摩根大通AI产业深度报告：数据中心建设热潮重塑美国经济格局

11月10日，摩根大通公布了一份极具影响力的AI行业分析报告，以近乎“解剖式”的细节展现了当前产业的全景图：

从美国数据中心建设的实际进展、电力系统承受的负荷压力，到科技巨头的资本支出、融资渠道及债务构成，再到商业化变现的逻辑与经济可行性评估。

这份报告数据丰富、覆盖全面，深入解答了市场核心关切，具有很高的参考价值。

报告中几个关键结论值得重点关注：

1）美国的数据中心建设正从科技巨头向更广泛的企业延伸，这股建设浪潮独自支撑了今年美国的非住宅建筑投资。若剔除数据中心，非住宅投资实则呈现负增长，凸显AI基建已成为美国经济的重要支柱。

2）全美规划中的数据中⼼容量虽超过300吉瓦，但摩根大通认为实际可落地的仅为175–200吉瓦。即便如此，未来十年年新增容量仍将达18–20吉瓦，是过去年均4吉瓦的五倍以上。

3）从2024年9月到2025年，美国有超过100吉瓦的新发电项目排队并网，天然气仍是主力，其规划容量在一年内激增158%至147吉瓦。这反映出电力供应已成为AI扩张的首要瓶颈。

4）微软、亚马逊、Meta等巨头账面现金充裕，但持续两位数的资本开支正侵蚀自由现金流，推动它们从“自有资金”转向“借贷建AI”。同时，数据中心相关的证券化融资规模迅速增长，成为新的基建融资渠道。

5）更重要的是，摩根大通测算，若要使AI基建获得10%的合理投资回报率，行业每年需创造约6500亿美元收入，相当于全球GDP的0.6%。这意味着每位iPhone用户每月需多付35美元，年增420美元。

作为参照，去年全球iOS用户月均应用支出仅10.4美元——达成该收入目标意味着AI变现能力需提升三倍以上。

01

AI基建，成美国经济增长“顶梁柱”

过去，数据中⼼规模常以“兆瓦（MW）”衡量；如今，行业已转向“吉瓦（GW）”。单位变化揭示：数据中心正进入千倍量级扩张时代。

历史上，数据中心年新增装机约2吉瓦。但AI热潮推动增速飙升：2024年翻倍，2025年再翻，2026年或突破10吉瓦。

部分企业披露GPU订单同比增超70%，行业明确进入高增长周期。

设备商Vertiv预测印证趋势：2025至2029年，全球将新增约100吉瓦装机。AI爆发前，全球总装机仅50吉瓦。这意味着五年内行业容量将翻两番。

那么，数据中心建设潮谁在主导？

当前扩张仍由云三巨头（AWS、微软、谷歌）引领，但新参与者快速涌入。过去一年，非巨头企业项目已占约四分之一份额。

参与者数量指数级增长。迄今约65家公司握有超1吉瓦待建项目，去年仅23家；另有近200家企业积极推动数据中⼼业务。

摩根大通估算，这些投资支撑约1.9万至2万 EFLOPS的GPU算力，而2023年全球仅约2000 EFLOPS。算力两年扩张近10倍。

建设进展如何？

美国人口普查局已独立统计“数据中心支出”。最新数据显示，数据中心继续推动非住宅建筑投资。虽支出规模非最大，但在非住宅建筑中占比已达6%，未来空间巨大。

制造业支出是其五倍，但若剔除数据中心，美国今年非住宅投资实为下降。故数据中心几成唯一逆势扩张板块。

为验证趋势，摩根大通自2023年1月建立追踪系统。迄今，美国规划或推进中项目总规模超315吉瓦，仅2025年初季度新增165吉瓦。去年同期约130吉瓦，而2022年底AI相关装机仅20吉瓦。

