2026为AI供能数据中心能源价值链深度剖析报告

赋能人工智能：数据中心能源价值链深度剖析第3-5页1.2电网接入与基础设施第13-14页1.4负荷效率16-191.5发展合作伙伴与融资20YYAI竞赛的规则已经改变。最初围绕模型和软件的竞争，已悄然演变为更实体化、资本更密集且更难解决的问题个以电力为制约因素的基础设施难题。本报告依托PlugandPlay内部超过10万家初创企业的平台，以及精心筛选的418家AI数据中心能源价值链企业数据库，揭示了压力的积聚点，以及最具突破性创新正在形成的地方。结构性需求冲击正在发生。2023年美国数据中心用电量总计约176太瓦时，占全国电力需求的约4.4%。到2030年，预测该数字将达580太瓦时，接近美国总用电量的12%。各预测区间虽有差异，但所有可信情景均占全国总消费的12%YY执行摘要美国数据中心能源消耗2030年|580太瓦时2030年|580太瓦时在资本支出方面，到2030年7200亿美元Chinasolar,wind&batteryinvestmentunderthe14thFive-YearPlan(2021-2025)≈$1.5Tin5yearsDatacentersvs.megaprojectsInflation-adjustedcosts,billionsUSD≈$930Bin6years$620B,37yr$550B,71yr$550B,71yr$400B,25yr(todate)MarshallPlanInternationalSpaceStationMarshallPlanYY执行摘要产能缺口正在显现。已宣布的数据中心容量超过100吉瓦，但其中到2030年能够投入运营的不到一半。主要制约因素在于电网互联、许可审批和原始电力供应，而非需求或资本。Only40%ofannouncedGWarelikelytocoCumulativeActuallyHyperscalerdatacentercapacity,bypoweringtype(GWHyperscaler04020242025202620272030超大规模运营商正转向混合与现场部署，为核电、地热及分布式发电打开大门电网需要更智能，而非仅靠扩容：储能、需求响应与互联软件至关重要芯片层面每节省一瓦，就无需额外产生一瓦：效率现已成为一种容量策略核心启示直截了当能够缩短通电时间、提高机架密度或在固定电力空间内提取更多有效算力的企业，将在未来几年占据大部分价值引言：为何AI改写了基础设施的规则超大规模企业的投入规模如今几乎难以用原有背景来Meta的资本支出总和就达到了530亿美元。这种支出轨迹仍在持续攀升，企业自身也已明确阐述了战略逻辑：投资不足的风险远大于过度建设的风险。云巨头们同时将AI视为生存威胁与世代机遇。它们能够维持如此高水平的投资并非偶然，而是基于各自高度盈利而且不容妥协。AI训练任务对中断极为敏感，单次运行的耗资可达数千万乃至数亿美元，即使是短暂断电的代价也意味着：可靠性已从一项设施指标升级为核心战略要求。正是在这一刻，电力不再只是采购品类，而成为随之而来的，是正在建设的物理规模。英伟达的黄仁勋估计，目前数据中心的累计装机价值约为1万亿美元，他预计这一数字在未来几年内将数据中心约一半的成本用于物理基础设施，另一半则用于计算、网络和存储。这一比例之所以重要，是因为它解释了为何方程式中的基础设施一侧正在吸引如此多的Y1.核心分析：AI数据中心堆栈的能源价值链市场图谱：数据中心项目生命周期VoltaGrid以下分析基于两个结构性观察：首先，这一生态系统并非以单一浪潮形式出现。数据集中418家初创公司中约70%成立于2015年之后，且在2020至2021年人工智能需求转折点后，企业形成速度急剧加快。Y我们的数据库涵盖418家初创公司，其地理分布与数据中心容量的建设地点高度吻合。北美占据主导地位，共有267家公司，占总数的64%,这并不令人意外，因为美国推动了大部分超大规模计算资本支出。欧洲紧随其后，拥有132家初创公司，主要集中在英国、德国和北欧地区。亚太和中东仍属于新兴市场，但均值得关注以色列涌现出一批引人注目的电网和冷却技术公司，而澳大利亚则是电网技术领域的佼佼者Neara的所在地。Asia-Pacific14EuropeMiddleEast267267这418家初创公司的成立时间揭示了显著的模式。在2000年代，成立率基本持平，2012年至2015年间加速增长，2020年后急剧上升，这一轨迹与人工智能计算需求的爆发密切相关。