通信策略之AI基础设施篇：AI的新视角：从算力之战到能源之争

通信 AI的新视角：从算力之战到能源之争 ——通信策略之AI基础设施篇 站在当前时点，我们重新评估AGI的发展趋势和投资者预期。市场以算力为起点，延伸出GPU、光模块、交换机、存储等赛道，并借力海外映射，对AI应用翘首以盼，但忽略了当算力放量时对上游基础设施的拉动。如果说应用是爆发力最强的方向，那基础设施便需久久为功，不仅是液冷散热，对能源的需求才是根本，这也是本文的出发点。 证券研究报告|行业策略 2024年12月19日 增持（维持） 行业走势 通信沪深300 边际变化：AIDC与传统数据中心最大的区别点之一，在于用电水平大幅提高。AIDC具有数据量大、算法复杂以及24/7即时响应的特点，因此与传统的数据中心相比，AIDC需要消耗大量电量。随着AI的迅速发展，预计集成大语言模型的 AI软件将会迅速发展，训练需求和推理需求共振，未来数据中心用电量将大幅提升，AIDC会成为新一代“电老虎”，数据中心消耗电力的比重会进一步提升。SemiAnalysis预测，全球数据中心关键IT电力需求将从2023年的49GW激增至2026年的96GW，其中AI将消耗约40GW。Vertiv指引在未来�年内，数据中心耗电量将增加100GW，到2029年全球数据中心电力需求增至140GW。 40% 28% 16% 4% -8% -20% 2023-122024-042024-082024-12 困境：美国电网难以支撑AI算力发展。相比于数据中心的建设速度，目前美国电作者 网建设速度相对缓慢，且发电容量有限，因此短期内美国将面临AI发展下的电力 需求困境。目前美国电力供应面临基础设施建设周期长、基建设施短缺、劳动力紧张、从业人员缺乏经验、建设电网需要协调多方利益相关者等阻力。而AI的迅速发展已导致部分地区电力供应短缺，北美公用事业公司DominionEnergy表示，其可能无法满足弗吉尼亚州的电力需求，导致全球增长最快的数据中心枢纽建设项目推迟多年。 解决方案：短期-天然气，中期-SMR核电，远期-可控核聚变。AI的崛起正在将资源竞争引向算力+能源。在AI驱动的数字世界中，算力是迭代和创新的基础，而能源则是支撑这些算力运转的关键。短期内，天然气结合燃料电池为数据中心 提供灵活且高效的发电方案，满足当前快速扩张的需求。中期来看，小型模块化反应堆（SMR）因其稳定性和适应分布式部署的特性，成为应对数据中心功率瓶颈的关键路径。远期而言，可控核聚变有望彻底突破能源供给限制，为未来的算力生态提供无限、清洁的动力支持。在这一进程中，从能源技术的持续创新到算力生态的高效协同，不仅推动了AI技术的飞跃，也重塑了能源与计算深度融合的未来格局。 我们认为，目前尚处于算力之战，但展望未来5年，能源基础设施之争或将成为主流。短期来看，今年三季度CSP巨头资本开支均创新高，且倾向于算力侧，而未来5-10年，结合AI算力投资持续加码和美国目前的电力供应现状，我们认为 美国目前电力持平的时代即将结束，算力之战将逐步转变为能源之争。亚马逊、微软、谷歌等算力巨头对SMR等核电项目的投资计划已初步证明了这一点，IT巨头的加入将大幅引进新技术并加速迭代，相关能源基础设施的投资机会将逐步显现。 投资建议：综上所述，能源是科技竞争的下一场战役，正如液冷从可选到必选的过程一样，AI上游基础设施赛道也正在从传统行业走向核心科技配套，抢占布局先 机是未来胜出的关键。建议关注美股核心标的ETN、EMR、SMR、OKLO、NNE、BE等，A股在核电、天然气及基建供应链建议关注中国广核、中国核电、新天然气、中广核矿业、金盘科技、英维克、麦格米特、能科科技、科华数据、欧陆通、壹石通等。 风险提示：技术与监管风险，高资本需求与融资压力，市场需求与竞争风险。 