但从落地看，情况不乐观。摩根大通追踪600多个项目中，真正投用的极少。

当前在建装机约25吉瓦。虽追踪项目潜在规划超300吉瓦，但这基于所有剩余土地可顺利开发的不现实前提。

考虑选址、电网、环保、供应链等限制，更可信区间为175–200吉瓦。即便按此保守估算，未来十年年新增仍18–20吉瓦，为过去五倍以上。

更大限制在供给端而非需求端。美国电网无法支撑300吉瓦级数据中心同时运行，电力基础设施已成最关键约束。

02

需求增长翻倍，电力真不够用了

美国数据中心数量激增，但电力系统跟不上节奏。

劳伦斯伯克利国家实验室预计，到2028年，美国数据中心年用电量可能从当前175TWh飙升至325–580 TWh。

为支撑此需求，美国需新增至少100吉瓦发电能力，否则新建数据中心恐面临“建好无法开机”困境。

问题在于，新增电力产能非即刻可解。天然气发电设备交付需3–4年，新建核电站需10年以上且常超预算。

于是，更多科技巨头考虑“自建电厂”（BYOG），但同样面临审批漫长、建设周期长、前期投入大等障碍。

未来几年确有不少发电项目上线。仅在2024年9月至2025年间，超100吉瓦新发电容量排队并网，天然气仍是主力，因成本、稳定性、扩张速度更具现实性。

天然气项目规划容量升至147吉瓦，较去年同期暴增158%。可再生能源在并网排队中居首，但许多项目为抢税收优惠，实际快速投产比例不高。核能、储能等前景技术，近年几无新增，短期难指望。

更关键的是，即使不计AI数据中心，美国电力需求已在稳步上升。

家庭用电设备增多、电动车普及加速、商业工业建筑电气化，使美国过去十年电力需求年均增1%。而现在，仅AI数据中心一项，就可能将需求增速翻倍至2%或更高。

但因过去几年电价偏低，叠加疫情与供应链阻塞，许多电力公司对新增电厂投资谨慎，导致供给明显滞后。

近年，美国居民用电价格累计显著上涨，引发担忧：数据中心是否“抢走”民用电？

监管机构重点盯紧两点：

第一， 不让普通用户替数据中心买单。故当前数据中心购电协议（PPA）常附高额违约金，确保企业退出不转嫁成本；

第二， 避免“特权电价”。现多数数据中心采用“表前”购电模式，与普通用户一样从电网采购，不再通过优惠挤占资源。

全国范围，居民电价占收入比仍可控。但在加州、新泽西等高电价州，用电负担已不轻，故监管格外敏感，强化对数据中心扩张与当地电力负担的审查。

03

科技巨头进入“债务融资”时代，Oracle压力最大

AI爆发推动数据中心和算力投资加速：全球数据中心资本开支已冲至年4500亿美元。

尽管微软、亚马逊、Alphabet、Meta、Oracle等超级科技公司现金流强劲，但持续两位数增长的资本开支压缩自由现金流，迫使它们从“自掏腰包”转向债务融资：

Oracle在9月发行180亿美元债券；

Meta刚完成创纪录的300亿美元发债；

Alphabet过去一年累计发债360亿美元，并在欧元与美元市场形成“常态化”融资节奏。

这些资金几乎全用于支撑AI芯片、数据中心、电力、服务器等巨额投入。

谷歌手握约1000亿美元现金，负债率低，故能维持“正常化发债”策略，如年发债约350亿美元，同时保持资产负债表稳健。

Meta融资方式更激进。以不久前273亿美元的Beignet Investor LLC交易为例，Blue Owl持该项目80%权益，不会立即体现在Meta资产负债表。

仅到2029年项目进入租赁期后，相关义务才计入债务指标。此结构让Meta能轻装扩张、减少公开市场发债频率。

相比之下，亚马逊情况更微妙。其资本开支最高，2025年预计达1500亿美元，但三年来未发新债。若AI投资续升，亚马逊大概率重返债券市场。

微软仍最“财大气粗”：现金最强、资产负债表最稳，发债需求最小。过去大型收购（如750亿美元收购动视暴雪）也倾向全现金完成。

同时，微软通过投资CoreWeave、nScale等第三方基础设施，借“外部云”分摊自建压力，实为“资本轻量化扩张”。

压力最大无疑是Oracle。其债务问题已成结构性风险。截至2026财年一季度，Oracle总债务达910亿美元，9月再发180亿美元，使公司债务破1000亿美元。

市场对此债券认购热情，订单达880亿美元。摩根大通认为，热情更多因市场缺乏“AI主题”投资级新债，而非Oracle信用优异。

虽Oracle短期债务压力不大，但从2026年起，到期规模迅速抬升：2026年有57.5亿美元到期，2027年还50亿美元。

叠加高资本开支与分红需求，Oracle未来几年大概率成公开债市常客。但Oracle评级处BBB中段且展望为负，后续融资灵活性下降。

虽这些科技巨头仍是全球最受欢迎投资选择，但市场情绪微妙变化。Meta的300亿美元发债曾让利差走高约20基点，Oracle的180亿美元发债利差走高30–40基点，显示投资者更审慎定价“AI债”。

