**电力需求的“悖论”与基建的硬约束**
9月，高盛在AI主题播客节目中抛出一组极具冲击力的数字。尽管AI模型与芯片效率持续提升，数据中心电力需求仍在加速增长。高盛将美国2030年数据中心电力需求预测从83吉瓦上调至108吉瓦，全球数据中心用电较2025年的增幅预期从117%上升至170%。从2024年初到2030年底，AI新增用电规模相当于整个日本全年的用电量。更关键的是，高盛明确指出，AI效率提升带来的节能红利，正被Token用量、智能体任务和科技巨头Capex的爆炸式增长完全吞噬。
**为何“更省电”反而“更费电”**
高盛团队解释得很直白：Token越便宜，能跑AI的场景就越多，需求也随之不断增长。这套机制可以用“杰文斯悖论”进行解释：1865年英国经济学家杰文斯观察到，瓦特改良蒸汽机让煤炭燃烧更高效，但英国煤炭总消耗量反而激增。核心逻辑是效率提升降低单位使用成本，刺激需求扩张效应，最终总消耗量不降反升。
放在AI领域，这条链条清晰可见：
* **单位算力成本下降：** 模型压缩、量化、蒸馏、更高效的架构让单次推理成本从几美分降至几厘钱。
* **应用场景指数级扩张：** 成本下降解锁了实时视频分析、个性化AI代理、多模态内容生成等用例。单次成本降10倍，调用量可能涨100倍。
* **智能体把“瞬时爆发”变成“持续消耗”：** 一个AI代理不再只是回答一个问题，而是持续运行数小时甚至数天，调用多个工具、访问大量数据，算力需求从脉冲式转向基线式。
* **云厂Capex不降反升：** 省下来的单位成本被直接再投入更大规模的集群建设。
**瓶颈迁移：从“硅基战争”到“基建战争”**
如果说过去两年科技行业的主题是“硅基战争”（争夺先进制程和GPU），那么高盛认为，未来五年的主题将彻底转向“基建战争”。供应链紧张已从模型层一路传导回物理基础设施，几乎回溯到基础元素。
* **变压器交期拉长：** 全球大型变压器交货周期已延长至115-130周，部分高功率型号最长达5年。一座AI数据中心的建设周期通常不到18个月，这意味着“机房建好了，电送不进来”将成为常态。
* **燃气轮机产能锁死：** 一家主要涡轮机制造商表示，预计在2026年底前其2031年的产能将售出一半，设备交付周期正在深刻影响电力来源的选择。
* **并网排队2-7年：** 美国区域电网（如PJM、ERCOT、MISO）的新项目并网审批普遍需要数年，PJM当前已处于临界紧张状态，ERCOT预计在2028年前后随负荷攀升而承压。
* **熟练工人短缺：** 经历了十年美国电力负荷停滞后，电工与高压焊工短缺问题日益突出。高盛预计，美国电力需求整体增长需要新增超50万个就业岗位，其中超20万岗位用于满足输配电网连接需求。
高盛将BTM（表后）燃气装机容量预测上调至2030年约30吉瓦（实际发电量约20吉瓦以上），约占届时数据中心总需求的20%。不过高盛将BTM定位为过渡方案而非终态，认为大型客户长期仍倾向于接入电网以获取更低成本与更高可靠性。
**政治阻力与风险**
如果说设备与人力短缺是“物理瓶颈”，那么地方政治阻力就是“制度瓶颈”。高盛将互联互通定性为美国公用事业领域“最重要的单一议题”。目前已有逾300项地方及区域层面的暂停令，但到了2026年8月初，这一数字已突破500项，仅7月就有超过150个城镇和郡县通过临时或永久性数据中心禁令。社区反对情绪主要集中于停电风险、电费上涨、水资源消耗、噪音污染与废热排放。这种反弹正在打破传统政治立场——左翼独立参议员桑德斯与民主党众议员Ocasio-Cortez联合提议在联邦层面实施禁令，右翼保守派组织也在多州筹备抗议；纽约州、得克萨斯州、宾夕法尼亚州等关键州的州长态度均出现转变，或暂停审批，或启动专项审查。
高盛提出的七个“P”框架中，物理环境风险尤为值得关注：超过半数的数据中心选址位于高物理风险区域，将面临高温、高湿与干旱挑战。冷却系统带来的水电权衡难题在西德克萨斯州表现最为突出——水资源的获取比新增电力更难、更贵。
不过，SemiAnalysis在2026年9月的深度分析提供了一个反直觉的视角：300多项地方暂停令中，真正被卡住的容量目前并没有那么大。高盛判断，项目将向监管友好的司法管辖区迁移，这可能进一步加剧地理集中度。与此同时，争夺税基、建筑就业与基础设施投资的城镇之间的竞争，也在为部分项目提供落地空间。