AI算力的电力暗战

本文 AI 辅助成稿，核心判断与行业经验来自本人（20 年地产基金 + 电力交易背景）。按《人工智能生成合成内容标识办法》补充标识，观点责任归我。当850MW的电力需求遇上SEC披露标准，AI基础设施的真实能源成本浮出水面从两份 SEC 年报，看 AI 基础设施最稀缺的原材料——不是芯片，不是人才，是电力。

2025 年 12 月 31 日，CoreWeave 在提交给 SEC 的 10-K 年报中，把一句话放在了 Item 1A 风险因素的开篇段落，开宗明义：

"如果无法获得足够的电力，或者电力采购成本上升、出现长时间停电、短缺或容量限制，我们的业务将受到损害。"

这不是一句套话。850MW——这是 CoreWeave 当时运营中的活跃功率。一座大型核电机组的出力，大约也是这个数字。一家成立不到十年的 GPU 云公司，电力需求已经追平了一座核电站。

而这份 10-K 的累计赤字栏里，写着26 亿。

我花了一个周末，把 CoreWeave 的 10-K（SEC 档案号 0001769628-26-000104（资料来源[1]））和万国数据的 20-F（SEC 档案号 0001410578-25-000935（资料来源[2]））放在一起读。两家公司都在 SEC 的框架下披露信息，但讲出来的故事截然不同。一个把电力焦虑写在脸上，一个把电力成本藏在结构里。把它们并排看，AI 基础设施的真实能源成本，才慢慢浮出水面。

为什么是这两家？CoreWeave 代表了 AI 算力需求最前沿的美国 GPU 云厂商，万国数据代表了中国最大的第三方数据中心运营商。一个做算力出租，一个做空间托管。一个把电力当作战术武器，一个把电力当作运营要素。它们的 SEC 文件，恰好折射出 AI 基础设施行业在电力问题上的两种思维模式。

而这两种思维模式之间的差距，可能就是未来几年投资回报的分水岭。

CoreWeave 的 10-K：电力是头号风险

从 Item 1A 开篇读到的焦虑

CoreWeave 的 10-K 是一份值得反复读的文件。不是因为它的财务数据有多漂亮——2025 年收入50 亿，确实是史上最快达到这一规模的云基础设施公司——而是因为它对风险的坦诚程度，在科技公司的年报里很少见。

Item 1A 列出的头号风险，就是电力。原文翻译过来是："我们的业务依赖大量电力来运营数据中心。电力供应的任何中断、成本上升或容量限制，都会对我们造成实质性损害。"

这不是泛泛而谈。CoreWeave 的电力采购模式是 PPA（购电协议）——直接和发电厂或电力交易商签长期合同，锁定电价。好处是能对冲现货市场的波动，坏处是：如果客户需求低于预期，这些长期购电承诺会变成固定成本负担。

这也是 CoreWeave 累计26 亿赤字的重要原因之一。

再看它的功率规模演变：

FY2023：10 个数据中心，约 70MW

FY2024：32 个数据中心，约 360MW

FY2025：43 个数据中心，850MW+

三年时间，功率翻了 12 倍。签约总功率已经达到约 3.1GW，未来几年逐步部署。3.1GW 是什么概念？大约相当于三座核电站同时出力。

根据 Core Scientific（CORZ）10-Q 的间接披露，CoreWeave 实际支付的电力价格约为0.066-0.071/kWh。这个价格接近美国工业电价的批发水平，说明 PPA 确实起到了压低成本的作用。但问题是规模——850MW 乘以 8760 小时，即使按 0.07/kWh 算，一年的电费也超过5 亿。而且这个数字还在快速膨胀。

CoreWeave 的客户集中度也值得注意。Microsoft 是主合同方，OpenAI 在 2025 年 3 月签约，NVIDIA 既是 GPU 供应商也是服务客户，Meta 也在 2025 年加入。前三大供应商合计占采购额的 23%+20%+17%。GPU 绝大部分由 NVIDIA 独家供应。这种高度集中的客户和供应商结构，意味着 CoreWeave 的电力需求预测高度依赖于少数几个客户的算力需求预测。如果 Microsoft 或 OpenAI 调整其 AI 算力采购策略，CoreWeave 的电力需求曲线可能剧烈波动，而 PPA 的刚性承诺无法随之灵活调整。