能源供应层(以红色显示)是生态系统中最古老规模最大的一层，核能和地热公司本质上具有较长的开发周期。然而，电网接人、碳和负载效率层在过去五年中增长最快。这仍然是一个年轻的生态系统，创新仍处于早期阶段。过去十年初创公司成立速度加快3倍，能源供应领域领70%的初创公司成立于2015年能源供应是最大且最古老的细分274202548Y超过920亿美元的资金已流入418家初创企业的人工智能数据中心能源领域，但分布极不均衡。能源供应环节占据了资本的最大份额，涵盖核能、地热、共址发电和储能。在此背景下，储能作为与共址发电配套的电力输送资产发挥作用,而非电网灵活性工具。这一区别至关重要：相比之下，电网接入与基础设施领域的资金相对不足，这本身可能是一个值得关注的结构性信号。种子轮仍是项目数量最多的阶段，反映出广泛且活跃的创新漏斗。但私人资本的大部分集中在D轮及以后，这些阶段的重资产型企业面临规模化要求，这正是该领域的核心特征。这不是一个资本需求适中的软件市场，而是一个深度资本密集型的基础设施和工业技术市场，后期阶段的挑战确实艰巨。这一模式在硬科技基础设施领域并不陌生：早期广泛实验，随后资本急剧集中于少数开发周期更长、部署规模要求更高的公司。公开市场的验证已开始跟进，Fervo和Cerebras走向战略性基础设施阶段。对投资者而言，这揭示了阶段分布和集中度风险，对创始人而言，它表明规模化道路的实际难度；对企业和政策受众而言，它证实基础设施规模的资本已在流动，这绝非一个儿戏的市场。$25.30B$20.32B$15.0040$10.47B$2.11B(Acquired)PrivateEquityExitedExited(Public)Pre-Seed$.07B$8.82B$5.000●Count■EnergySupply■GridAccessandInfrastructure■CarbonMitigation■LoadEfficiency■DevelopmentPartnershipsandFinance数据来源：Playbook数据，辅以Pitchbook和HarmonicY能源供应回答的是人工智能基础设施中最根本的问题：稳定、可调度、可扩展的电力从何而来?这一领域涵盖超过140家初创公司，涉及先进核能、地热、天然气过渡发电、大阳能加储能、氢能和核聚变。它无疑是堆栈中规模最大、资本最密集的层级。资本集中在五条清洁稳定路径中的两条上：先进核能：47家公司共约80.4亿美元。核能在资本投入和公司成立数量上均占最大份额，反映出其作为长期清洁地热：29家公司共约51.7亿美元。地热已不再是小众领域，它凭借真正的初创公司实力和难以复制的全天候电力特性，成为最可信的中短期清洁稳定替代方案。能源供应领域资本分布(十亿美元)$10.0B$7.5BAdvancedNuclearSolar/Wind(co-located)29NaturalGaslCombustionHydrogen/FuelCells$1.85B市场缺乏单一主导技术，现有企业包括公用事业、独立发电商和核能运营商。主要细分领域包括用于扩容的太阳能+储为中等基础负荷的地热能、作为长期选项的先进核能，以及面向未来基础设施的聚变能。技术选择取决于部署时间线：为2035年脱碳电网设计的方案，可能不适合需要在2027年获得电力供应的超大规模企业，这凸显了人工智能ENERGY石油天然气/工业二部分)KairosPower承诺于2035年前向谷歌部署高达500兆瓦的小型模块化反应堆产能。在前沿领域，CommonwealthFu司，目标于2028年前向微软供电。先进核能先进核能TotalEnergies先进核能舰队协议(2024年10月)。在2035年前部署高达50首个部署将于2030年前完成人工智能基础设施Constellation.三哩岛重启支持的购电协议(2024年9月)。星际之门项目(2025年1月)计划在未来四年内投资5000亿美元，在美国建设新的人工智能基础设施，首先部署1000亿美元。核能购电协议(2025年6月)涉及1920兆瓦电力，预计到2042在2032年前实现。为期20年的购电协议(2025年6月)购买了克林顿清洁能源中心全部1.1吉瓦的电力输出，使其免于微软签署了一份为期20年的购电协议，支持三哩岛机组重启，为电网增加800兆瓦电力。Constellation.TALEN太阳能。