亚洲AI算力扩张遭遇电力瓶颈
N.R. Finch
摩根士丹利估计亚太数据中心用电到2030年将超过100吉瓦，年复合增速约23%，但亚洲本地能源生产仅能满足约三分之一的需求——电力供应正成为AI算力部署的首要瓶颈。
亚洲要建多少数据中心？
摩根士丹利估计，覆盖马来西亚、新加坡、日本、印度、中国等市场，亚洲数据中心总装机容量可能达到约100吉瓦。
数据中心用电量将从2023年的193太瓦时增至2030年的832太瓦时，年复合增速约23%，与美国大致相当。
这意味着→ 到2030年，数据中心将占亚洲总电力需求的3%，但占全部新增需求的15%——增量压力远大于存量占比。
为什么电力比机房面积更紧缺？
当前AI GPU机架单架功耗为40至200千瓦，而传统企业级机架仅5至15千瓦，下一代平台还将进一步攀升至数百千瓦。
用大白话说＝ 一个AI机柜的耗电量，顶得上十几个甚至几十个传统机柜，瓶颈已经从"找不到房间"变成"接不上电"。
这反映出数据中心的核心制约已从空间转向功率密度、散热与电网接入，电力基础设施的就绪程度直接决定交付时间。
亚洲自身的能源够用吗？
国际能源署数据显示，亚洲过去十年能源消耗增长50%，但传统能源供应链投资已降至历史低位，目前甚至低于数据中心投资规模。
亚洲消耗的能源约占全球总量的一半，但本地生产仅能满足约三分之一的需求。
这意味着→ 算力扩张叠加在一个本已吃紧的能源底盘上，供需失衡将随AI需求上升愈发难以为继。
钱会流向哪里？
摩根士丹利预计，能源安全与AI供电需求将共同驱动亚洲超过5万亿美元的投资超级周期，并带动约9万亿美元的价值创造。
区域能源资本开支预计到2030年接近翻倍，涵盖煤炭、天然气、可再生能源、储能电池及电网；其中电力（含煤炭）将占投资份额的逾三分之二。
储能系统需求同步扩张——与数据中心相关的年度增量储能部署到2030年可达321吉瓦时，相当于当前储能需求的两倍。
决定AI部署节奏的关键变量是什么？
摩根士丹利的核心判断：AI基础设施的指数级增长正与物理世界的能源约束发生正面碰撞。
用大白话说＝ 芯片可以按摩尔定律快速迭代，但发电厂和电网的建设周期是以年计的——两条曲线的速度差，就是瓶颈所在。
电力瓶颈何时能通过煤炭、天然气及可再生能源的协同扩张得到缓解，将是决定亚洲AI算力部署节奏的关键验证节点。
Content is for reference only, not financial advice.