算力盡頭是電力，現場發電是解方嗎？- 深度分析第21期：GE Vernova，Caterpillar，Bloom Energy
當 AI 基建興建得如火如荼時，我們開始看到不同的瓶頸浮現。
上星期，我們探討了記憶體。而這個星期，我們直擊一個更致命的瓶頸：電。
電的問題，用一句話總結就是：
傳統的「先蓋數據中心，再等電網接上」的模式，已經玩不下去了。
當科技巨頭搶購了大批 NVIDIA GPU，終於建好了一個又一個的數據中心時，卻發現現有的供電系統根本無法令數據中心順利運行。
我們在幾個月前曾經討論過核電，但核電是「遠水」，救不了「近火」。而現在的這個近火，火勢燒得正旺。
於是，一場關於「誰能最快把電送到數據中心門口」的戰爭，在傳統電網的邊緣悄然爆發。
在這場關於能量的博弈中，我們的探索之旅將分為五站：
第一站｜物理學的鐵壁： 揭開 AI 算力背後的熱力學真相，看懂為何「能源」將取代「晶片」成為新的稀缺資源。
第二站｜電網的危機： 理解變壓器短缺與傳輸瓶頸如何成為扼住 AI 咽喉的無形之手。
第三站｜游擊隊的突圍： 當電網癱瘓，誰能救火？剖析 Bloom Energy， Caterpillar，GE Vernova等玩家如何憑藉「速度」在短期戰役中搶得先機。
第四站｜正規軍的反攻： 展望長線戰場，定義未來的電網格局。
終點站｜投資的決勝點： 在「應急」與「基建」之間，為投資者撥開迷霧，尋找這場能源革命中的投資邏輯。
這趟旅程，將帶您穿過數據中心的後院，看清支撐 AI 帝國運轉的真實引擎。歡迎來到 AI 時代的「能源戰場」。
[所有數據只供參考，數據會隨着時間而變化，作出投資決定前請自行作出研究]
第一章：全球發電方式和危機背後的物理學
要深刻理解這場危機的根源，以及為何「現場發電」能異軍突起，我們必須先退一步，鳥瞰全球電力的宏觀版圖。
基本概念：能量轉換
絕大多數發電方式的原理都是「能量轉換」。它們的目標都是將某種形式的能量（例如化學能、核能、動能）轉換成電能。
其中最常見的路徑是：產生熱量 -> 燒開水 -> 產生高壓蒸汽 -> 推動渦輪機 -> 帶動發電機旋轉 -> 產生電流。您可以將渦輪機和發電機想像成一個超級複雜的「自行車發電燈」。
第一類：化石燃料發電 (Fossil Fuel Power) — 傳統主力
燃煤發電：雖然仍是全球最大電力來源，但「去煤化」已是共識。講究 ESG 的 AI 巨頭幾乎不可能採用。
天然氣發電：全球第二大來源，反應靈活、啟動快。雖然仍有碳排且受地緣政治影響，但它是目前唯一能以合理成本提供 24/7 可靠性的成熟技術，也是 AI 數據中心在過渡期的唯一現實解。
第二類：核能發電 (Nuclear Power) — 強大但緩慢的巨匠
利用核分裂產生巨大熱能。它是絕對的基載電力，穩定且零碳，是 AI 的終極夢想。
缺點：資本支出 (CapEx) 極高、建設週期長達十年、監管嚴格。這使得只有國家隊或透過購電協議 (PPA) 的超大型科技巨頭才敢觸碰。
SMR（小型模組化反應爐）試圖解決此問題，但目前仍處於燒錢階段。
第三類：再生能源 (Renewables) — 零邊際成本的「通縮科技」
風和光是免費的，發電邊際成本為零。但為了讓「看天吃飯」的風光電滿足 AI 「全天候」的需求，必須額外投資昂貴的儲能系統。
因此，單看 LCOE (均化能源成本) 會誤導投資者，「可靠性溢價」才是 AI 時代的新定價邏輯。
第四類：新興與特殊發電技術