分析师宋嘉吉 执业证书编号：S0680519010002邮箱：songjiaji@gszq.com 分析师黄瀚 执业证书编号：S0680519050002邮箱：huanghan@gszq.com 分析师石瑜捷 执业证书编号：S0680523070001邮箱：shiyujie@gszq.com 相关研究 1、《通信：AEC：铜连接之光》2024-12-15 2、《通信：AEC放量，算力产业链进入合纵连横时代 2024-12-12 3、《通信：AI应用的春天》2024-12-07 请仔细阅读本报告末页声明 内容目录 投资要件5 1、“电老虎”AIDC与薄弱电网6 1.1用电：AIDC下一个短板6 1.1.1美国用电的供与需6 1.1.2边际变化：AI对电网的挑战8 1.2现实困境：电网难以支撑10 1.3多角度测算：AIDC究竟多耗电？11 1.3.1测算角度一（保守）：AI芯片11 1.3.2测算角度二（乐观）：数据中心12 1.3.3总结一：AIDC占比全美总耗电比例提升14 1.3.4总结二：AIDC耗电量有望比肩比特币挖矿14 2、困境何解：短期“天然气+”是主流16 2.1短期内最快落地方案是天然气16 2.1.1变电站成为传统用电瓶颈16 2.1.2AI快速发展与SMR核电落地存在时间差17 2.2“天然气+多能源”搭配更稳健18 2.3天然气方案：以xAI为例18 2.4燃料电池：以BloomEnergy为例19 3、中期方案：SMR核电脱颖而出21 3.1为什么是核电：更适配AI21 3.1.1AIDC的特征：分布式与高密度21 3.1.2核电SMR落地速度最快22 3.2SMR核电现状与产业链27 3.2.1云巨头大力部署核电27 3.2.2SMR核电上下游28 4、远期展望：可控核聚变34 5、能源之战的商业模式与参与者35 5.1SMR核电美股35 5.1.1SMR（NuScale，研发制造商）35 5.1.2OKLO（研发制造商）37 5.1.3NNE（NANO，研发制造+燃料加工）38 5.1.4LEU（CentrusEnergy，燃料加工）40 5.1.5UUUU（EnergyFuels，原料开采）40 5.1.6其他41 5.2竞争格局与优势42 6、投资建议44 6.1SMR核电美股45 6.2天然气+多能源美股47 6.3A股相关标的48 7、风险提示49 图表目录 图表1：全美用电总量（单位：太瓦时）6 图表2：美国各部门电力使用量（单位：万亿千瓦时）7 图表3：2022年美国电力消耗领先的地区及耗电量（单位：太瓦时）7 图表4：美国净发电量（按能源来源划分，单位：太瓦时）7 图表5：美国各州电价（排名前十，单位：美分/千瓦时）8 图表6：美国各州电价（排名后十，单位：美分/千瓦时）8 图表7：每次请求消耗电量（瓦时）8 图表8：PJM在北弗吉尼亚州的电力需求预测（意味着未来电力需求峰值将大幅增长）9 图表9：AI因素下2030年数据中心电力需求显著增长9 图表10：ChatGPT查询功耗是传统Google搜索6-10倍10 图表11：美国数据中心电力消耗预测10 图表12：美国电力需求增长与GDP增长10 图表13：过去10年美国电力需求停滞不前10 图表14：美国每年新增345kv+输电线路里程11 图表15：美国能源从业人员显著增长（2020-2022年）11 图表16：AIDC用电量（“保守型”测算）12 图表17：数据中心关键IT设备耗电量13 图表18：AIDC用电量（“乐观型”测算）13 图表19：2022-2050年美国电力使用量预测（单位：太瓦时）14 图表20：美国加密货币电力需求测算15 图表21：美国总用电需求、比特币挖矿负荷、AIDC耗电量对比15 图表22：传统发电厂到变电站到IDC16 图表23：天然气发电17 图表24：全球SMR项目分布17 图表25：目前已有70多种SMR设计17 图表26：不同发电方式的核心区别18 图表27：Supermicro4U液冷机架19 图表28：天然气发电机的不同方案19 图表29：BloomEnergy固体氧化物燃料电池（SOFC）19 