Insights AI

Wąskie gardło sieci elektroenergetycznej i zwrot ku zasilaniu za licznikiem: jak centra danych AI radzą sobie z niedoborami mocy, opóźnieniami budowy i niedopasowaniem kapitału

Podcast · Słuchaj (17 min)

AI算力卡在電力與融資:每月10億租金,千億美元延遲風險|美股市場

Spis treści
  1. 1. Bariera przesyłu energii: dlaczego skalowanie infrastruktury napotyka twarde ograniczenie
  2. 2. Wytwarzanie energii na miejscu i tokenizacja: jak działa nowoczesna infrastruktura sztucznej inteligencji krok po kroku
  3. Krok 1: Wytwarzanie energii na terenie kompleksu
  4. Krok 2: Maksymalizacja wykorzystania centrum danych
  5. 3. Nowy model infrastruktury: co jest rzeczywiście nowe w energetyce i finansowaniu
  6. Zmiany w energetyce niezależnej od sieci
  7. Transgraniczny arbitraż kapitałowy
  8. Innowacje w strukturach zadłużenia i zabezpieczenia kredytowe o ratingu inwestycyjnym
  9. Wzrost zadłużenia sektora prywatnego i makroekonomiczna dynamika kredytowa
  10. 4. Wpływ na branżę i produkty: od niedoboru mocy obliczeniowej do obciążeń sztucznej inteligencji nowej generacji
  11. Dynamika cen rynku natychmiastowego i kontraktowych
  12. Strukturalne niedobory mocy obliczeniowej do 2030 roku
  13. 5. Wąskie gardła realizacji, ryzyka regulacyjne i kruchość finansowa
  14. Opóźnienia budowy i wpływ gospodarczy
  15. Bariery regulacyjne i związane z pozwoleniami
  16. Kluczowe liczby
  17. Co mogłoby zmienić ten obraz
  18. Źródła

Głównym fizycznym wąskim gardłem ograniczającym skalowanie centrów danych sztucznej inteligencji w Stanach Zjednoczonych jest strukturalna niemożność budowania wielkoskalowych linii przesyłowych wysokiego napięcia wystarczająco szybko, aby zaspokoić popyt operatorów chmurowych o ogromnej skali i dostawców chmury nowej generacji. Aby ominąć opóźnienia przyłączeń do sieci energetycznej, branża infrastrukturalna dokonuje zasadniczego zwrotu ku wytwarzaniu energii „za licznikiem” (na miejscu) — z wykorzystaniem turbin gazowych i ogniw paliwowych ze stałym tlenkiem — wraz ze strategiami tokenizacji w mikroporcjach, które maksymalizują efektywność wykorzystania sprzętu. Jednak to zdecentralizowane podejście napotyka wąskie gardła operacyjne, w tym poważne zaległości w wydawaniu pozwoleń środowiskowych dotyczących emisji do powietrza, lokalny sprzeciw polityczny oraz krytyczne finansowe niedopasowanie okresów między długoterminowymi umowami najmu nieruchomości a krótkowiecznym sprzętem obliczeniowym, narażając nawet $100 mld oczekiwanych przychodów branży na ryzyko wieloletnich opóźnień realizacji.

1. Bariera przesyłu energii: dlaczego skalowanie infrastruktury napotyka twarde ograniczenie

Rozbudowa amerykańskiej infrastruktury obliczeniowej sztucznej inteligencji zderzyła się bezpośrednio z fizycznym ograniczeniem: strukturalnymi ograniczeniami amerykańskiej sieci elektroenergetycznej. Historycznie zwiększanie możliwości regionalnych przedsiębiorstw energetycznych wymagało budowy linii przesyłowych wysokiego napięcia — dalekosiężnych energetycznych „autostrad”, które transportują duże ilości energii elektrycznej z odległych elektrowni do miejskich sieci dystrybucyjnych i przemysłowych odbiorców końcowych. W ciągu ostatnich 12 miesięcy kluczowi liderzy strategii branżowej, w tym Ishing (Ethan), odpowiedzialny w Google za planowanie centrów danych i strategię energetyczną, zaobserwowali, że operatorzy chmurowi o ogromnej skali i planiści energetyczni w praktyce porzucili wielkoskalowe projekty rozbudowy linii przesyłowych w całych Stanach Zjednoczonych z powodu niemożliwych do przezwyciężenia przeszkód regulacyjnych, geograficznych i wieloletnich procedur uzyskiwania pozwoleń.

