公用事业行业：AI对用电的影响-260324（25页）.pdf

1、AI对用电的影响行业评级：增持投资要点(行业评级：增持)对电力系统而言，真正构成系统压力和价值重估的，不是年用电量，而是持续运行的平均总负荷。因此我们强调两层口径：第一层是年用电量，判断总量增幅；第二层是平均总负荷，判断对系统和区域供需格局的冲击强度。我们的测算框架，主要围绕新增的智能算力和通用算力，通过测算各自增长的负荷，加上基期的负荷最终得到2030年的总负荷，通过对PUE的假设最后得到总的数据中心用电量。对电力系统而言，真正构成压力和价值重估的，并不仅仅是年用电量的增长，还有持续运行、负荷率较高的平均总负荷。从中性情景来看，到2030年数据中心负荷较2024年新增接近50GW，其增量已达

2、到足以对多个重点区域供需格局、稳定性电源利用小时和系统调节能力形成实质性影响的量级。主线一：高质量稳定性电源一一区域优质煤电、核电资产。(divcenter)主线二：绿电供给与交易能力一一资源禀赋与交易能力兼备的新能源主体。(/divcenter)为什么现在要重估AI用电数据中心正在从边缘负荷转向未来五年最重要的新型优质负荷之-数据中心负荷具备运行连续、负荷率高、对供电可靠性要求更高等特征。与传统工商业用电相比，这类负荷更接近一类准基荷型优质负荷。这意味着其对电力系统和发电资产定价的影响，显著强于普通新增电量。(divcenter)图：北美某数据中心用电负荷曲线(/divcenter)电力价值

3、重估重点：高质量新增负荷对区域供需格局和资产定价的再塑造之前对AI基础设施的关注此前更多集中在服务器、IDC建设和算力资本开支。真正仍未充分定价的，是这部分新增需求将以何种负荷形态落到电力系统，以及它会优先影响哪些区域、哪些电源和哪些资产。因此，发电侧受益不会平均分布，真正受益的是优质区域、优质电源与优质交易能力资产。我们认为，AI带来的不是普通增量电量，而是高负荷率、持续运行、区域集中的优质负荷。分歧不在方向，而在测算口径和资产映射已经接受的部分AI会驱动算力扩张和数据中心建设提速。数据中心会成为未来几年电力需求的重要增量来源。绿电需求和数据中心配套用能约束将成为中长期变量。仍未充分定价的部

4、分新增需求对应的是何种负荷质量，而非简单电量加总。负荷的区域集中度和持续性将如何改变供需格局。哪些电源和资产真正具备承接高质量负荷的能力。测算框架、方法与关键假设这套链条把基期负荷、算力扩张、PUE变化和2030结果连成一个统一闭环，避免了混用不同口径的常见问题。如果只知道2030年会多出几千亿度电，却不知道其背后对应多少平均总负荷、分布在哪些区域、负荷率如何，就很难转化为发电板块投资判断。寸电力系统而言，真正构成系统压力和价值重估的，不是年用电量，而是持续运行的平均总负荷。因此我们强调两层口径：第一层是年用电量，判断总量增幅；第二层是平均总负荷，判断对系统和区域供需格局的冲击强度。结论：先看

5、负荷，再看电量，才能把AI用电预测真正映射到发电资产。截至2024年，全国数据中心总盘已经形成接近19GW的平均总负荷，对电力系统而言已不是边缘变量。2030年的核心不只是“会不会涨”，而是会涨到什么量级、以什么结构兑现。1）研究对象要和电力负荷形成机制一致我们要测的是数据中心电力负荷，更需要对应“已部署、已联网、可调度、实际运行中的基础设施算力”，而不是更宽口径的设备能力或产业能力。工信部/信通院口径更接近基础设施口径，和机房实际形成负荷的逻辑更一致；IDC口径更偏产业侧、设备侧、智算能力侧，适合观察产业景气和智算扩张趋势，但不适合直接拿来映射全国数据中心电力负荷。2）不能把不同精度口径直接

6、拼接当前公开材料里：工信部/信通院口径的总算力，更接近FP32/基础设施口径；IDC/浪潮信息口径的智能算力，很多是FP16口径。这两套数的统计对象和精度体系不同，不能把IDC的智算绝对值直接接到工信部的总算力、通用算力后面做统一测算。如果直接混用，会把模型推高，而且失去口径一致性。3）IDC口径更适合做趋势参考和敏感性分析IDC口径的优势不是“更适合做主模型”，而是：更能体现智算扩张速度；更适合做产业景气观察；更适合做“上沿/高增速”参考因此，主模型统一使用工信部/信通院基础设施算力口径；IDC口径只用于趋势验证、增速参考和敏感性分析，不将两套绝对值直接混入同一主公式。不同口径历史CAGR对