AI数据中心五年投资超5万亿美元能源瓶颈促液冷加速普及

近日，摩根大通策略师团队发布AI数据中心融资需求报告强调，未来五年AI数据中心的建设热潮至少需要5万亿美元，甚至可能高达7万亿美元的资金支撑，展现出AI基础设施庞大的市场规模。

东吴证券认为，当前AI产业正处于从技术突破迈向平台化与产业化的爆发期，全球算力、存储及高速互联需求进入指数级扩张阶段。

与此同时，谷歌、微软等国内外科技巨头，为支撑AI发展需要，已将“AI算力军备赛”卷向能源领域，作为数据中心降低能耗的重要手段，液冷技术进入加速渗透期。

在此背景下，联想集团等软硬件提供商凭借在算力产业链的深度布局，尤其是液冷等关键领域的领先优势，正受益于市场规模持续扩张与需求结构变化带来的双重机遇，进入新一轮成长周期。

摩根大通研报指出，全球AI和数据中心的建设将是一次“非同凡响且持续的资本市场事件”。报告基础预测显示，仅在2026年至2030年间，全球就需要新增122吉瓦的数据中心基础设施容量。相比之下，据国际能源署（IEA）预计，2025年全球数据中心装机容量将为114.3吉瓦。这意味着，未来5年间全球数据中心容量将增加超过一倍。

值得注意的是，摩根大通还基于全球半导体订单数据，给出了未来3年数据中心规模增长144吉瓦的更乐观预测。换言之，在乐观预测之下，全球数据中心容量翻倍所需时间将不足3年。

并且，考虑到技术迭代之下单位算力能耗的大幅下降，期间算力规模增速无疑远高于数据中心容量增速，充分印证了东吴证券关于算力等需求指数级扩张的论断。

这种大规模的算力增长，为产业链企业带来了强劲的市场需求，并带动其业绩与估值的持续上升。近日，高盛、里昂等国际投行接连上调联想集团等企业的业绩预期与目标价，均与相关企业在算力产业链相关业务密切相关。

IDC数据显示，联想集团2025年第一季度x86服务器同比增速高达74.8%。2025/2026财年第一季度（自然年第二季度），联想集团人工智能服务器业务收入增速更是超过一倍。高盛表示，联想集团服务器业务产品持续升级，价位向1万至10万美元迈进，推动基础设施方案业务（ISG）收入增长，将公司2027及2028财年的非香港财务报告准则净收入预测分别上调2%及1%，维持“买入”评级。

从全球AI发展阶段来看，应用端的加速落地与技术端的突破性升级，是当前算力需求爆发的两大驱动因素。

在应用端，业界普遍认为，AI已经进入大规模落地应用的关键节点。AI从实验室进入日常生产生活的方方面面，并开始为AI应用企业带来日益丰厚的业绩收益。如联想集团的AI PC在个人电脑总出货量中的占比已超过30%；公司于今年5月发布的“天禧个人超级智能体”，平均周活跃度已达到40%；乐享超级智能体半年创收18.9亿元。国内外人形机器人、智能眼镜等AI应用赛道，亦开始进入商业化节点。大规模的AI应用，促使推理侧接棒训练侧，成为算力需求增长的新引擎。

在技术端，大模型参数的不断扩张与升级，背后则是训练侧、推理测算力需求的同步指数级增长。以10月初OpenAI旗下爆火的Sora 2为例，据开源证券测算，训练侧Sora至少需要4200-10500块H100 GPU训练1个月；推理阶段，估计单片H100 GPU每小时最多可以生成约5分钟的视频，较LLM推理算力需求高几个数量级。

与此同时，大模型训练技术的演进，也在带来算力需求的强劲增长。今年以来，Mid-Training逐渐崛起，打破“预训练+后训练”二段式范式，构建三段式架构，成为头部实验室算力消耗的核心驱动，取代Pre-Training成为新的竞争焦点。

在技术原理上，东吴证券指出，Mid-Training通过强化学习与合成数据生成，将算力投入从“盲目扩张”转向“精确提效”，本质上是用更高算力驱动更高质量的数据生产与模型迭代，形成新的正反馈飞轮。可以说，Mid-Training把AI训练的算力投入从一次性支出转变为持续复利型资产，推动行业从“算力消耗”迈向“算力投资”，也因此成为全球科技巨头在AI军备竞赛中不断加码数据中心的核心原因。

从应用端推理算力需求进入爆发节点，到训练侧大模型技术升级，再到大模型训练模式变革，不难预测，未来这三大环节若继续出现突破性进展，全球算力需求增速还有望继续提升，从而带来算力投资增长的进一步加速。