Ten strategiczny odwrót wynika z fundamentalnego niedopasowania skali między zapotrzebowaniem centrów danych nowej generacji na moc a możliwościami istniejącej sieci. Zaawansowane klastry obliczeniowe sztucznej inteligencji nie skalują się już stopniowo; zapotrzebowanie na moc pojedynczych obiektów wzrosło do 500 megawatów (MW) i poziomów wielogigawatowych (GW). Podłączenie obiektu o mocy kilkuset megawatów do tradycyjnej publicznej sieci energetycznej wymaga analiz przyłączeniowych i budowy linii przesyłowych wysokiego napięcia, których realizacja zwykle zajmuje kilka lat — harmonogramu całkowicie niezgodnego z cyklami wdrażania nowoczesnych klastrów procesorów graficznych (GPU) i architektur serwerowych o wysokiej gęstości, opartych na procesorach centralnych (CPU). Uznając, że rozbudowa publicznych autostrad energetycznych nie może zostać zrealizowana w wymaganych przez wielkoskalowych operatorów chmurowych terminach wdrożeń, branża odchodzi od scentralizowanych przyłączeń sieciowych na rzecz realizacji lokalnej infrastruktury niezależnej od sieci.

2. Wytwarzanie energii na miejscu i tokenizacja: jak działa nowoczesna infrastruktura sztucznej inteligencji krok po kroku

Aby dostosować się do ograniczeń sieci energetycznej, dostawcy chmury i deweloperzy infrastruktury wdrażają nowy model operacyjny skoncentrowany na zdecentralizowanym wytwarzaniu energii i szczegółowym zarządzaniu mocą obliczeniową sprzętu.

Krok 1: Wytwarzanie energii na terenie kompleksu#

Zamiast czekać latami, aż regionalne przedsiębiorstwa energetyczne doprowadzą przyłącza sieciowe do kompleksu, deweloperzy instalują dedykowane urządzenia wytwarzające energię bezpośrednio na miejscu. Określana jako wytwarzanie energii za licznikiem, architektura ta umieszcza podstawowe aktywa wytwórcze — zazwyczaj małe lub średnie turbiny gazowe albo ogniwa paliwowe ze stałym tlenkiem — bezpośrednio za licznikiem energii obiektu, działając niezależnie od publicznej sieci.

  • Analogia: Poleganie na tradycyjnym przyłączu sieciowym przypomina wieloletnie oczekiwanie, aż publiczny zarząd transportu zaprojektuje i zbuduje szybką autostradę łączącą odległy zakład przemysłowy z oddaloną miejską elektrownią. Wytwarzanie energii za licznikiem przypomina budowę dedykowanej, prywatnej elektrowni tuż przy bramie fabryki, zapewniającej natychmiastowy dostęp do energii bez zależności od publicznych projektów infrastrukturalnych.

Spółki takie jak Bloom Energy wykorzystują ten model, dostarczając systemy ogniw paliwowych ze stałym tlenkiem zapewniające „szybki dostęp do energii”. Te modułowe instalacje mogą uruchomić wytwarzanie energii na miejscu w ciągu 3 do 6 miesięcy — a w specjalistycznych wdrożeniach nawet w 60 dni — w porównaniu z terminami realizacji wynoszącymi od 1.5 do 2.5 roku, wymaganymi dla standardowych przyłączeń do sieci energetycznej.

Krok 2: Maksymalizacja wykorzystania centrum danych#

Po dostarczeniu energii do kompleksu dostawcy infrastruktury chmurowej (tacy jak GMI Cloud) muszą maksymalizować efektywność wykorzystania sprzętu obliczeniowego, aby pokryć wysokie nakłady inwestycyjne i harmonogramy obsługi zadłużenia. Operatorzy zarządzają wykorzystaniem mocy obliczeniowej za pomocą uporządkowanego modelu operacyjnego szklanego pojemnika:

