的真实交易价格：CEG 最近以 291 亿美元收购 Calpine，隐含估值 7.9x EV/EBITDA；TLN 收购天然气电厂隐含 6.7x。
也就是说，私募市场买电厂只愿意给 7-8 倍，但公开市场给 CEG 21 倍、TLN 60 倍以上。多出来的那部分，全是 AI 预期溢价。
换一个更直觉的说法：你现在买 TLN，相当于提前为”未来还没签的 AI 合同”付了钱。如果合同持续签入、AI 用电增速兑现，这笔溢价最终能被现金流覆盖；如果增速低于预期，这部分溢价会压缩，回撤的空间也非常大。贵不贵，取决于你对”AI 合同会不会持续来”的判断。
四家公司的定位简单说：
-TLN：AI 电力 PPA 的高弹性标的，最纯但安全边际最低，核心容量已被较大程度锁定，后续成长需要新 PPA 或新收购-CEG：核电资产重估的平台型期权，资产规模最大，但大量电仍走传统市场，转化为 AI PPA 需要时间-VST：AI 电力 + 电力周期的折中型，估值压力低于 TLN，兼具核电和天然气-NRG：更偏天然气发电周期股，AI 直接敞口较弱
七、三种投资框架怎么看
框架一：现金流框架
只认已经落地的合同。
关键问题：PPA 签了多少？合同期多长？占公司总收入多少？当前估值能不能被已签现金流覆盖？
这个框架下，TLN 确定性最高（AWS 长约是真实现金流），但问题是估值也最高——私募市场同类资产约 6-7x，公开市场约 60x+，差距约 9 倍。
验证节点：12 个月内，CEG/TLN 估值是否在无新 PPA 情况下向私募市场参照收敛。
框架二：成长股框架
愿意为未来买单。
关键问题：未来还有多少核电容量能签给科技公司？PPA 电价会不会继续上行？公司能不能从传统电厂重估为 AI 基础设施平台？
这个框架下，CEG 的吸引力更大，因为资产规模最大，未来可转化空间大。VST 正推进核电站功率提升（uprate），是在不新建核电的情况下增加可售量的路径。
验证节点：每季度新签 PPA 的数量、电价水平、期限是否持续改善。
框架三：周期框架
关注供需错配和电价周期。
关键问题：2027-2029 年新天然气产能集中释放后，现货电价会不会承压？哪些公司有长期 PPA 保护？
当前位置：GE Vernova Q1 2026 财报显示燃气轮机积压已达 100 GW，槽位排至 2028-2029 年，意味着新增天然气产能的大规模入市集中在 2027-2028 年。新产能投产后，没有 PPA 保护的发电商将直接暴露在现货电价下行压力里。
验证节点：2027-2028 年天然气新产能实际投产量、各区域现货电价走势、NRG 收购资产中 PPA 覆盖比例的披露。
八、两个最强的反方观点
反方一：宣布的需求里，有大量”幻影需求”
IEA《Electricity 2026》给出了一个容易被忽视的数字：全球数据中心电网连接申请中，只有约 20% 最终会落地。 宣布的项目容量≈实际落地容量 × 5。
原因是电网连接申请本身几乎没有成本（几万至几十万美元研究费），大量开发商以此占位，后面是否真正推进是不确定的。所以”电网排队队列”是一个严重失真的需求信号。
这个论点的边界：20% 落地率针对电网连接申请，不适用于 Capex 财报承诺（已公开披露）和燃气轮机设备订单（付款锁定）——后两者有资金沉没成本，失真程度低得多。
关键是区分信号来源：电网申请队列是低门槛占位行为，设备订单和 Capex 是真实的资金承诺。
反方二：效率提升可能让用电增速低于预期
AI 芯片和模型效率正在快速提升。NVIDIA 从 Hopper 到 Blackwell，性能 / 瓦特持续提高；主流推理模型的单次 token 成本 2023-2025 年下降约 90%。
如果每一代模型完成同样任务需要的算力减半，那实际用电增速会系统性低于按旧效率规划的预测值。
但存在杰文斯悖论：历史上每次计算成本大幅下降，使用量都爆发式增长，总消耗反而增加——1970 年代微处理器、1990 年代互联网、2010 年代移动计算都遵循这个规律。AI 也可能：单次成本下降 → 使用场景更多 → Agent 大量自动执行任务 → 总推理量反而暴增。
九、后续跟踪哪些真实信号
宏观预测看方向，订单数据看力度。四类信号按领先性从高到低排列：
当前最硬的数据（截至 2026 年 Q1）：
GE Vernova 总订单积压 1,630 亿美元，燃气轮机积压 + 槽位预订达 100 GW，Q1 数据中心相关电气订单 24 亿美元，超过 2025 年全年总和 四大科技巨头 2026 年 Capex 合计约 7,250 亿美元
这类数据比”某地又申请了多少 GW 数据中心”更硬，因为它对应的是已经进入订单和交付体系的建设需求。
十、L1 上游机会：时间节点是关键
CEG、TLN、VST、NRG 是发电商，是 L1 的运营层。L1 还有更上游一层——原料与基础设施。这里最重要的判断维度是时间节点错位：
电网设备、燃气轮机、铜，是 2026-2029 年更直接的机会；铀和 SMR，更偏 2030 年后的中长期期权。
后面会有文章单独说这个板块。
阶段性结论
AI 能源不是没有机会，而是从”讲故事阶段”进入了”看订单、看 PPA、看估值兑现”的阶段。
接下来真正重要的不是再问”AI 会不会耗电”，而是持续跟踪：Capex 是否继续上调、GPU 需求是否继续强、燃气轮机和电网设备订单是否继续增长、新 PPA 是否持续签入、估值能否被新增现金流消化、效率提升是否压低真实用电增速。
从风险收益比看：
数据来源：IEA Energy and AI Report（2025）、IEA Electricity 2026、LBNL 2024 Data Center Energy Usage Report、EPRI Powering Intelligence（2024/2026）、Goldman Sachs Research、GE Vernova Q1 2026 财报、各公司 Q1 2026 财报、World Nuclear Association、Sprott Uranium Outlook 2026、Yahoo Finance、StockAnalysis、GuruFocus，截至 2026-05-10。本文为个人学习笔记，不构成投资建议。
——本文对应五层蛋糕：L1 能源层