这里有一个容易被忽略的细节：CoreWeave 的 Scope 2 排放（外购电力）是其碳排放的最大来源。公司没有披露具体的电力支出金额——PPA 对冲使成本变动复杂化——但风险披露的篇幅和位置，已经说明管理层的关注度极高。

我的判断是：CoreWeave 的电力焦虑，本质上是客户集中度和 PPA 刚性承诺之间的错配。如果某个大客户缩减订单，PPA 的固定成本就会立刻暴露在损益表上。这也是为什么 10-K 把电力风险列为首位——不是电费贵，而是电费太"硬"了。

再看它的联邦和州净经营亏损（NOL）：43 亿 +9.05 亿。这个数字意味着什么？意味着 CoreWeave 在财务上仍然处于大规模投入期，累计亏损产生的税务抵扣额度超过 50 亿。对于一个年收入50 亿的公司来说，这个 NOL 规模说明它的烧钱速度远超收入增速。而 PPA 的长期承诺，是烧钱的重要去向之一。

CoreWeave 的员工总数是 2,189 人，其中美国本土 1,967 人。用 50 亿收入除以 2,189 人，人均创收超过228 万。这个数字在科技行业属于顶级水平，但也说明它的商业模式极度依赖资本支出和电力基础设施，而不是人力。换句话说，CoreWeave 本质上是一家"电力转化公司"——把电力转化为算力，再卖给客户。电力的成本、稳定性和可获取性，直接决定了它的毛利率和扩张速度。

CoreWeave 于 2025 年 3 月上市，发行价 40元/股，募资14 亿。上市不到一年，它已经成为 AI 基础设施领域最受关注的标的之一。但 26 亿的累计赤字50 亿以上的 NOL，说明这家公司仍在用资本换规模。电力是这个算式中最大的变量——它既是成本项，也是约束项。

还有一个值得深思的问题：CoreWeave 的供应商集中度。前三大供应商合计占采购额的 60%，GPU 基本由 NVIDIA 独家供应。这意味着它的供应链风险不仅在于 GPU 芯片本身，还在于 GPU 运行所依赖的电力基础设施。如果 NVIDIA 的 GPU 供应出现波动，或者电力供给出现瓶颈，CoreWeave 的业务都会受到双重打击。这种"芯片+电力"的双重依赖，在传统数据中心行业几乎不存在，但在 AI 算力时代成了常态。

万国数据的 20-F：另一种叙事

藏在运营数据里的电力成本

万国数据（GDS）的 20-F 年报，画风完全不同。

作为同时在 NASDAQ 和港交所上市的中国数据中心龙头，万国数据 FY2024 收入约¥110 亿，自持运营数据中心 29 栋（截至 2025 年 3 月），客户覆盖中国头部互联网和云公司。运营商中立的定位，让它比 CoreWeave 的客户结构分散得多。

但在电力成本披露上，万国数据的 20-F 没有 CoreWeave 那种"电力作为首要风险"的紧迫感。电力被归入运营成本项，和其他成本并列。要找到具体的电费数据，需要翻到 ABS（资产支持证券）项目说明书。

据万国数据旗下国金数据中心的 ABS 披露，电费占运营成本的9.22%，能耗成本（含水电柴油）约 10-14%。

这个数字看起来不高，但要注意口径问题。万国数据披露的"运营成本"包含折旧、租金、人工等——分母很大。据数据港的年报，电费占 IDC 服务业成本的约50%。头豹研究院的模型也显示，电费占数据中心 TCO 的17-60%，取决于上架率和负载率。