图表30：固体氧化物电解槽（SOEC）19 图表31：BloomEnergyServer产品20 图表32：BloomElectrolyzer产品20 图表33：AI计算和存储分离的部署场景21 图表34：多个智算中心分布式训练21 图表35：核电碳排放显著减少22 图表36：Westinghouse小型模块化反应堆设计图22 图表37：传统核电站与SMR设计对比22 图表38：大小微型反应堆22 图表39：传统核电站与SMR设计对比24 图表40：轻水SMR示意图25 图表41：阿根廷CAREM是首批在建的SMR反应堆之一25 图表42：URI-SMR系统的构成图25 图表43：URI-SMR制氢模块设计示意图25 图表44：几种SMR设计图26 图表45：沸水反应堆（300MW）27 图表46：高温气冷堆（80MW）27 图表47：熔岩冷却反应器（35-300MW）27 图表48：压水反应器（60-300MW）27 图表49：云巨头布局SMR项目梳理28 图表50：铀矿分布图（2022）29 图表51：现货和期货铀价格（2000-2023）29 图表52：铀浓缩工艺流程（JNFL离心法）30 图表53：离心机示意图（JNFL离心法）30 图表54：SMR与传统核电站建造方式、时间对比31 图表55：CAREM（一个阿根廷SMR开发项目）工厂布置32 图表56：Nuscale和犹他州联合市政电力系统（UAMPS）合作的SMR项目目标电价32 图表57：SMR废物管理选项摘要33 图表58：核聚变原理示意图34 图表59：一种实现核聚变的容器（Tokamak）设计图34 图表60：NuScaleSMR电源模块构成35 图表61：VOYGR-12构造图36 图表62：VOYGR-12参数36 图表63：公司提供安装SMR核电站前后的全套服务支持36 图表64：NuScale2023-2024年盈利情况（百万美元）37 图表65：“ZEUS”便携式微反应器39 图表66：ODIN奥丁核反应堆透明视图39 图表67：高纯度低浓铀HALEU39 图表68：全球化重要资产布局41 图表69：投资逻辑框图45 图表70：核电美股公司一览表46 图表71：天然气+多能源美股一览表47 图表72：A股及港股核电相关公司一览表48 投资要件 OpenAI创始人SamAltman在访谈中曾说过一句话：未来的两种重要资源，将是算力和能源。AI对性能的追逐，在算力领域已经逐步呈现白热化，而下一阶段竞争的核心因子，将在能源基础设施上初步显现。 【从算力到能源：科技竞争的下一场战役】 人工智能的崛起更直接地将资源竞争引向算力和能源。在AI驱动的数字世界中，算力是迭 代和创新的基础，而能源则是支撑这些算力运转的关键。“未来最重要的两种资源是算力和能 源”，这一趋势从算法优化到硬件突破，再到当前对高效能源系统的需求，将贯穿AI技术发展的每一阶段。 【算力的加速需求与硬件极限】 AI算力的需求呈指数级增长。以英伟达H100GPU为例，60TFLOPS的计算能力正在推动大 模型的规模化训练，算力激增带来了巨大的能耗挑战。Vertiv预计，到2029年，全球数据中心的总装机功率需求预计将从40GW飙升至140GW，而数据中心每MW价值量将从250-300万美元提高到300-350万美元。英伟达下一代产品Rubinultra单机柜高达1MW以上的功耗也表明，AI算力提升正对电力基础设施施加前所未有的压力，算得多快很大程度上依赖于功率大小。 【能源瓶颈的突显与基础设施的挑战】 数据中心的扩张暴露了电力供应体系的脆弱性。ElonMusk曾经指出，变压器等关键电气设 备的生产能力难以满足当下AI需求，而这种电力基础设施的短缺还会进一步放大电网负载 的摆幅效应（loadfluctuation），尤其是在AI训练峰值期，功率需求可能瞬时超过平均负载的数倍，高峰低谷的用电模式对能源系统的稳定性构成巨大威胁。这