+-------------------------------------------------------+
|  WATER: Micro-chunked Tokens (Unused Node Spot Hours) | -> ~100% Target Utilization
|-------------------------------------------------------|
|  SAND: Short/Medium-Term Contracts (6 Mos - 3 Years)  | -> Fills Capacity Gaps
|-------------------------------------------------------|
|  PEBBLES: Long-Term Base Leases (5 - 6 Years)         | -> ~50% Baseline Capacity
+-------------------------------------------------------+
  • Kamyki (moc bazowa): Wieloletnie kontrakty obejmujące 5 do 6 lat, oparte na dużych obciążeniach obliczeniowych przedsiębiorstw. Tworzą duże, sztywne bloki strukturalne, które wypełniają około 50% całkowitej mocy obliczeniowej obiektu, zapewniając bazowe przepływy pieniężne na pokrycie stałych kosztów ogólnych obiektu.
  • Piasek (wypełnienie mocy): Kontrakty pośrednie trwające od 6 miesięcy do 3 lat. Te średnioterminowe bloki wypełniają strukturalne luki wokół wieloletnich umów bazowych.
  • Woda (płynna tokenizacja): Aby wyeliminować pozostałą niewykorzystaną moc wynikającą z rezerwowych węzłów wymienianych bez przerywania pracy (utrzymywanych w celu spełnienia wymogów nadmiarowości wynikających z umów o poziomie świadczenia usług [SLA]) lub niewynajętych klastrów obliczeniowych, operatorzy wdrażają zintegrowane platformy programowe „fabryki tokenów”. Przekształcając pozostałe godziny pracy GPU i rezerwowe węzły serwerowe w generowanie tokenów przez API w czasie poniżej sekundy, operator wlewa płynną „wodę” w mikroluki pojemnika, zwiększając fizyczne wykorzystanie GPU w kierunku 100% i uzyskując wysokomarżowe przychody z rynku natychmiastowego.

3. Nowy model infrastruktury: co jest rzeczywiście nowe w energetyce i finansowaniu

Radzenie sobie z ograniczeniami sieci wymaga nowatorskich rozwiązań inżynieryjnych niezależnych od sieci, transgranicznych struktur kapitałowych i wielopoziomowej architektury kredytowej, aby dopasować długoterminowe zadłużenie nieruchomości do krótkowiecznego sprzętu obliczeniowego.

       [ CAPITAL SOURCES ]
               │
               ├──────► New Taiwan Dollar (NTD) Low-Cost Debt Credit Structures
               │
               └──────► Investment Grade (IG) Credit Wraps (NVIDIA, Broadcom, Google)
                       │
                       ▼
             [ SPECIAL PURPOSE VEHICLE ]
             │  - Cash-Flow Revenue Lockbox (5-6 Yr Contracts)
             │  - Hardware Residual Value Guarantees
             ▼
      [ REAL ESTATE LEASE ] ◄── Duration Mismatch Resolved ──► [ GPU HARDWARE ]
       (12 - 15 Year Term)                                     (4 - 6 Year Lifespan)

Zmiany w energetyce niezależnej od sieci

Wytwarzanie energii za licznikiem przekształciło się z awaryjnego rozwiązania zastępczego w podstawowy model strategiczny, odpowiadając za szacunkowo 30% do 50% planowanych amerykańskich centrów danych, które mają zostać uruchomione w ciągu najbliższych 1 do 2 lat. Ponieważ turbiny gazowe dla energetyki zawodowej (takie jak wysokowydajne jednostki GE) mają wieloletnie terminy realizacji zamówień, deweloperzy kupują małe i średnie turbiny gazowe oraz modułowe ogniwa paliwowe ze stałym tlenkiem, aby skrócić czas uzyskania dostępu do energii.

Transgraniczny arbitraż kapitałowy

Ponieważ krajowe stopy finansowania dłużnego w USA dla deweloperów infrastruktury niebędących wielkoskalowymi operatorami chmurowymi często przekraczają 10%, operatorzy międzynarodowi wykorzystują transgraniczny arbitraż kapitałowy. Na przykład GMI Cloud pozyskuje kapitał za pośrednictwem struktur kredytowych w nowych dolarach tajwańskich (NTD) i azjatyckich konsorcjów bankowych. Strategia ta wykorzystuje zagraniczne rynki taniego długu, zapewniając koszty finansowania znacznie poniżej bazowych poziomów stóp procentowych w USA.

Innowacje w strukturach zadłużenia i zabezpieczenia kredytowe o ratingu inwestycyjnym

Głównym wyzwaniem finansowym współczesnej infrastruktury sztucznej inteligencji jest niedopasowanie okresów: * Operatorzy nieruchomości centrów danych i wynajmujący wymagają zobowiązań do najmu nieruchomości na 12-do-15-lat, aby zabezpieczyć zadłużenie obiektu. * Sprzęt obliczeniowy GPU ma fizyczny i ekonomiczny okres użyteczności wynoszący zaledwie 4 do 6 lat.

