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