ENERGY同样值得注意的是，这不仅仅是初创企业的故事。公用事业公司、独立电力生产商、核电运营商、石油和天然气巨头以及工业涡轮机制造商都在朝着同样的机遇迈进。人工智能供电已成为真正的跨领域竞争战场。参考成本最佳角色高可靠性速度太阳能+电池极低高极高高中高高燃气+碳捕集与封存非常低高非常低先进核能参考成本最佳角色高可靠性速度太阳能+电池极低高极高高中高高燃气+碳捕集与封存非常低高非常低先进核能成本=相对交付电力成本速度=部署有意义产能所需时间可靠性=全天候供电能力排放=相对生命周期/运营碳强度成熟度=商业准备度/可融资性速度：快<3年|中3-7年|慢7年以上可靠性：高=可调度/全天候稳定供电市场图谱：清洁稳定电力ENCHANTEDROCKAQUARIUSENGINESMainspring08ENER厂●ENERGYNUSCALEKairosPower⑨隔gYFERMI.CommonwealthFusionSystemsTokamakEnergyPACIFICFUSIONTERRAENERGYZZAPENERGYHelicalFusion核聚变注定位反映了在数据中心方面，从部署成熟度和通电时间这两个维度的预期相关性。由于数据中心的长远规划，聚变公司的数量与资金未纳入报告其余部分。键(一)应对并网排队、满足电网影响研究要求、整合大负载而不触发多年的合规延误，以及避免可能导致资金充足的项目停滞的许可条件。电网接入是人工智能基础设施栈中的摩擦层，在这里，宣布的容量往往无法转化为实际超过95家初创公司活跃在这一领域，涵盖选址、电网储能和负载灵活性。两个数字相对清晰地捕捉了该细输电技术吸引了38家公司，募集资金约8.6亿美元，这一细分领域的公司数量远超其他。在许多市场中，通过受限通道物理输送电力是整个基础设施栈中最棘手的问题相比之下，电网供电可用性仅吸引了15家公司，但其资本投入领先于该细分领域，达到约8.7亿美元。买家愿3020HardwareSiteSelectionTransmissionTechGridPowerAvailability$0.8B$0.5B(下)随着电气化进程加速和可再生能源渗透率提升，电网本身已成为瓶颈，但电网基础设施仍是能源价值链中资金投入最薄弱的环节之一。这张市场图谱收录了提升电网可视性(传感、监测与规划工具)、灵活性(需求响应、储能与容量仇化)及可输送性(先进导线、变压器与开关设备)的相关技木。版图覆盖软件与硬件两大领域，两者同等重要软件为场址选择、并网接入和电网容量仇化提供更仇决策支持，硬件则实现电力的传输与管理所需的物理升级。两者共同构成能源转型不可或缺的赋能层。应该在何处建设这里能获得充足电力吗?容量评估与规划Yottar容量优化并网流程如何建模与加速NovoGRID电力如何实现远距离传输在电网无法供电时储存电力energy需求响应voltus有一点值得明确说明：在本分类体系中，储能被归入能源供应类别，但当其部署在计量前端时，对电网接入的重要性同样显著。需求响应同样跨越了电网与负荷效率之间的界限，在改变负荷行为的同时为网络提供灵活性。该领域的统一目标是将理论电网容量转化为可调度、可互联、可启用的实际容量。1.3.碳减排：速度与可持续性的交汇点碳减排是部署紧迫性与可持续性承诺之间矛盾最为突出的领域。该领域涵盖55多家初创企业，分为三个子领域：点源碳捕获、碳抵消与核查，以及低碳建筑材料，北美和欧洲的活动大致均$10.0B$7.5B20$0.0B-CarbonOffsetsConstructionMaterialsPointSourceCarbonCapture具体到人工智能基础设施，点源捕集是最直接相关的细分领域。随着超大规模云服务商加速部署燃气现场发电(这一趋势在Meta、Oracle和EnchantedRock等公司中显而易见),碳捕集成为必要的补充手段。NetPower是该领域的佼佼者，作为唯一在使用天然气发电的同时捕集97%二氧化碳排放的上市公司，谷歌已是其合作伙伴之一。碳抵消市场已进入新阶段。微软(曾独自占据约80%的高耐久性碳去除远期承购量)于2026年4月暂停所有新采购，将剩余需求转向基于自然的碳去除方法，如土壤碳汇。2026年上半年碳去除远期承购支出较2025年同期下降约80%。但这一缺口正在被部分填补：Frontier新推出的“9.15亿美元增长型AMC”项目，由谷歌、Anthropic及其他五家企业买家支持，使总承诺额达到18亿美元，目标是与10至15家具备规模化能力的碳去除公司签订长期承购协议。