换句话说，万国数据的电力成本占比，取决于你用什么分母。用窄口径（纯运营支出），电费是占比最高的单项。用宽口径（含折旧摊销），电费被稀释到不到 10%。

中国数据中心行业的成本结构，头豹研究院给出了一个比较清晰的拆解：

电费：占 TCO 的 17-60%（取决于上架率和负载率）

变电站折旧：约 4-5%

机电设施折旧：约 29%

维保运维 + 基础设施更新：约 29%

土建与土地分摊：约 17%

电费占比的波动范围（17-60%）在各成本项中弹性最大。这意味着数据中心的盈利能力，高度取决于上架率和 PUE（电能利用效率）。一个上架率 80%、PUE 1.3 的数据中心，和上架率 40%、PUE 1.6 的数据中心，电力成本占比可能相差三倍。

万国数据在绿电采购上走得很快。2025 年大规模签署绿色电力合作框架协议，作为 RE100 成员，承诺实现全覆盖的可再生能源目标。绿电溢价交易在短期内推高了电力成本，但公司仍然坚持推进。

我的判断是：万国数据的电力叙事，正在从"成本项"向"合规项"转变。在中国 80% 绿电硬约束的大趋势下，全国数据中心厂商都面临同样的压力——绿电溢价不是可选项，而是必选项。这会在未来 3-5 年系统性抬高中国数据中心的电力成本曲线。

还有一个值得注意的差异：万国数据的客户结构比 CoreWeave 分散得多。运营商中立的定位意味着它不绑定任何一家云厂商，客户包括阿里巴巴、腾讯、百度、字节跳动等。这种分散度降低了单一客户流失的风险，但也意味着它无法像 CoreWeave 那样，把电力成本通过 PPA 直接转嫁给少数几个大客户。

万国数据的国际化布局也在加速。除了中国核心市场，它在东南亚（新加坡、马来西亚、印尼）也在建设数据中心。东南亚的电力基础设施和电价政策与中国和美国都不同，这为它的电力成本管理增加了新的变量。新加坡的数据中心电力成本较高，但政治稳定、网络基础设施完善；马来西亚和印尼的电力成本较低，但基础设施成熟度有待提升。万国数据需要在不同市场的电力成本和运营效率之间找到平衡点。

从财务结构来看，万国数据和 CoreWeave 还有一个根本差异：万国数据是重资产模式，数据中心自持自建，折旧和摊销在成本中占很大比重。CoreWeave 虽然也自建数据中心，但它的核心资产是 GPU 服务器，折旧周期更短（3-5 年 vs 数据中心的 10-15 年）。这意味着 CoreWeave 的利润对电力成本的敏感度更高——电力是变动成本，而折旧是固定成本。在收入增长期，这种结构放大利润；在收入放缓期，则放大亏损。

两种披露，两种焦虑

把两份年报放在一起对比，差异一目了然：

维度	CoreWeave	万国数据
商业模式	GPU 云服务（自有算力出租）	数据中心托管/批发
电力成本模式	直接承担电费（PPA 对冲）	绿电直购 + 绿证组合
披露详细度	风险因素详细但财务数据模糊	成本结构分解较细
电价范围	0.066-0.071/kWh	均价约 ¥0.5-0.8/kWh
电力风险定位	核心风险（Item 1A 首段）	运营成本项之一
客户锁定	Microsoft/OpenAI/NVIDIA	互联网/云分散
PPA 使用	积极使用（对冲波动）	绿电协议为主
国际化	美国为主（2025 刚起步）	中国 + 东南亚布局

这份表格背后，是两种完全不同的披露哲学。

美国 SEC 的 10-K 格式，要求公司把"可能对业务产生重大影响的风险因素"列在最前面。CoreWeave 的律师和审计师显然认为，电力供给是投资者最需要知道的头号风险。所以它被放在了 Item 1A 的开篇段落，甚至排在市场竞争和客户集中度之前。

中国公司赴美上市的 20-F 格式，虽然也要求风险披露，但更倾向于从运营角度描述成本结构。万国数据的年报里，电力是"运营成本"的一部分，而不是"风险因素"的主角。