Dostawcy „Neocloud” bez ratingu inwestycyjnego nie mogą samodzielnie zabezpieczyć umów najmu nieruchomości na 12-do-15-lat własnymi bilansami z powodu ograniczeń ratingowych. Aby rozwiązać tę strukturalną barierę, inżynierowie finansowi wykorzystują spółki celowe (SPV) zintegrowane z wyodrębnionymi rachunkami wpływów pieniężnych, na których przychody z kontraktów klientów na 5-do-6-lat są wydzielane w celu priorytetowego finansowania płatności za najem nieruchomości centrów danych.

Aby uzupełnić strukturę, giganci technologiczni o silnych bilansach (tacy jak NVIDIA, Broadcom i Google) zapewniają zabezpieczenia kredytowe o ratingu inwestycyjnym (IG) lub gwarancje wartości rezydualnej. Te zabezpieczenia kredytowe absorbują ryzyko przestarzenia sprzętu i gwarantują bazowe zobowiązania najmu, umożliwiając dostawcom Neocloud bez ratingu inwestycyjnego zniwelowanie różnicy między okresami eksploatacji GPU wynoszącymi 4-do-6-lat a zobowiązaniami dotyczącymi obiektów na 12-do-15-lat.

Wzrost zadłużenia sektora prywatnego i makroekonomiczna dynamika kredytowa

Jak podkreśla Bruce, inwestor w sektorze energetyki i sztucznej inteligencji, bilanse amerykańskich przedsiębiorstw przechodzą strukturalny cykl ponownego zwiększania dźwigni finansowej. Po kryzysie finansowym w 2008 roku rządy zwiększały zadłużenie swoich bilansów, podczas gdy prywatny sektor przedsiębiorstw przez ponad dekadę zmniejszał zadłużenie bilansowe. Obecnie, gdy zdolność sektora publicznego do zaciągania długu jest nadwyrężona na całym świecie, prywatny sektor przedsiębiorstw ponownie zwiększa dźwignię finansową, opierając się na ogromnych nakładach inwestycyjnych na sztuczną inteligencję.

Emisje długu centrów danych sztucznej inteligencji stanowią obecnie 5% do 7% amerykańskiego rynku długu korporacyjnego o ratingu inwestycyjnym (na którym od początku roku przeprowadzono nowe emisje o wartości niemal $0.5 bln). Dzięki dobrze dokapitalizowanym bilansom przedsiębiorstw amerykański system bankowy zachowuje znaczną strukturalną zdolność kredytową do absorpcji tego wzrostu zadłużenia („jeśli odważysz się pożyczyć, oni odważą się udzielić kredytu”). Ponadto zjawiska rynkowe, takie jak rozszerzanie się spreadów kredytowych długu dojrzałych spółek technologicznych (np. Oracle), odzwierciedlają racjonalną ponowną wycenę ryzyka, gdy historyczne „dojne krowy” przechodzą do intensywnego angażowania kapitału w infrastrukturę, a nie systemowe ograniczenie kredytowania.

4. Wpływ na branżę i produkty: od niedoboru mocy obliczeniowej do obciążeń sztucznej inteligencji nowej generacji

Dostępność energii bezpośrednio determinuje struktury cenowe rynku mocy obliczeniowej, marże operacyjne i tempo wdrażania bazowych modeli sztucznej inteligencji nowej generacji.

Dynamika cen rynku natychmiastowego i kontraktowych#

Ponieważ przyłączenia do sieci energetycznej stanowią wąskie gardło, dostępność mocy obliczeniowej w krótkim terminie zapewnia wysoką premię rynkową. Rynek podzielił się na dwie odrębne strategie operacyjne:

  • Model stałych kontraktów długoterminowych: Dostawcy chmury tacy jak CoreWeave koncentrują się na zabezpieczaniu wieloletnich umów najmu mocy obliczeniowej przy stałych stawkach bazowych wynoszących około $15 za wat, co zapewnia przewidywalne długoterminowe przepływy pieniężne, ale ogranicza potencjał wzrostu korzyści podczas niedoborów podaży.
  • Spekulacyjna strategia rentowności rynku natychmiastowego: Operatorzy tacy jak Nebius i GMI Cloud realizują spekulacyjne budowy obiektów w lokalizacjach bez ograniczeń, aby wykorzystać krótkoterminowe ceny rynku natychmiastowego. Moc obliczeniowa z zapewnionym zasilaniem, dostarczona przed 2027 rokiem, uzyskuje podwyższone stawki rynku natychmiastowego wynoszące $25–$30 do $50 za wat, umożliwiając spekulacyjnym inwestorom budowlanym uzyskanie znacznych marż rentowności na mocy nieobjętej kontraktami.

