2024年能源转型专题：AI发展对电力存在哪些影响与机遇-

2024年能源转型专题：AI发展对电力存在哪些影响与机遇_AI发展将带动电力需求高增长AI应用驱动的算力增长，将成为全球主要的电量增长驱动。我们认为AI应用将成为全球的重要电力需求增长来源。如我们在此前报告《能源转型-但问路在何方》(2023.12.01)中强调的，未来的经济发展可能是低碳的，但是未必是低电耗的，电气化、AI应用等新的需求驱动，将不断拉动新兴的电力增长驱动。以中美为例，2022年数据中心用电占到社会用电量的3-4%。基准预期下，我们预期至2030年，中美的数据中心年用量将超9500/6500亿度，均达到2022年的3.5倍以上。乐观预期下，2030年中美数据中心年用电量将达1.7/1.2万亿度电，均达到2022年的6倍以上。1.2022年中美数据中心用电分别占社会用电量的3/4%。2022年中国数据中心用电量达2700亿度电1，同比增长25%，占中国当年度全社会用电量的3.1%；美国2022年数据中心用电量占美国电力需求约4%2，对应约1500-1700亿度电左右。2.基准算力预期：信通院预期全球2025/2030年的算力将超过3ZFLOPS与20ZFLOPS（FP32算力等效），较是2022年的3.3/22.1倍。根据信通院《中国算力发展白皮书2023》，2022年全球算力规模（FP32等效）约906EFLOPS，其中中国约302EFLOPS，美国308EFLOPS，占比分别约33%/34%。信通院预测至2025年/2030年，全球算力将超过3ZFLOPS与20ZFLOPS。3.乐观算力预期：华为预期2030年全球通用算力达3.3ZFLOPS，AI算力达到105ZFLOPS3，全球总算力将超过108ZFLOPS，是2022年的120倍。4.基准预期下，我们测算中美至2030年，数据中心用电量将超过9500/6500亿度电，是2022年的3.5倍以上，2022年到2030ECAGR达到17%/18%。乐观预期下，我们测算中美至2030年，数据中心用电量将达到1.7/1.2万亿度，是2022年的6倍以上，2022年到2030ECAGR达到26%/27%。5.AI数据中心配套设备的市场空间将结构性的获得更高增速与高质量的发展，基准/乐观预期下，中美数据中心配套设备合计的市场空间于2030年将分别达到约3700/1.1万亿元，是2022年的3/9倍，2022-2030ECAGR分别达到14%/31%。我们考虑的数据中心配套设备包含供配电系统、热管理系统、机柜系统及软件/服务，根据维谛（Vertive）指引，传统数据中心单位价值量在2.5-3百万美元每兆瓦，AI数据中心则将达到3-3.5百万美元每兆瓦。核心的变化在于热管理系统的液冷化，以及供配电系统质量要求、功率密度的全面提升。AI数据中心将带来核心配套设备的高成长空间。AI应用快速发展。自2022年11月30日OpenAI首次发布ChatGPT，并于2023年1月累计用户超过1亿，世界演示了AI发展接近实际应用的可能性，也全面开启了投资界对AI投资的热潮。从目前的AI应用来看，其应用领域广泛，包含文本交互，搜索，图像，语音翻译等功能，目前自动驾驶的底层逻辑也是LLM，我们认为AI对人类逻辑的理解能力，使得未来其人机交互能力成为核心，有望大幅降低人类对计算机功能的使用门槛，成为新的流量端口。根据腾讯研究院《AIGC发展趋势报告2023》4，AIGC已经率先在传媒、电商、影视等数字化程度高，内容需求丰富的行业取得重大创新发展，与此同时，金融、医疗、工业等各领域AIGC的应用也都在快速发展。AI对应的算力芯片需求与电量需求初现规模。