两种披露都没有给出投资者最想要的那个数字：电力成本占收入的比例。

CoreWeave 没有披露具体的电力支出金额（PPA 对冲使成本变动复杂化）。万国数据的 ABS 披露了电费占比，但口径和行业惯例不同，难以直接比较。这是一个真实的信息缺口。

这个缺口本身就是一个信号。如果电力成本真的像 CoreWeave 的 10-K 暗示的那样重要，为什么两家公司都不直接披露"电费/收入"这个最直观的指标？原因可能有两个：一是 PPA 和绿电交易使电力成本的计算变得复杂，二是这个比例可能高到让投资者不安。我倾向于认为第二个原因更接近真相——如果 CoreWeave 的电费占收入的比例超过 10%，它就有义务在 MD&A（管理层讨论与分析）中单独披露。它没有披露，说明这个数字可能处于一个"说也不是、不说也不是"的灰色地带。

还有一个更深层的问题：电力成本在 AI 基础设施公司的财务报表中，到底应该归入营业成本还是资本支出？CoreWeave 把 PPA 的电力采购计入运营费用，但 PPA 的长期合同本质上具有资本承诺的属性。这种会计处理方式，可能低估了电力对长期财务结构的影响。如果投资者只看营业成本率，可能会觉得 CoreWeave 的成本控制不错；但如果把 PPA 的长期承诺折现后加回资产负债表，它的财务杠杆可能比看起来高得多。

五条启示

把两份年报读完，我有五条核心判断。为了让主线更清晰，我从五个不同维度分别展开。

电力焦虑的真实程度

其一，电力成本被低估的严重性，远超市场认知。

CoreWeave 把电力列为首要风险，不是合规部门的套话。850MW 的运营功率、3.1GW 的签约总功率——这些数字意味着 AI 算力厂商的电力供给焦虑，已经超过了大多数投资者的想象。华尔街还在算 GPU 的算力单价，但真正的瓶颈可能是电网能给你多少电。2025 年美国电网的变压器交付周期已经延长到 12-18 个月，变电站设备排期到 2027 年。这不是 CoreWeave 一家的问题，是整个 AI 基础设施行业面临的系统性瓶颈。

PPA 的资产负债表效应

其二，PPA 是一把双刃剑。

CoreWeave 用 PPA 锁定了0.066-0.071/kWh 的低电价，但代价是长期的刚性承诺。如果 AI 算力需求增速放缓，这些 PPA 会从成本优势变成财务负担。26 亿的累计赤字，已经说明了这个风险不是理论上的。PPA 的另一个问题是灵活性——当技术迭代（比如更高效的 GPU 出现）降低单位算力的功耗时，PPA 的固定容量承诺可能变成过剩产能。CoreWeave 的 PPA 合同期限通常在 5-15 年，而 GPU 的迭代周期是 2-3 年。这种时间错配，是 PPA 模式最容易被忽视的风险。

中美电价差异的结构性内涵

其三，中美电价差异不是简单的数字对比。

CoreWeave 的0.066-0.071/kWh 接近美国工业电价，享受了规模折扣。中国数据中心电价受大工业电价和绿电溢价的双重影响，均价约 ¥0.5-0.8/kWh。但简单比较这两个数字没有意义——两国的电力市场结构、绿电政策、碳成本完全不同。真正重要的是趋势：两边的电价都在上涨。美国数据中心聚集区（北弗吉尼亚、硅谷）的电网容量已经接近极限，新接入的等待时间在延长。中国的电力市场化改革也在推进，大工业电价的浮动区间在扩大。2025 年多个省份已经上调了大工业电价，数据中心作为高耗能行业，首当其冲。

绿电溢价的成本冲击

其四，绿电溢价正在成为新的结构性成本变量。

万国数据大规模采购绿电，短期推高了电力成本。但在中国 80% 绿电硬约束下，这不是选择问题，而是时间问题。多数中国数据中心厂商，未来 3-5 年都将面临绿电溢价带来的成本压力。这会影响整个行业的利润率曲线。绿电溢价目前约 ¥0.03-0.05/kWh，但随着碳交易市场的成熟和绿电需求的增长，这个溢价可能继续扩大。对于万国数据这样年耗电量数十亿度的公司，每分钱的电价变动，都对应着数千万的利润波动。如果绿电溢价从 ¥0.03 上升到 ¥0.08，仅此一项就可能侵蚀数亿利润。

