#人工智能[超话]# 数据中心不是只有算力瓶颈，还有电力瓶颈。

尤其是在北美，很多大型数据中心项目并不是没有钱买GPU，也不是没有需求，而是等不来电网接入。排队接电、变压器短缺、电力审批周期长，已经成为AI基础设施建设中非常现实的约束。

所以，越来越多云厂商和数据中心运营商开始考虑一种更直接的方案：

绕开电网，自己发电。

这也是为什么天然气现场发电、燃气轮机、往复式发动机这些过去相对传统的设备，突然被AI数据中心重新定价。

一个很有意思的数据是，在已披露时间表、计划使用现场天然气发电的美国数据中心项目中，大约55%计划使用燃气轮机，29%计划使用往复式发动机。所谓往复式发动机，本质上就是汽车、船舶等场景使用的那类发动机，只是现在被拿来给数据中心供电。

为什么这种“小发动机”突然变香？

核心不是因为它最先进，而是因为它更快、更便宜、更容易拿到货。

重型公用事业级燃气轮机的交付周期可能长达7到8年，航空衍生型燃机也可能需要接近3年，而往复式发动机通常1到2年就能交付。对正在抢AI基础设施窗口期的数据中心来说，时间本身就是价值。

这背后反映的是一个非常重要的产业变化：

AI数据中心正在从“买算力”进入“抢能源”的阶段。

过去大家以为AI基础设施的核心瓶颈在芯片，现在看，芯片只是第一层。真正要把GPU变成可用算力，还需要土地、电力、冷却、光通信、运维和能源调度系统。

特别是大规模AI数据中心，用电负荷波动很大。往复式发动机相比燃气轮机，有一个优势是响应速度更快，更适合应对数据中心负载的快速变化，同时可以减少现场电池储能的配置需求。它在高温地区表现也更稳定，对水冷需求更低，这对于德州这类天然气资源丰富、数据中心密集扩张的地区尤其重要。

从成本看，这条路线也有吸引力。根据测算，基于发动机的离网天然气发电系统，30年周期平准化成本约为103美元/MWh，低于燃机系统的106—109.5美元/MWh，也明显低于燃料电池方案的140美元/MWh。

这就解释了为什么相关设备公司订单突然变得很热。

Innio的Jenbacher发动机在已公告的数据中心现场天然气发电项目中对应约8.3GW容量；劳斯莱斯和卡特彼勒分别对应约3.7GW和3.6GW。Vantage Data Centers在德州Stargate Frontier园区计划使用620台Jenbacher发动机，总容量达到2.58GW。

这不是小打小闹，而是GW级别的数据中心能源基础设施。

更重要的是，设备销售只是第一层收益。发动机需要高频维护，而数据中心使用强度又很高，这意味着后续服务收入可能比一次性设备收入更有价值。Innio去年服务业务EBITDA利润率约29%，高于设备业务15%的水平。换句话说，卖发动机只是入口，长期运维和服务才是利润池。

但这条产业链也不是没有风险。

最大的风险是：产能会不会过度扩张。

卡特彼勒已经表示要把燃机产能提升2.5倍，并将大型往复式发动机产能提升至2024年水平的3倍；Innio也计划到2030年将制造产能扩大至约10GW。更关键的是，全球各类发动机制造能力非常庞大，虽然当前专门用于电力行业的发动机产能大约15GW，但覆盖船舶、重型设备等用途的总发动机制造能力可达250GW，其中部分产能只需较小投入就可以转向数据中心发电市场。

这意味着，短期订单很火，长期却要防止供给侧一拥而上。

这和很多AI产业链环节类似：需求真实，但一旦资本市场给出高估值，产能扩张往往会加速，最后就要看谁的产品技术、交付能力、服务能力和客户粘性更强。

对于AI投资来说，这件事的启发很明确：

AI基础设施不是单一芯片行情，而是一整套能源、网络、算力、冷却和工程能力的系统性重估。

市场此前只盯GPU，后来开始看光模块、交换机、PCB、液冷、存储。现在又进一步看到电力和能源设备。未来真正有价值的，不只是“直接卖给AI”的公司，也包括那些因为AI数据中心扩张而被重新定义需求曲线的传统工业公司。

但同时也要保持清醒：

凡是突然被AI叙事点燃的传统行业，都要同时看需求弹性和供给弹性。

如果需求很强，但供给扩张更快，最后未必能持续赚钱；如果需求持续增长，而供给受到技术、交付、认证、服务网络等约束，才可能形成真正的产业红利。