根据文献5，SemiAnalysis预期OpenAI需要3617个英伟达HGXA100服务器以支持ChatGPT的交互，包含28936个GPU，对应约564MWh/天的用电量。同时，AI需求的爆发也将驱动更多的进入者与持续的需求增长，以谷歌搜索为例6，若每次搜索中都嵌入AI应用，则对应需要约40-51万套英伟达HGXA100服务器以支持，对应约62-80GWh/天的用电量。算力功耗与数据中心用能效率将影响远期用电量。我们认为数据中心的用电量预期受几大要素的影响，1）算力增长的预期，2）芯片功耗的预期，3）数据中心用能效率的预期。其中算力我们在前述已讨论基准与乐观的两种预期情景。1.芯片算力功耗的优化对AI用电有重要的影响。从2020年NVDA发布A100到2024年发布B100/200，每W的算力（FP32等效）由49GFLOPS提升至了152GLOPS，增长了200%以上。而这一过程还会随着芯片制程与GPU系统架构的优化而持续有进步的空间。根据AMD在2021年ISSCC大会上的预期7，未来芯片的每W算力将每2.2年翻倍。此外，根据IMEC，芯片的制程工艺与封装工艺将持续迭代，2024年GAA芯片有望得到全面使用，并于2032年后实现CFET芯片的量产化。2.数据中心PUE或在AI趋势下得到进一步优化。A.行业整体PUE在1.5-1.6左右。根据《数据中心产业发展白皮书2023》，中国2021年全国数据中心平均PUE为1.49，相较于2019年的1.6有持续的提升，核心原因在于热管理系统与供配电损耗的优化。全球范围来看，根据UptimeInstitute的全球数据中心调研，全球数据的平均PUE在2021年为1.57。B.部分互联网巨头在数据中心能耗优化上走在前列。谷歌在数据中心的功耗管理上处于领先地位，其数据中心PUE基本上维持于1.1左右。C.数据中心非IT设备部分的功耗优化主要源于热管理系统与供配电系统的效率，我们预期新建设的AI数据中心PUE会在1.3及以下。从数据中心的能耗分布来看，非IT设备部分的能耗主要集中于热管理系统与供配电系统，其中供配电系统主要源于系统的电损（转换损耗、线损等），热管理系统则主要源于其散热效率。提升数据中心PUE的核心措施包括：1）使用更高效率的散热模式，如风冷转液冷。2）采用更高效率的UPS与配电系统设计。政策层面，根据2021年/2022年相关的数据中心产业指引政策（见图表10），中国2025年的新建数据中心的PUE有望下降至1.3及以下。产业发展的变化上，机柜更高的功率密度也将推动液冷的进一步使用。我们预期全球新建设的AI数据中心PUE将达到1.3及以下。3.基于以上讨论，在基准与乐观的算力预期下，考虑不同的PUE迭代与算力功耗情景。AI数据中心配套设备质量与价值量共增长数据中心电气及热管理相关的设备受益AI算力的高增长，将迎来高质量增长。着眼于数据中心核心的供配电与热管理相关的装备，我们认为1）在AI算力的增长带动下，AI专用数据中心的建设将显著提速，2）AI数据中心能量密度与用能质量要求显著高于传统数据中心，带动热管理、传统供配电设备的产品要求迭代，质量要求提升，价值量增长。结论性来看：1.我们测算中国/美国数据中心核心服务器累计名义功率2022为34GW/20GW，受益于AI驱动的数据中心建设提速，中长期供配电与热管理相关设备市场空间将快速增长。A.基准情景：2030年将增长至116/76GW，2030年增量功率达到14/8.7GW，对应配套装备的市场空间分别达到250/268亿美元，合计市场空间是2022年的3倍，2022年到2030ECAGR达到14%。B.乐观情景：2030年将增长至251/163GW，2030年增量功率达到44/25GW，对应配套装备的市场空间分别达到783/768亿美元，合计市场空间是2022年的9倍，2022年到2030ECAGR达到31%。