例如是氫能/燃料電池發電 (Hydrogen/Fuel Cell Power)，未來潛力巨大，可用於長期儲能、交通及高可靠性發電。
好處是終端零排放、可長期大量儲能、用途廣泛。但缺點是製造成本高昂（特別是綠氫）、能量轉換效率低、儲存和運輸困難。整個產業鏈極不成熟且昂貴。
核心概念：投資者必須懂的物理學 — GW 與 TWh
在進入電網危機之前，我們必須先釐清兩個常被混淆的概念，這直接決定了您如何看待這場危機的本質。我們想像一個城市的供水系統，這會更為形象化：
GW (吉瓦) = 水管的寬度 (功率/Power)
這代表「瞬間能流出多少水」。缺 GW，意味著在炎熱午後大家同時開冷氣時，水管不夠粗，水流不出來。這是一個「擁塞」問題。TWh (太瓦時) = 水庫的總水量 (能量/Energy)
這代表「一年總共用了多少水」。缺 TWh，意味著水庫乾了。這是一個「資源」問題。
AI 帶來的這場危機，本質上是 GW 的危機，而非 TWh。世界不缺能源（天然氣和鈾礦很多），但我們缺乏足夠粗的「水管」（電網容量）來應付 AI 數據中心那種瞬間爆發、且 24/7 滿載的巨大需求。
這就是為什麼新聞總是說「缺電」，但發電廠的燃料卻很充足的原因。
第一章小結
能源現實：天然氣是目前唯一能以合理成本提供 24/7 穩定電力的成熟方案，是 AI 過渡期的主力。
核能與再生能源：核能是終極夢想但建設太慢；再生能源受限於間歇性，需昂貴儲能才能作為基載。
關鍵概念 (GW vs TWh)：AI 危機是 GW（管道擁塞） 的危機，而非 TWh（資源枯竭）的危機。世界不缺燃料，缺的是能應對瞬間高負載的「粗水管」。
第二章：電網的詛咒，一個為昨天設計的系統
有了這份全球電力菜單的宏觀視野，引言中提到的那場危機背後的原因便昭然若揭。我們所依賴的、運作了近一個世紀的傳統中央電網，正被 AI 時代的需求海嘯衝擊得搖搖欲墜。
它並非毀於某個單一事件，而是受困於三重根深蒂固的「詛咒」。
詛咒一：發電之難 — 遠水救不了近火
AI 的電力需求是「現在就要」，但傳統的發電模式卻是「未來再說」。這種時間上的根本錯配，是電網失靈的第一重詛咒。
為什麼我們不能簡單地蓋更多發電廠？
傳統基載電力的困境：
燃煤發電：太髒，在「淨零碳排」的政治正確下，已是明日黃花。
核能發電：上百億美元的投資和超過十年的建設週期，對追求速度的資本市場是場噩夢。
水力發電：地理潛力幾乎耗盡，且新建項目面臨巨大的環保與社會反對聲浪。
再生能源的「間歇性」軟肋：
風力與太陽能：它們是未來的希望，但其致命弱點--間歇性，與 AI 數據中心 24/7 的需求完全錯配。沒有規模龐大到難以想像的儲能系統，它們永遠只能是「補充電力」，而非「主力基載」。
結論很清楚：傳統的發電選項要嘛太髒、要嘛太慢、要嘛太貴、要嘛太不穩定。面對 AI 需求每 18 個月就翻一倍的「摩爾定律」式增長，傳統電力供給這種「十年磨一劍」的開發模式，根本就是一場龜兔賽跑。
詛咒二：輸電之痛 — 高速公路上的世紀大塞車
如果說發電是「造水」困難，那麼輸電就是「水管」出了大問題。即使我們成功地在某處建好了發電廠，將電力送到數據中心門口，也成了一項幾乎不可能的任務。
您可以將國家的電網想像成一個高速公路系統。過去二十年，路上車流平穩，偶爾有些小客車（住宅和商業用電）上路。
但現在，突然湧入了成千上萬輛需要超寬專用道的巨型卡車車隊（AI 數據中心），整個交通系統瞬間癱瘓。
這是正在發生的現實：