Strukturalne niedobory mocy obliczeniowej do 2030 roku#

Przewiduje się, że strukturalne niedobory mocy obliczeniowej utrzymają się co najmniej do 2030 roku, napędzane przez trzy rosnące kierunki obciążeń:

  1. Wielkoskalowe wnioskowanie operacyjne: Zużycie mocy obliczeniowej przesunęło się z okresowego wstępnego trenowania poza trybem bieżącym do ciągłego wnioskowania operacyjnego w czasie rzeczywistym (np. zautomatyzowanej inżynierii oprogramowania, generowania wielomodalnego i automatyzacji procesów przedsiębiorstw). Operatorzy infrastruktury tacy jak GMI Cloud przetwarzają obecnie ponad 1 bln tokenów API dziennie, aby zaspokoić podstawowe zapotrzebowanie na wykonywanie oprogramowania.
  2. Rekurencyjne samodoskonalenie (RSI): Instytucje badawcze zajmujące się sztuczną inteligencją przechodzą do architektur zdolnych do autonomicznego generowania danych, oceny logiki i dostrajania własnych wewnętrznych wag bez interwencji człowieka. Badacze przewidują pojawienie się funkcjonalnych wdrożeń RSI w ciągu 6 do 24 miesięcy, co zwiększy zapotrzebowanie na moc obliczeniową GPU wykładniczo ponad poziomy bazowe oparte na danych opracowanych przez ludzi.
  3. Fizyczna sztuczna inteligencja i robotyka: Rozwój uogólnionych bazowych modeli robotycznych (takich jak architektury modeli zaprezentowane przez Astra) wykazał, że zdolności manipulacji fizycznej skalują się bezpośrednio wraz z dużą mocą obliczeniową i przetwarzaniem danych wideo z perspektywy pierwszej osoby. W miarę jak robotyka przechodzi od deterministycznych skryptów jednozadaniowych do ciągłej inteligencji fizycznej, zapotrzebowanie na sprzęt wykroczy poza historyczne prognozy obejmujące wyłącznie oprogramowanie.

5. Wąskie gardła realizacji, ryzyka regulacyjne i kruchość finansowa

Pomimo silnego popytu rynkowego i rosnącej dostępności finansowania dłużnego, krytyczne trudności operacyjne zagrażają harmonogramom ukończenia centrów danych i wewnętrznym stopom zwrotu projektów (IRR).

Opóźnienia budowy i wpływ gospodarczy

Monitorowanie branży wskazuje, że od 10% do 20% planowanych projektów centrów danych w USA napotyka opóźnienia w budowie i zapewnieniu zasilania przekraczające jeden rok, co wydłuża standardowe harmonogramy realizacji wynoszące 1.5-do-2.5-roku. Kapitałochłonność tych opóźnień ilustruje wynajem przez SpaceX około 300 MW mocy centrów danych firmie Anthropic za niemal $1 mld miesięcznie ($12 mld w ujęciu rocznym) — niemal trzykrotność historycznych cen kontraktowych. W przypadku wielogigawatowego portfela projektów branżowych roczne opóźnienie realizacji grozi zamrożeniem do $100 mld oczekiwanych przychodów z mocy obliczeniowej, podczas gdy zobowiązania z tytułu obsługi długu w spółkach celowych SPV nadal narastają.