2.根据维谛（Vertive）指引，传统/AI数据中心配套单MW核心IT设备的相关装备价值量分别达到2.5-3百万美元与3-3.5百万美元，供配电占约1/3，热管理占约1/3，机柜、软件服务占1/3。3.我们认为AI数据中心的供配电与热管理设备相较于传统数据中心，对产品功率密度，质量稳定性要求更为严苛，准入门槛提升，更利于行业头部企业。数据中心相关配套装备可分为三大类1.数据中心供配电装备。中压侧包含中压自动转换开关（ATS）、中压备电系统（传统数据中心一般使用柴油发电机）、10kV配电与变压器。低压侧则包含400V主配电柜，UPS及精密配电柜系统。2.热管理系统。一般分为风冷与液冷，其中风冷又可进一步分为传统风冷与氟泵风冷，主要的设备均为风冷空调系统；液冷目前技术的主流为单相浸没式液冷与冷板式液冷。核心设备为冷源、液冷分配单元（CDU）、冷却液等。3.机柜、数据中心软件与服务。根据维谛指引，高能量密度计算的数据中心（即AI数据中心）每MW的核心IT设备所对应的配套设备的价值量，将由目前的250-300万美元，增长至300-350万美元。1.维谛是全球三相大型UPS、数据配电与开关集成、热管理系统的领军企业，产品涵盖除了备电柴发外的几乎所有数据中心相关装备。因此我们认为其收入结构可一定程度上代表数据中心相关装备的价值量分布。2.整体来看，热管理系统、供配电系统均占的数据中心配套装备市场空间的约1/3。3.根据维谛指引，每MW的数据中心核心IT设备的配套相关设备的价值量，在传统数据中心为250-300万美元，在AI数据中心，则有望提升至300-350万美元。其核心驱动因素源于两部分，一方面是高功率机柜将更大比例的使用液冷，另一方面高功率的机柜与整体数据中心能量密度的提升，也将使得供配电环节的产品要求提升，带来单位价值量的增长。以英伟达DGX服务器的演变为例，基于V100的DGX-1的服务器最大功率仅3.5kW，而基于H100/B200的服务器最大功率则增长至10.2/14.3kW。考虑一个机柜包含4个DGX服务器，机柜的功率将由DGX-1的14kW增长至DGXH100/B200的41/57kW。机架的体积不变，但功率持续提升下，风冷的散热效率开始逐步难以满足要求，液冷的需求占比将持续提升。供配电等环节的质量与性能要求也需要同步提升。此外，由于整体数据中心低压侧的电压并不会有变化，但整体功率大幅提升下，核心的精密配电单元的数目或可承载电流则需要大幅提升。整体上，数据中心功率密度的大幅提升，对供配电，以及热管理，乃至整体的系统控制，都将提出更高的要求。我们认为AI数据中心供配电及热管理相关设备，由于其更高的质量、性能要求，将使得进入门槛抬升，各环节的龙头企业具备更优的竞争格局，享受质价双增。AI数据中心可能带来稳定电源紧缺与区域性缺电风险我们已经看到数据电力需求在AI的带动作用下或将快速增长。从总量角度，以2022年的用电量为基准，基准情景下中/美2030年的数据中心用电量将达到总用电量的12/18%，乐观情景下则将达到总用电量的20%/31%。结构来看，由于数据中心区域分布并不均衡，以及AI需求下对电能质量的要求明显提升，将形成两方面的电力紧缺可能性，带来结构性的投资机遇。1.区域性缺电风险存在提升的可能性，特别是北美。美国目前数据中心主要分布于加州、德州、弗吉尼亚（Virginia）州等。其中，弗吉尼亚州因其电价低、营商环境好、光纤网络便利，拥有全球约35%的超大规模数据中心（Hyperscaledatacenter），是美国最重要的数据中心集中区域。