同时，像Beignet这样的结构化融资走向主流。它本质是“租用自建数据中心”、但由外部私募基金先行购买资产：

钱由Blue Owl等机构出，Meta账面上保持轻负载，未来按租金使用自建数据中心。这让科技公司在保持信用评级下继续扩张。

除科技巨头融资外，数据中心证券化发行规模迅速攀升。

今年来，相关ABS、CMBS发行量达212亿美元，比去年近翻倍，占整个新发行市场5%。大部分交易来自已建成投用数据中心，因成熟项目风险小、租金稳定，投资者更放心。

目前，市场“用证券化融资建设中项目”情况仍稀少，仅出现一笔4.74亿美元交易，用于伊利诺伊州30兆瓦数据中心，融资利率明显高于成熟项目。

同时，AI相关企业债券发行量猛增：

数据中心类债券今年已发行440亿美元，是2024年10倍；

投资级科技企业债券占整个债市14.5%，已与美国大型银行齐平。

当前看，市场有足够钱“接住”本轮AI债，其中美国高收益债市场规模1.56万亿美元，杠杆贷款市场规模1.67万亿美元，私募信贷管理规模1.73万亿美元，闲置资源4660亿美元。

换言之，市面至少5万亿美元“杠杆资本”寻找新资产。而AI很可能成这些钱的目的地。

04

AI想投资回本，每个苹果用户每月要多花250块

当前AI投资热潮中，真正不确定风险仅两个：能否变现，及会否被技术颠覆。

首先须承认，AI不是小投资。行业建设成本或超5万亿美元，包括数据中心、电力、GPU，及配套能源设施、土地、冷却系统、人力成本。

真正决定成败的，是这些投入能否赚回，及未来技术会否让现有投资成沉没成本。

历史上，有类似场景。二十年前电信行业，大量企业砸钱建光纤和无线网络，期待互联网流量带来长期增长。但现实是，需求远不及预期，商业模式难覆盖巨额成本，最终泡沫破裂、企业倒下。

那段历史说明：技术革命本身不赚钱，赚钱的是商业模式。

今日AI同样如此。AI数据中心可不断建，但谁为算力买单？消费者是否愿月多掏几十美元？企业是否真能用AI提效增收？这些问题至今无定论。

以谷歌为例，AI确实改变其核心业务搜索。

越来越多用户不再点击传统搜索链接，而是直接阅读AI生成答案。这让依赖搜索流量的网站访问量降30-40%，影响巨大。但对谷歌自身，这种转变或是好事，因它逐步从“推荐搜索结果”转向“直接给出答案”，强化用户黏性，提升变现潜力。

关于AI投资回报，摩根大通做了有意义敏感性分析：

若要实现10%合理投资回报率，未来每年AI行业需创造约6500亿美元收入，相当于全球GDP近0.6%。

为让数字更直观：这像让每位iPhone用户月多付35美元，年多付420美元；或Netflix用户月多交180美元，年多付2160美元。

这是什么水平？据外网博客数据，2024年iOS活跃用户14.6亿至18亿，用户月均应用支出10.4美元，相当于比原有花费增3倍多。

若回报率升至14%，数字则升至53美元和274美元。

虽不指望消费者承担所有成本，但问题是，目前AI带来的效率提升，是否已能创造如此大价值？

另一风险在“技术效率极端跃升”可能带来的冲击。今年1月，DeepSeek发布R1模型，号称性能媲美OpenAI但成本更低。

消息一出，英伟达市值瞬间蒸发6000亿美元。此类突如其来技术进步，让市场重新思考AI行业成本结构与领先地位。

若真有公司能以更低成本提供相同算力，那么现有投入的商业价值就可能被重估，形成“范式转移”。

当前，大量中小公司也积极参与AI基础设施建设。如WULF、Cipher等公司通过发债融资建AI数据中心，再租算力给谷歌等大客户。这些项目特点是：

风险由大公司兜底（如谷歌承诺支付租金），看似更稳健。但此类模式也可能放大市场对未来AI需求的乐观预期，若后续变现不及预期，小公司或成最先受影响链条。

当然，若整个行业收入规模不如预期，也可能出现另一情况：赢者通吃。少数具技术、资本、生态优势的企业跑出，其余玩家难以为继。