一)在许多市场，互联排队时间已延长至五到八年。这一现实从根本上重新定义了效率问题。降低单位计算功耗不再仅仅是成本优化，而是成为当前少数几条无需等待发电或电网审批即可增加有效AI容量的短期路径之一。我们追踪到该领域有超过90家初创公司，主要集中在北美(62.2%)和欧洲(32.2%)。资金分布极不均衡：计算效率领域涉及39家公司，累计资金约217.9亿美元，是占比最大的领域。其核心投资逻辑认为，当前最大的杠杆点在于芯片、内存和互联层，因为数据传输的能耗已与计算本身的能耗相当。冷却技木是第二大集群：20家公司，融资约13亿美元。AI机架密度正将传统热架构推向极限，且这一趋势持续加速。系统仇化、需求响应和电力电子领域的资本规模较小，但其战略价值显著——它们无需新增发电或基础设施审批即可创造可用的计算空间。资本集中于计算层$15.0B$10.0BSystemSystemOptimizationComputeEfficiencyCoolingTechDemandResponsePowerElectronicsandDistribution知名企业半导体/计算nVIDIABROCOM.冷却/数据中心基础设施两个相互关联的瓶颈正在驱动这一类别。在设施层面，AI加速器消耗越来越集中的电力负荷，将设计挑战从整体设施效率转向芯片和机架层面的局部密度管理。从电网进线到计算负载之间的每个转换环节都代表着能量损失和热负担、这解释了为何行业对高压直流配电架构、机架级电源转换和现代化UPS系统的兴趣日益增长。在模型层面,复杂性的提升速度正超越内存带宽的改进，这种结构性差距通常被称为“内存墙”,其实际后果是系统能耗中用于数据移动的比例持续上升，而非实际计算。8T-HeadHanguangT-HeadHanguang800HuaweiAscend3105201820192020202120222023202420252026epoch.ai这张图表展示了数据中心内部配电架构重塑的原因。AI加速器的功耗随时间不断攀升，这意味着挑战不再仅仅是整体设施效率，而是芯片和机架层面的局部功率密度。随着负载增加，每个转换环节在能量损耗和热负担方面的成本变得更高。这正是我们观察到业界对高压直流配电、机架级电源转换及UPS现代化改造兴趣渐浓的原因。其目标是在减少从电网馈电到计算负载之间的功率浪费的同时，使架构更适应AI原生工作负载。功率支撑能力(优于风冷)性能表现强劲，但因运营和改造复杂性导致采用速度较慢IMMERSEDCOMPUTINGsubmer机架级电源转换使电源转换更接近计算负载SEMICoNDUCTORValueChainAl:AValueChainAl:AY1.4.负载效率：效率正从成本优化变为容量解决方案(第三部分)GPTGPT-4lest)Boidu-RecSys-10TPaLMWall问题所在：AI模型参数每两年增长240倍，而同期硬件内存容量10B.Megotron-LM1仅增长2倍。TPUv4NVIDIAV100(32GB)NVIDIAP100后果：当今数据中心在内存与计算之间移动数据时浪费大量能源，高达60%至70%的芯片总能耗用于数据传输而非实际计算TransformerSize:240X/2yearsAIHWMemory:2X/2years20202021202220232024Figure2.TheHPCmemorywallcanalsobeviewedintermsoftheincreasingcomplexityofAImodels.(Image:AyarLabs)ResNet-50201620172018oTuing-NGLoNVIDIAA100(80GB)(32GB)Inception2015ParametersCapacityInferentia2(32GB)●Model●MemoryNVIDIAH100(80GB)Baidu-RecSys-2TTPUv2(64GB)100M-20142019OLIX光子互连AyarLabsZIGHTMATTERcelestialA!光子互连AyarLabsZIGHTMATTERcelestialA!LumilenskSalienceLabs.NUDDINemeraldai今mercuryVirtualPeaker▲voltusleap还有一个值得关注的维度。人工智能工作负载会产生高度波动的需求曲线，这给电网运营商带来合规挑战，也使设施层面的峰值管理更加复杂。