併網地獄：根據美國數據，目前排隊等待併網的發電項目總量超過 2,000 GW，幾乎是美國現有總發電容量的兩倍。
從「數年」到「近十年」的等待：更糟的是，處理這些申請的速度慢如蝸牛。在數據中心最集中的熱點地區，如北維吉尼亞州，一個大型項目從申請到獲批的平均等待時間，已經從幾年前的 4 年，延長到了現在的 7 年，甚至更久。
僅 15% 的批准率：這條漫長的隊伍，最終能走到終點的寥寥無幾。歷史數據顯示，這些排隊的項目中，最終能成功建成並商業運轉的比例，長期徘徊在 15% 左右。
這意味著什麼？對於一個手握數十億美元 NVIDIA 晶片、急於上線訓練模型的科技巨頭來說，電網公司告訴他：
「您的電力，請在至少7 年後再來取，而且您只有 15% 的機率能取到。」
這在商業上是完全不可接受的。時間就是金錢，而電網正在以「年」為單位，吞噬著 AI 革命的寶貴時間。
詛咒三：可靠性之謎 — 五個九的奢望
AI 數據中心，特別是那些運行關鍵模型的「AI 工廠」，對電力的要求不僅是「量」，更是「質」。它們需要的是所謂「五個九(99.999%)」的電力可靠性，這意味著一年之中的停機時間不能超過 5 分鐘。
然而，傳統電網的可靠性，是一個被高估的神話。
以下是一些數據對比：
電力中斷的現實：根據美國政府的數據，2021 年，美國電力用戶平均經歷了 7 個小時的電力中斷。在某些極端氣候頻發的州，這個數字還要高得多。
天然氣供應的對比：相比之下，全國范圍內的天然氣服務中斷，雖然每年平均發生 28 次，但通常是短暫的操作性問題（如維護或管線切換），美國政府問責署 (GAO) 的報告發現，「天然氣中斷通常不會導致受影響用戶完全失去服務。」
這背後的物理原理很簡單：將電子在數百公里的電線中以光速傳輸，遠比將氣體分子在實體管道中穩定輸送，更容易受到天氣、設備故障和物理攻擊的影響。
對於一個需要 24/7 不間斷運行的數據中心來說，將自己的身家性命完全託付給這樣一個脆弱的系統，無異於將雲端伺服器蓋在活動斷層上。
從本質上講，對於追求「五個九」可靠性的客戶，傳統電網連「三個九(99.9%，年停機近 9 小時)」的標準都常常難以保證。它在設計之初，就不是為了滿足工業級、任務關鍵型的需求。
終極困境：經濟學的惡性循環
按理說，需求如此旺盛，市場應該會自動調節，吸引投資來建設新的發電和輸電設施。但現實卻是，電網陷入了一個致命的經濟悖論。
廉價天然氣壓垮了電價：2024 年，美國基準天然氣現貨價格 (Henry Hub) 創下了經通膨調整後的歷史新低，平均僅為 2.21 美元/百萬英熱單位。由於在大多數電力市場中，天然氣是設定邊際電價的「邊際燃料」，這直接導致了批發電價被壓縮到極低水平。
投資信號失靈：目前的批發電價，系統性地低於能夠吸引資本投資、有盈利地建造新發電廠所需的水平。
這就形成了一個惡性循環：AI 需求如火箭般躥升，但市場給予投資者的價格信號卻在告訴他們「不要蓋新電廠」。
這三重詛咒——發電的緩慢、輸電的堵塞、可靠性的脆弱——再加上經濟上的惡性循環，共同宣告了傳統中央電網模式的死刑。它是一個為昨天那個平穩、可預測的世界所設計的系統，卻在今天這個指數級增長、瞬息萬變的 AI 時代，徹底失能。
這場危機，也為一群全新的「權力新貴」打開了機會的大門。當中央集權的帝國分崩離析時，地方的諸侯便開始崛起。
第二章小結
供需錯配：AI 需求是即時的，但電網建設以十年為單位。