信息不对称中的alpha

其五，信息披露的盲区，恰恰是投资机会所在。

CoreWeave 和万国数据的年报，都没有给出完整的"电力成本/收入"比率。这个信息缺口，说明市场对 AI 基础设施的电力成本还没有形成统一的定价框架。当这个框架逐渐建立起来的时候，那些电力成本管理能力强的公司，会获得估值溢价。什么是电力成本管理能力？包括：PPA 的灵活性和期限结构、数据中心的 PUE 水平、绿电采购的成本控制、以及电力供给的多元化布局。能够在这四个维度上都做到行业领先的公司，将在 AI 基础设施的下一个竞争阶段占据优势。

值得关注的信号

建议关注以下三个方向：

一是 PPA 合同的期限和灵活性。CoreWeave 的 PPA 策略值得跟踪——如果它能通过更灵活的 PPA 结构（比如加入需求侧响应条款）来降低刚性承诺风险，那将显著改善其财务弹性。同时关注 PPA 的定价机制：是固定价格、通胀挂钩、还是现货指数加价差？不同的定价机制，在电价上涨周期和下跌周期中的表现完全不同。固定价格 PPA 在电价上涨时有利，但在电价下跌时变成负担。

二是绿电溢价对利润率的影响。万国数据的绿电采购规模在行业内领先，但绿电溢价对毛利率的侵蚀程度，需要持续跟踪。如果绿电成本能够通过绿色溢价（客户愿意为绿色算力支付更高价格）转嫁出去，那将是一个积极的信号。目前中国绿电交易市场还在发展初期，绿电的定价机制和供需格局都在快速变化。2025 年绿电交易量同比增长超过 50%，但绿电的供给增速可能跟不上需求的爆发。

三是中美电力市场的政策变化。美国的数据中心电力需求正在推动电网扩容投资，FERC 和各州监管机构对数据中心接入电网的政策正在调整。中国的绿电交易市场也在快速成熟。两个市场的政策走向，将直接影响 AI 基础设施企业的成本曲线。特别值得关注的是：美国是否会对大型数据中心的电力采购出台新的监管要求，以及中国是否会进一步收紧高耗能行业的绿电比例要求。

写在最后

CoreWeave 的 10-K 和万国数据的 20-F，是两份风格迥异的文件。但把它们放在一起读，你会看到一个共同的信号：电力正在从"运营杂项"变成 AI 时代的战略级财务变量。

850MW 只是开始。当 AI 算力需求继续膨胀，当绿电约束从自愿变成强制，当 PPA 的刚性承诺遇上需求波动——电力成本管理，将成为 AI 基础设施企业的核心能力，而不是后勤部门的杂活。谁能以更低成本、更稳定地获取电力，谁就能在下一轮竞争中占据先机。

那些最早意识到这一点、并把它写入年报风险因素开篇的公司，至少是诚实的。而作为投资者，我们需要做的，是比市场更早看懂这份诚实背后的含义。

风险提示：本文不构成投资建议。文中分析基于公开披露的 SEC 文件及行业研究报告，数据截至 2026 年 8 月。投资有风险，决策需谨慎。

📌 关注「算电协同研习社」

每周二深度研究 · 每周四市场快评

以 PE/VC 投资视角，解码算力与电力的协同革命

⚡ 觉得有启发？欢迎点赞、在看、转发

⚠️风险提示: 本文所述观点仅供参考，不构成投资建议。市场有风险，投资需谨慎。

引用链接

[1]资料来源:

https://www.sec.gov/cgi-bin/browse-edgar?action=getcompany&CIK=0001769628

[2]资料来源:

https://www.sec.gov/cgi-bin/browse-edgar?action=getcompany&CIK=0001410578