我们估算到2025/30年弗州数据中心用电需求占比将达到当前州内全部用电量的43%、89%（vs当前：21%），或可能形成区域性缺电。乐观情景下，按同样假设，弗州数据中心用电需求将达到2022年总用电量水平的1.63倍，缺电风险进一步提升。2.高质量的稳定电源或供不应求，北美短期核电最为受益。以H100SXM与A30作为GPU为对比，考虑一个数据中心包含5000台服务器，每台服务器中包含8个GPU。数据中心服务器总价值量将相差近6.4倍，其中使用H100SXM数据中心的服务器总价值量将达到16亿美金以上。耗电量上则将相差4倍，数据中心供应配电与热管理设备的价值量占比由18%下降至13%。同时，AI数据中心的用能负载率也较高（训练在特定时间内可达100%）。综上原因，将使得数据中心对于电能的可靠性、连续性有更高的要求。虽然供配电系统可以平抑一定的波动，但发电电源本身的电能质量，也开始得到进一步的重视。我们认为：A.稳定性电源相较于非稳定电源，在AI数据中心的电力应用上，有望获得溢价。B.结合清洁性的要求，短期兼备稳定/不间断/清洁要求的电源主要为核电，远期氢能与小堆或成为重要的补充性稳定基荷能源与备用电源。3.AI作为重要的电力增长驱动，也将带动稳定的基荷电源具备增量的装机成长空间，并驱动基荷性的新型电源迎来市场化的机遇。优质的发电装备企业迎来新的成长周期。总量：分布的不均匀性可能带来区域性缺电风险总量层面，数据中心对电力增长的拉动效应美国高于中国。基准与乐观情景下，平均年用电增量较2022年用电量的弹性美国/中国分别达到1.5%/1%与3.2%/2.2%。2018-2022年，中国用电量CAGR达到6%，美国仅0.44%，几乎无增长。由此，AI将成为美国的重要的电力增长的驱动要素，拉动美国电力重新回归正增长。结构来看，美国数据中心分布相对集中，部分州数据中心占用电需求达到州内总用电量的可观比例，带来区域性缺电的可能性。1.数据中心的分布往往会考虑靠近应用、低电价、稳定供电等因素，具备一定的集中性。以弗州为例，因其电价低、营商环境好、光纤网络便利，拥有全球约35%的超大规模数据中心（Hyperscaledatacenter），是美国最重要的数据中心集中区域。弗州的工业电价相对于美国整体较低，主要受益于天然气发电占比高（电力供应的54%来自天然气，且其中80%+是成本相对优势的煤层气，此外31%为稳定核电）且零售电价竞争放开带动电价优化。2.美国前三大的数据中心集中地为弗吉尼亚、德州、加州。根据Datacentermap统计，美国目前数据中心主要分布于加州、德州、弗吉尼亚（Virginia）州等，按数据中心数量来看分别占比12%、10%、8%。数据中心在部分州已经占据其州内总用电量可观比重，如根据弗州最大的公用事业企业道明尼能源披露（DominionEnergy，在弗州售电量份额约三分之二），其在弗州2022与2023年电力销售中21%/24%流向数据中心。3.以弗吉尼亚为例，AI需求的爆发会对周内的电力需求带来紧缺的可能，提高了其州内公用事业企业支出增长的增速。弗州为例，我们估算弗州贡献全美数据中心用电量的~18%。基准情景下，我们预期美国2025/30年数据中心用电量达到32、66亿度电，若弗州维持18%的占比，则到2025/30年弗州数据中心用电需求占比将达到当前全部用电量的43%、89%（vs当前：21%），电力缺口较大。此外，德州州长亦于近期表态8，若要满足德州由居民、石油钻井、数据中心等拉动的电力需求，德州电力装机需要每年增长15%。道明尼能源在其2023年年报中也提及数据中心会为弗吉尼亚未来10年带来持续且可观的电力需求增长，因此从供给层面面临挑战，需要在发电与输电层面加大投资以匹配持续增长的需求，其2024年规划的弗吉尼亚州业务资本支出（包含发电、输电与配件）较2023年增长31%，达到94亿美元。