这在当前阶段已有验证。近日，国际知名机构TrendForce上修了2025年全球八大主要CSP厂商资本开支总额增长率至65%（原值61%），并预期2026年CSPs仍将维持积极的投资节奏，合计资本支出将进一步推升至6000亿美元以上，年增40%。信达证券表示，这波资本支出成长将激励AI Server需求全面升温，并带动GPU/ASIC、存储器、封装材料等上游供应链同步扩张，驱动AI硬件生态链迈入新一轮结构性成长周期。这也意味着，联想集团等算力产业链企业，未来仍有超预期增长的可能，企业估值也存在随之上升的更大空间。

摩根大通表示，这场万亿美元级别的AI算力投资热潮，仍面临物理世界的“硬约束”，其中电力是最大的瓶颈。

其分析称，天然气涡轮机的新订单交付周期已延长至3-4年，而核电站的建设周期则长达十年以上，均无法满足短期的数据中心能源增长需求。在满足新增电力需求的同时平衡居民电价，将成为一个美国敏感的政治经济问题。

公开信息显示，仅10月以来，即出现谷歌与NextEra、道达尔，微软与阿布扎比国家石油公司、Masdar、IREN，Applied Digital与‌Babcock & Wilcox，Brookfield与Bloom Energy等多个AI产业链企业与能源提供商之间的大规模合作。其中不乏近百亿美元的巨大金额与长达25年的长期协议，电力来源也覆盖水电、核电、风电、太阳能、天然气发电、燃料电池等多种类型。

如此密集的大规模、长时间、多元电力订单合作，表明摩根大通所述能源瓶颈已不再是未来预测，而是成为了“现在时”。AI科技企业们已达成默契：谁能率先解决能源保障问题，谁就能在这场算力军备赛中占得先机，从而增强其AI大模型与应用的市场竞争能力。

如果说与能源供应商绑定，是解决能源瓶颈问题的“开源”措施，通过降低数据中心PUE（电源使用效率，计算公式为数据中心总能耗与IT设备能耗的比值，其值越接近1表明能效越高）实现“节流”，则是国内外普遍选择的另一路径。

我国发布的《数据中心绿色低碳发展专项计划》规定，到2025年底，全国数据中心整体PUE需降至1.5以下；新建及改扩建大型和超大型数据中心PUE降至1.25以内，且国家枢纽节点数据中心项目PUE≤1.2。欧洲亦规定自2026年7月起，现有数据中心需满足PUE1.5，2030年进一步降至1.3以下；新建数据中心自2026年起PUE需小于1.2。

如此低的PUE值要求，使得具备散热效率高、能耗低、噪音小等优势的液冷方案，从“技术备选”升级为“刚需配置”，进入加速渗透期。如联想集团研发的“海神”温水水冷系统，采用100%全覆盖冷板式液冷设计，功耗比传统风冷直降40%，PUE值可以降至1.1以下。公司今年新发布的双循环相变浸没制冷系统，则通过创新的外接单相换热器设计，实现相变腔体温度的精准控制和沸腾换热效能的显著提升，散热能力较传统方案翻倍提升，系统PUE可低至1.035。

目前，英伟达最新商用的GB200系列及以后技术，均采用液冷技术散热，100%全液冷架构，液冷覆盖CPU、GPU、内存等核心部件。其他AI科技巨头如谷歌、微软等，均将数据中心冷却方案从风冷向液冷转型。

值得注意的人，除“海神”温水水冷系统与双循环相变浸没制冷系统之外，联想集团还于今年发布了飞鱼仿生散热设计，采用单相浸没式技术路线，解决散热器性能瓶颈。这种多路线并行的布局策略，一方面表明不同液冷技术路线之间的竞争尚未收敛，另一方面也表明，在算力能源瓶颈背景下，液冷技术在不同场景中均具备较大市场需求。

国信证券指出，目前国内运营商、互联网建设数据中心均逐步选择液冷方案，国内数据中心液冷渗透率有望于2025年进入加速期。其测算，到2026年，国内AI服务器液冷渗透率将超过50%，2027年占比进一步扩大，或达200亿元以上。海外方面，2026年仅英伟达液冷应用便可带来超70亿美元液冷规模。

随着AI技术升级与应用爆发的共同推动，超5万亿美元大规模算力投资热潮逐渐落地，以及能源瓶颈激发的液冷渗透率逐渐提升，联想集团等从服务器、存储、网络设备，到液冷技术实现全面布局的算力基础设施提供商，业绩增长与估值提升潜力将持续释放。