AI 時代的電力爭奪戰：資料中心、電網與能源的未來(VST、CEG、CORZ、IREN)

近年來，人工智慧（AI）的快速發展，特別是生成式 AI 和大型語言模型的興起，對全球資料中心的運算能力提出了前所未有的需求。然而，這股 AI 熱潮也帶來了一個關鍵挑戰：電力供應能否跟上腳步？本文將深入探討 AI 發展對電力需求的影響，回顧過去電力產業的歷史經驗，並分析傳統電力供應商、現代電力供應商以及資料中心營運商在產業鏈中的角色、機會與挑戰。

一、AI 浪潮下的電力需求激增

AI，特別是深度學習模型，需要大量的運算資源。這些運算主要由圖形處理器（GPU）來執行，而 GPU 的耗電量遠高於傳統的中央處理器（CPU）。隨著 AI 模型日益複雜，資料中心對電力的需求也呈現爆炸性增長。

以美國喬治亞州為例，該州電力公司預估，未來十年內，資料中心的電力需求將增加 31,000 MW（百萬瓦），相當於目前總需求的兩倍。這還僅僅是一個州的預測，若將範圍擴大到全美甚至全球，資料中心的電力需求增長將更為驚人。

為了滿足如此龐大的電力需求，不僅需要新建大量發電廠，還需要對現有的輸電網路進行升級改造，整體投資規模可能高達數千億美元。

先說結論，我們目前看好的是礦場轉型為資料中心的CORZ以及IREN，目前才剛開始經營方格子，不確定是否要將自身非常主觀的投資想法呈現，因此目前還是以較為客觀的方式寫文章，後續結論由讀者自行判斷。

二、歷史的借鑒：電力泡沫與開發商的良莠不齊

回顧 2000 年代初的美國電力市場，我們可以看到一段與當前 AI 發展相似的歷史。當時，隨著網路泡沫的興起和電力市場的自由化，許多公司紛紛投入電廠建設，期望從中獲利。然而，由於市場過度擴張、監管不完善以及部分開發商的不當行為，最終導致了電力泡沫的破滅。

這段歷史給我們帶來了重要的啟示：

1. 電力基礎設施的建設具有高度的專業性和複雜性。 從電廠選址、設計、建設到併網，每個環節都需要精密的規劃和專業的技術。並非所有公司都具備這樣的能力。
2. 市場的盲目擴張和投機行為可能導致資源錯配和泡沫產生。 在 AI 發展的初期，可能會出現大量公司湧入資料中心產業，但其中一些公司可能缺乏必要的技術和經驗，最終導致項目失敗或資產貶值。
3. 監管機構的角色至關重要。 在電力市場中，監管機構需要平衡電力供應的穩定性、價格的合理性以及環境保護等多重目標。在 AI 時代，監管機構同樣需要對資料中心的發展進行引導和規範。

三、電力供應商的轉型與挑戰

在 AI 時代，電力供應商的角色變得更加複雜和關鍵。我們可以將其分為兩大類：

1. 傳統電力供應商：
2. • 定義： 指的是歷史悠久、主要依靠燃煤、燃氣、核能等傳統發電方式，並擁有龐大輸配電網路的公用事業公司。
   • 案例： 美國的 Duke Energy、Southern Company、Exelon，歐洲的 EDF、Enel，台灣的台灣電力公司等。
   • 優勢：
   • • 擁有龐大的發電資產和輸配電網路，具備規模經濟效益。
     • 在電力市場運營、調度、管理方面經驗豐富。
     • 與政府和監管機構關係密切，較容易獲得項目許可。
   • 挑戰：
   • • 發電結構相對老化，碳排放較高，面臨環保壓力。
     • 輸配電網路可能無法滿足 AI 資料中心對電力品質和穩定性的高要求。
     • 組織架構龐大，決策流程較長，對市場變化反應較慢。
     • 可能受到監管限制，難以將電力以高價出售給資料中心，獲取超額利潤。
     • 案例：美國賓州薩斯奎哈納核電廠（Susquehanna Steam Electric Station）的所有者 Talon Energy 曾計劃與亞馬遜 AWS 合作，將核電廠的電力直接供應給 AWS 的資料中心。但此舉遭到聯邦能源監管委員會（FERC）的反對，理由是可能影響當地居民的用電權益和電價。
2. 現代電力供應商（結合 AI 需求）：
3. • 定義： 指的是能夠針對 AI 資料中心的特殊需求，提供客製化電力解決方案的公司。這些公司可能具備以下特點：
   • • 更靈活的發電結構，能夠快速調整發電量以應對 AI 負載的波動。
     • 更先進的輸配電技術，能夠提供高品質、高可靠性的電力。
     • 更注重再生能源的利用，以滿足資料中心的環保需求。
     • 更強的數據分析和優化能力，能夠幫助資料中心提高能源效率。
   