质量：高可靠、不间断、清洁性驱动稳定发电电源需求我们认为AI数据中心将驱动稳定与清洁型电源需求提升，短期最合适的电源类型为核电，中长期考虑清洁性下，氢基燃料电池或氢燃机，以及核电小堆或将成为重要的技术发展方向。1.波动带来的成本损耗远高于传统数据中心。AI数据中心的价值量随着GPU算力与价格的提升而快速增长，因此在同样的电源所引发的硬件损耗的概率下，AI数据中心的损失都将更高。由此，电源接入本身的选择也将追逐更为稳定的来源。2.电源稳定不间断：AI的应用不论是训练还是推理，都可能在较高的负载率下工作（训练可能达到100%），因此其用电负载波动性小，对电源的稳定性、连续性的要求相较于负载波动率大的传统数据中心更高。3.电源具备清洁性：北美互联网巨头已经成为美国最重要的绿电PPA买家，因此清洁性对于其AI数据中心的发展同样重要。AI数据中心随着单卡算力与价格的不断提升，数据中心的核心价值体量在快速提升，潜在电源波动带来的损失将更高。我们以A30与H100-SXMGPU为对比，考虑一个5000台服务器的数据中心，每台服务器包含8个对应的GPU。从下图可以清晰的看到，从服务器价值量，最大总功耗等各环节，H100-SXM均是A30数据中心的数倍。同时，由于数据中心的占地面积并不会等比例扩大，因此功率密度也大幅提升。在同样的电源的波动概率下，AI数据中心潜在的受损额将更高。AI数据中心的负荷率或进一步高于传统数据中心，对电能的稳定性要求更高。根据施耐德，AI训练的工作负载可达100%（即一直以最大功率运行），而模型的单次训练时间并不短，如GPT-4的单次训练时长可达5-6个月9，由此将进一步提升对电能稳定与不间断性的要求。AI数据中心在用电质量要求上，将进一步高于传统数据中心，特别是对电能稳定性，以及电能不间断性的要求。虽然说通过UPS、备电等供配电系统的优化，可以将市电进行优化，但考虑到极高的价值量与潜在的波动性带来的损失，我们认为优质的发电电源，也将成为AI数据中心重要的选择一环。北美互联网与云巨头同时在电力供给上追求清洁性。根据BNEF数据，以2022年统计为例，美国清洁能源购电协议（PPA）的头部买家均为北美互联网与云巨头，其中前四大买家包括Amazon、Meta、Google、Microsoft，其分别在2022年单年采购了10.9、2.6、1.6、1.3GW的清洁能源PPA（风电+光伏），上述TOP4企业合计16.4GW的采购量占到北美2022年清洁能源PPA总签订规模的~70%。结合稳定、不间断、清洁性，目前可选的发电侧电源相对有限，北美以核电为主。供给基本无增长，需求高增长下，供需不匹配可能会加速AI数据中心对存量北美核电的资源对接。1.当前美国核电贡献全部发电量~18%，短期内无新增机组、存量机组陆续延寿。美国目前在运核电站96.95GW/94座，2022年实现发电量769.5TWh，贡献美国发电量的18%。美国核电建设高峰主要系1970-80年代，因此目前在运核电机组加权平均寿命达到42年。1979年三里岛核事故后美国核电新机组审批冻结30余年，直至2012年小规模重启核准了三座新增核电站，并已陆续于2016年、2023年、2024年投产。目前美国无已核准待建/在建核电项目，考虑到美国新核电机组需要4~6年审批+6~8年建设周期，在未来十年内美国新增核电机组能见度较低。存量机组则可以再到寿前申请延寿（基准寿命40年，可申请40年延寿至60年，以及60年延寿至80年），申请周期一般在2-3年。2.AI数据中心对存量核电的资源对接提速。包括：1）2023年1月TalenEnergy