目前正在发展两种应对方案：一是数据中心原生柔性负载，通过内部调整工作负载来减少需求尖峰，二是将大型园区更广泛地整合到需求响应、虚拟发电厂或分布式能源管理系统框架中。在这两种情况下，需求响应作为负载效率与电网整合之间的连接层，发挥着双重作用，但这一角色通常未获得应有的分析关注GPUPowerDrawTimeSeries(Normalized)GPUPowerDraw(W)(NormalizedGPUPowerDraw(W)(Normalized)Time(s)来源：康奈尔大学CongruentVentures我们价值链的最后一层聚焦于开发合作伙伴关系和融资，包括将电力、土我们价值链的最后一层聚焦于开发合作伙伴关系和融资，包括将电力、土地、许可及数据中心本身整合为一体化的交付方案的公司。超过25家初创企业参与其中，62%集中在北美地区——这合乎逻辑，因为超大规模建设37.9%62.1%Europe●NorthAmericaRenewabl12家公司共筹集297亿美元，仅Crusoe一家就贡献了148亿美元。信号：最具价值的数据中心企业是那些同时掌控电力与算力的公司。这是软件/市场层面：资本密集度较低，但准入门槛也较低。风险在于：随着超大规模企业垂直整合发电业务，购电协议模式本身可能正在萎缩。这张图表讲述了一个引人注目的故事。“综合电力+直流电开发”已吸纳近300亿美元资本，成为我们追踪过的资本密集度最高的创业类别之一。仅Crusoe一家就融资150亿美元，包括其与BlueOwl的合资项目。谷歌在3月份以47.5亿美元收购IntersectPower,证实了整个论证逻辑。与此同时，由16家初创企业组成的购电协议平台—该细分领域数量最多的群体——正面临生存拷问。如果超大规模云服务商选择收购电力公司而非签署购电协议，PPA平台模式能否存活?对中等规模买家而言答案或许仍为肯定，但其发展上限可能低于投资者预期。21StarcloudGoogle轨道AI数据中心太空太阳能+轨道计算冷却并非“免费”持续的太阳能潜力热量必须辐射，需要相当大的散热器面积冷却并非“免费”持续的太阳能潜力适合延迟容忍/批处理/机载处理工作负载功率密度低多吉瓦系统需要巨大的太阳能阵列规模避免陆上土地和许可问题辐射威胁芯片可靠性和长时间训练稳定性全球分布式计算基础设施的长期潜力发射经济、维护与服务仍是主要瓶颈模块化海底数据中心波浪能驱动的浮动数据中心模块化海底数据中心腐蚀、压力和恶劣的海洋环境利用海水冷却腐蚀、压力和恶劣的海洋环境绕过土地和部分电网限制海上维护和服务复杂性可与波浪/海上发电配套监管/海上许可仍不成熟Sources:TechCrunch,NVIDIA,CornellUniversity在上一个周期中，基于轨道和海洋的计算初创公司筹集了近10亿美元资金，其中星云(约2亿美元)和潘塔拉萨(约2.1亿美元)领跑该类别。这些模型旨在绕过地面瓶颈：电网接入、冷却、土地、水资源和许可审批。如果等待电网接入需要5-7年时间，那么替代选址方案就开始变得合理。上行潜力确实存在，但工程、维护、连接性和单位经济性方面的挑战也同样真实。这些并非地面数据中心的短期替代方案，而是针对替代基础设施的潜在长期押注。注意：轨道和海洋数据中心已被排除在融资统计之外，其分类可能不完全匹配地面数据中心的分类标准；本报告重点聚焦地面数据中心。核心分类之外的一个类别凸显了瓶颈问题的严重程度。近10亿美元已投入轨道和海洋计算领域，且关键是这些资金来自顶级资本。星云(我们的投资组合公司之一)以总计约4.4亿美元的融资领衔太空领域，而潘塔拉萨则以总计约2.1论点很简单：如果陆地AI受到电力、冷却、土地、水资源和许可审批的限制，那么将计算任务转移至离网环境就变得合乎逻辑。太空提供充足的太阳能和被动冷却；海洋模式则提供免费的海水冷却和完全脱离电网的海上选址。两者都明确押注于推理——即运行已训练好的模型，且对延迟和偏远程度要求最低的场景，而非取代训练集群。但这些仍属于长期押注，而非短期替代方案。轨道模型需要解决发射成本、抗辐射加固、在轨服务及网络连接问题,海羊模型则需攻克腐蚀、维护通道及不成熟的海事许可审批。坦诚而言：这些方案在本世纪内无法承担有意义的陆地计算负荷。它们是一种信号，证明地面上的限制已严重到足以资助海上和轨道计算架构的研发。2.发展动态与总结性思考EERVO日期：2024年6月(2025年5月批准)容量：1