   • 案例：
   • • Core Scientific (CORZ)： 這家公司原本是一家比特幣挖礦公司，但近年來積極轉型為 AI 資料中心提供電力和託管服務。他們擁有自己的發電設施，並與多個電力公司簽訂了長期購電協議。
     • Iris Energy (IREN)： 另一家從比特幣挖礦轉型到AI的公司，強調其在電力採購和資料中心營運方面的專業知識。特別值得一提的是，IREN 在德州擁有一個 1400 MW 的大型站點，並已預先訂購了所有長交期的輸電設備，顯示出其在電力基礎設施方面的優勢。
   • 優勢：
   • • 更貼近 AI 資料中心的特殊需求，能夠提供更具競爭力的解決方案。
     • 更靈活的商業模式，能夠快速適應市場變化。
     • 更注重技術創新，能夠利用先進技術提高能源效率。
   • 挑戰：
   • • 相較於傳統電力公司，規模較小，資金實力較弱。
     • 在電力市場的經驗和資源可能不如傳統電力公司。
     • 需要與傳統電力公司競爭，爭奪有限的電力資源和客戶。
     • 案例： Iren的案例展現了他們與眾不同的地方，他們在德州有一個1400MW的大型站點，可以容納高達90萬個GPU。

四、資料中心營運商的多元化

資料中心營運商是 AI 產業鏈中的核心環節，他們直接面對 AI 應用的需求，並負責資料中心的建設、運營和維護。在 AI 時代，資料中心營運商也呈現出多元化的發展趨勢：

1. 傳統資料中心營運商：
2. • 定義： 指的是主要為企業客戶提供 IT 基礎設施託管服務的公司，例如伺服器、儲存設備、網路設備等。
   • 案例： Equinix、Digital Realty、GDS Holdings（萬國數據）等。
   • 優勢：
   • • 擁有廣泛的客戶基礎和全球佈局。
     • 在資料中心建設和運營方面經驗豐富。
     • 能夠提供多樣化的 IT 服務，滿足客戶的不同需求。
   • 挑戰：
   • • 可能缺乏針對 AI 應用的特殊優化，例如高密度電力供應、高效散熱等。
     • 可能需要與電力公司或新型電力供應商合作，以確保 AI 資料中心的電力需求得到滿足。
2. AI 資料中心營運商：
3. • 定義： 指的是專門為 AI 應用提供運算資源和服務的公司，例如 GPU 雲端服務、AI 模型訓練平台等。
   • 案例： Core Scientific、Iris Energy、Nebius（前景較不明確）等。
   • 優勢：
   • • 更了解 AI 應用的需求，能夠提供更專業的解決方案。
     • 更注重 GPU 等硬體資源的優化利用，提高運算效率。
     • 可能與 AI 軟體開發商、研究機構等建立更緊密的合作關係。
   • 挑戰：
   • • 需要持續投入大量資金，以更新硬體設施和擴大運算規模。
     • 需要面對來自傳統資料中心營運商和雲端服務供應商的競爭。
3. 雲端服務供應商：
4. • 定義： 指的是提供雲端運算服務的巨頭公司，例如亞馬遜 AWS、微軟 Azure、Google Cloud 等。
   • 優勢：
   • • 擁有龐大的雲端基礎設施和全球覆蓋。
     • 能夠提供從 IaaS、PaaS 到 SaaS 的全方位雲端服務。
     • 具備強大的技術研發能力和生態系統。
   • 挑戰：
   • • 需要平衡通用雲端服務和 AI 專用服務之間的資源分配。
     • 可能面臨來自 AI 資料中心營運商在專業性和客製化方面的競爭。
   
   補充：Nebius 具有一定潛力，但資訊透明度較低，需要更多訊息來判斷。五、從電力泡沫的經驗看資料中心開發案例如同2000年初的電力泡沫，許多公司因為不良的電廠設計和開發策略而破產。不良的設計包含：
   • Tico Panda: 過大的電廠規模（2000MW），只為了讓開發者獲得更多費用。
   • MacGen: 選用有問題的Siemens渦輪，且在路易斯安那州和亞利桑那州使用了不適合的空氣冷卻冷凝器，導致在夏天高溫時，發電量大幅下降。
   • La Paloma: 效率較低的發電設計，且位於加州電力傳輸受限的區域。
   • KGen: 雖然是Duke Energy的子公司，但是公用事業級別，所以具有工業廢水許可證，比較不怕缺水，有地理位置的優勢。
   這些歷史案例顯示，資料中心的開發，除了要有足夠的資金，更需要專業知識和對細節的掌握。六、結論：關注長期趨勢，把握結構性機會AI 的發展對電力需求的影響是長期且深遠的。這不僅僅是一個技術問題，更是一個涉及能源、環境、經濟和社會等多個層面的複雜問題。對於投資者而言，關注 AI 時代的電力需求，並非簡單地追逐熱點，而是要深入理解產業鏈的各個環節，把握其中的結構性機會。在眾多公司中，那些具備電力專業知識、能夠有效管理電力成本、並與電力公司建立良好合作關係的資料中心營運商，更有可能在未來的競爭中脫穎而出。同時也必須注意像是Nebiues這類公司的風險，因為資訊不夠透明。此外，以下幾點是投資者需要特別關注的：
   • 電力是AI發展的基石：沒有足夠的電力，再先進的AI晶片也無法運作。
   • 長期合約的重要性: 確保電力供應的穩定性。
   • 發電廠的地點：好的發電地點是戰略優勢，靠近輸電網路、有水資源等。
   • 開發商的品質差異：就像過去的電力泡沫一樣，現在的資料中心開發商良莠不齊，需要仔細評估。
   • 監管的影響：政府和監管機構的政策將對電力市場和資料中心產業產生重大影響。
   • 技術的演進: GPU以及發電廠的技術都在進步。
   總之，AI 時代的電力爭奪戰已經打響。這場戰爭不僅將決定 AI 產業的未來格局，也將對全球能源體系產生深遠影響。