併網地獄：美國併網申請隊伍超過 2,000 GW，平均等待時間從 4 年延長至 7 年以上，且批准率僅 15%。
可靠性不足：傳統電網無法滿足 AI 數據中心「五個九」(99.999%) 的穩定性要求。
經濟悖論：廉價的天然氣壓低了批發電價，導致電力公司缺乏投資新電廠的動力，形成惡性循環。
第三章：權力新貴的崛起：數據中心後院的戰爭
現在，我們將鏡頭拉近，聚焦於那片正在上演激烈權力鬥爭的全新戰場——AI 數據中心的後院。
根據Bloom Energy的報告：「到 2030 年，全球將有 27% 的數據中心設施完全由現場發電 (On-site Generation) 供電。」
為什麼會有這種劇烈的典範轉移？因為第二部分提到的「電網大塞車」，迫使科技巨頭們不能只依靠舊有的「中央大廚房」模式。
舊模式的終結：外送的湯不再熱了
過去一百年，電力遵循的是「規模經濟」：在遠方建立巨大的發電廠（中央大廚房），再通過電網（外送車隊）送到城市。但在 AI 時代，這個模式有兩個致命傷：
外送太慢： 當「外送車隊」卡在高速公路上動彈不得（需等待 7 年併網），數據中心這頭飢餓的巨獸會被餓死。
損耗與風險： 長途傳輸會損失 5%-10% 的能量，且只要一根電線桿倒下，供電就會中斷。
新模式的誕生：後院裡的「私人主廚」
既然「外送」靠不住，唯一的解法就是「自己煮」。
這就是「現場發電」的本質：直接把發電設備搬進數據中心的圍牆內。它雖然犧牲了一點規模經濟（成本可能略高），但它買到了兩樣無價之寶：「時間」與「確定性」。
它解決了 GW 問題（燃眉之急）：你不需要等 5 年的電網擴容，只要設備一到，你立刻擁有了自己的「專屬水管」。
它雖然沒解決 TWh 問題（長期資源）：你依然依賴天然氣供應，但至少你不再受制於脆弱的電網。
因此，這些公司現在賣的不是電力，而是「時間」與「確定性」。這就是為什麼這些公司即使昂貴，也能獲得溢價的原因——它挖井的速度最快。
但這些私人主廚的烹飪方式截然不同。在我們深入分析三家代表公司之前，您必須先看懂這場能源戰爭中的三種核心流派。
「吹氣」流派（Gas Turbines）：噴射機的地面版
原理： 想像一個被釘在地上的飛機引擎。它吸入空氣，燃燒瓦斯，用高速氣流推動葉片旋轉發電。
特性： 力大無窮，適合全天候運轉，效率極高，但啟動和關閉需要時間，不喜歡忽走忽停。
代表選手： GE Vernova。
「推動」流派（Reciprocating Engines）：巨型卡車引擎
原理： 和你的汽車引擎一樣，透過活塞在氣缸內上下「推動」來產生動力。
特性： 反應極快。它可以隨時開機、隨時關機，非常適合用來填補太陽能或風能消失時的短暫缺口，或者作為數據中心的緊急備用電源。
代表選手： Caterpillar
「煉金術」流派（Solid Oxide Fuel Cells）：沒有火焰的燃燒
原理： 不再是依靠燃燒，而是化學反應。將天然氣（或氫氣）輸入盒子裡，透過固態氧化物與空氣反應，直接將化學能轉化為電能。
特性： 安靜、無震動、佔地極小、安裝速度最快。因為沒有燃燒過程，它是最乾淨的過渡方案。
代表選手： Bloom Energy。
Keep reading with a 7-day free trial
Subscribe to FOMO研究院電子報 to keep reading this post and get 7 days of free access to the full post archives.