       [ PLANNED DATA CENTER BUILD ]
                     │
                     ▼
       ┌───────────────────────────┐
       │     EXECUTION RISKS       │
       └─────────────┬─────────────┘
                     │
     ┌───────────────┼───────────────┐
     ▼               ▼               ▼
[Permitting]   [Regulatory]     [Political]
 Environmental  FAA height &      Local &
 Air Permits    safety rules     gubernatorial
 (T+14 Months)  near airports     oppositions
     │               │               │
     └───────────────┼───────────────┘
                     │
                     ▼
       ┌───────────────────────────┐
       │  10% - 20% OF PROJECTS    │
       │ DELAYED BY > 1 YEAR       │
       └─────────────┬─────────────┘
                     │
                     ▼
       ┌───────────────────────────┐
       │ $100B INDUSTRY REVENUE    │
       │    AT RISK OF DELAY       │
       └───────────────────────────┘

Bariery regulacyjne i związane z pozwoleniami

  • Środowiskowe pozwolenia na emisje do powietrza: Turbiny na gaz ziemny zainstalowane po stronie odbiorcy, za licznikiem, wymagają rygorystycznych zezwoleń środowiskowych. Uzyskanie pozwoleń na emisje dwutlenku węgla ($CO_2$) do powietrza od Agencji Ochrony Środowiska (EPA) i regionalnego Urzędu ds. Norm Środowiskowych (ESA) wydłuża okres przygotowania inwestycji na terenach bez pozwoleń średnio o 14 miesięcy (T+14 miesięcy), zanim będzie można rozpocząć montaż urządzeń.
  • Nietypowe bariery regulacyjne: Przepisy Federalnej Administracji Lotnictwa (FAA) dotyczące wysokości budynków i bezpieczeństwa w pobliżu korytarzy lotniczych regionalnych lotnisk niespodziewanie opóźniły lub wstrzymały proponowane projekty budowy centrów danych.
  • Opór polityczny i społeczny: Nasila się sprzeciw lokalnych społeczności dotyczący hałasu, przeciążenia regionalnych sieci energetycznych i zużycia wody komunalnej. Poparcie polityczne na szczeblu stanowym może szybko się zmieniać przed cyklami wyborczymi; przykładowo oficjalny przekaz władz stanowych dotyczący rozbudowy centrów danych w Teksasie zmienił się o 180 stopni przed wyborami w połowie kadencji wskutek sprzeciwu lokalnych wyborców.

Czytelnicy zainteresowani dodatkowymi ogólnodostępnymi analizami dotyczącymi dynamiki infrastruktury sztucznej inteligencji i modeli finansowych mogą uzyskać dostęp do materiałów na stronie DeepValues Research lub skorzystać z naszego zestawu narzędzi analitycznych za pośrednictwem aplikacji DeepValues.

Kluczowe liczby#

  • Od 30% do 50%: Odsetek planowanych centrów danych w USA, które mają rozpocząć działalność w ciągu najbliższych 1–2 lat z wykorzystaniem rozwiązań wytwarzania energii po stronie odbiorcy, za licznikiem (na miejscu).
  • Od 3 do 6 miesięcy (a nawet 60 dni): Deklarowany przez dostawców rozwiązań szybkiego dostępu do zasilania (np. Bloom Energy) czas uruchomienia na miejscu wytwarzania energii przy użyciu stałotlenkowych ogniw paliwowych, w porównaniu z okresem od 1.5 do 2.5 roku dla standardowych przyłączy do sieci energetycznej.
  • Od 10% do 20%: Szacowany odsetek planowanych centrów danych w USA, które doświadczają opóźnień w budowie i zapewnieniu zasilania przekraczających jeden rok.
  • 300 MW za ~$1 mld/miesiąc: Skala wynajmowanych centrów danych i szacowana miesięczna wartość kontraktu związanego z wynajmem mocy przez SpaceX firmie Anthropic (określona jako niemal trzykrotność cen z poprzedniego roku).
  • $100 mld: Szacowana wartość przychodów całej branży zagrożonych opóźnieniem, jeśli realizacja wielogigawatowego portfela projektów centrów danych zostanie przesunięta o jeden rok.
  • Od 12 do 15 lat wobec od 4 do 6 lat: Niedopasowanie okresów tradycyjnych umów najmu nieruchomości centrów danych (12–15 lat) i okresu użytkowania sprzętu serwerowego GPU (4–6 lat).
  • 1 bln+: Liczba tokenów API przetwarzanych obecnie dziennie przez platformę fabryki tokenów GMI Cloud.
  • Od 5% do 7%: Obecny udział emisji długu centrów danych sztucznej inteligencji w amerykańskim rynku długu korporacyjnego o ratingu inwestycyjnym (IG) (spośród niemal $0.5 bln nowych emisji od początku roku).
  • 10%+: Oprocentowanie pożyczek, z którym mierzą się porównywalne amerykańskie firmy infrastruktury sztucznej inteligencji na rynkach krajowych, w zestawieniu z tańszymi azjatyckimi strukturami finansowania (takimi jak dług denominowany w NTD).
  • 14 miesięcy: Średnie wydłużenie okresu przygotowania (T+14 miesięcy) budowy turbin gazowych po stronie odbiorcy, za licznikiem, bez uzyskanych pozwoleń, wynikające z ograniczeń związanych ze środowiskowymi pozwoleniami na emisje do powietrza.
  • 2030: Rok, do którego przewiduje się utrzymywanie strukturalnego niedoboru mocy obliczeniowej wskutek rozwoju RSI, robotyki i wnioskowania.

Co mogłoby zmienić ten obraz

  1. Reforma regulacji dotyczących linii przesyłowych: Działania ustawodawcze na szczeblu stanowym lub federalnym upraszczające uzyskiwanie pozwoleń na przesył energii wysokiego napięcia, które wyeliminowałyby wąskie gardła przyłączeniowe i ponownie skierowały rozwój centrów danych ku zasilaniu z sieci energetycznej zamiast z turbin gazowych na miejscu.
  2. Regulacyjne przyspieszenie wydawania pozwoleń dla instalacji po stronie odbiorcy, za licznikiem: Zmiany zasad oceny emisji dwutlenku węgla przez Urząd ds. Norm Środowiskowych (ESA), które znacząco skróciłyby lub dodatkowo wydłużyły obecny 14-miesięczny okres przygotowania instalacji turbin na gaz ziemny.
  3. Wzrost spreadów kredytowych w spółkach celowych SPV i segmencie długu wysokodochodowego: Gwałtowny wzrost spreadów kredytowych lub strukturalne przypadki niewywiązania się ze zobowiązań wśród dostawców „Neocloud” bez ratingu inwestycyjnego, próbujących obsługiwać krótkoterminowe zobowiązania dłużne związane z GPU przy jednoczesnych długoterminowych zobowiązaniach dotyczących nieruchomości centrów danych.
  4. Przełomy w efektywności algorytmicznej i ograniczaniu zapotrzebowania na moc obliczeniową: Komercyjne wdrożenie w ciągu najbliższych 6 do 24 miesięcy innowacji zwiększających efektywność architektury lub algorytmów, które radykalnie zmniejszą intensywność obliczeniową tokenów i wymagania sprzętowe wnioskowania, spłaszczając wykładniczą krzywą popytu na moc obliczeniową i łagodząc strukturalne niedobory mocy.

Źródła

  • "聊数据中心融资、电力、算力与泡沫" (Data Center Financing, Power, Compute, and Bubbles) Panel Discussion, featuring Ishing (Ethan) [Google], Alex [GMI Cloud], and Bruce [AI/Energy Investor], hosted by 硅谷101 (Silicon Valley 101) Annual Offline Conference.

Oglądaj

Linki do źródeł

Oglądaj i słuchaj

Tekst analizy: CC BY 4.0, cytuj jako: DeepValues Research, Wąskie gardło sieci elektroenergetycznej i zwrot ku zasilaniu za licznikiem: jak centra danych AI radzą sobie z niedoborami mocy, opóźnieniami budowy i niedopasowaniem kapitału, https://research.deepvalues.ai/insights/2026-11-05-data-center-financing-power-and-the-ai-infrastructure-boom-pl/

Bezpłatny cotygodniowy e-mail

Margin of Safety Weekly

W każdą sobotę otrzymasz e-mail: temperatura rynku, zakupy i sprzedaż wielkich inwestorów (raporty 13F), nowe analizy z tygodnia oraz nasze filmy i podcasty — bezpłatnie, bez konta.

Send me the DeepValues Margin of Safety Weekly, one email every Saturday. I can unsubscribe at any time. Information only, not investment advice. Prywatność

Sprawdź więcej

Przeprowadź tę analizę dla dowolnej akcji w 2 minuty

Deep Value Intelligence, wieloagentowy analityk AI stojący za tym raportem, przygotowuje na żądanie taki sam raport dla dowolnej spółki giełdowej.

Otwórz Deep Value Intelligence

Śledź 300+ akcji w aplikacji DeepValues

Oceny, wartość wewnętrzna i najnowsze raporty na telefonie.

Dla programistów: oceny i raporty przez API

Dane fundamentalne, wartości wewnętrzne, oceny i linki do raportów z tych stron w formacie JSON.

Dokumentacja API

Dyskutuj