高盛预测：AI投资重点转向数据中心基础设施

人工智能投资正进入更加精选的阶段，公司和投资者开始超越早期兴奋，聚焦运行AI系统所需的数据中心基础设施。

高盛最新分析表明，市场正转向该公司所称的"质量优先"策略。实际上，投资者正更加关注拥有和运营大型数据中心及计算基础设施的公司。提供狭窄AI工具或实验性软件的企业则受到较少关注。

AI基础设施投资迎来快速增长期

高盛预期，随着公司扩大模型训练和部署的计算能力，AI基础设施支出将快速增长。超大规模云服务公司每年在新数据中心和计算硬件上投资数百亿美元。网络系统也在扩展以支持这一增长。

高盛研究估计，在接下来两年内，AI工作负载可能占据数据中心总容量的约30%，因为云服务和企业应用对计算能力的需求不断增长。这种变化反映了AI任务与传统云工作负载的差异。训练大语言模型需要数千个芯片长时间并行运行。推理过程，即生成响应或预测的过程，在服务运行时也需要稳定的计算能力。

云服务提供商和AI开发者现在正以云计算早期阶段从未见过的速度扩展数据中心容量。基础设施需求超出了计算硬件范围。能源供应正成为AI竞赛的核心问题。

能源需求激增带来新挑战

高盛研究估计，到2030年，全球数据中心电力需求相比2023年水平可能上升约175%，主要由AI工作负载驱动。该公司表示，这一增长大致相当于在全球电网中增加另一个排名前十的耗电大国的电力需求。电力需求上升也推动公用事业公司和政府考虑在能源基础设施方面进行新投资。

对电力和制冷的增长需求正影响新AI数据中心的建设位置。空间要求也在影响选址。大型设施通常位于稳定能源源头和高容量光纤网络附近。一些公司在土地和电力更容易获得的偏远地区建设AI训练集群。数据中心的位置也可能影响环境影响。关于AI基础设施的学术研究显示，制冷系统和地理位置对能源使用和水资源消耗的影响可能与硬件效率一样重要。

这些限制开始影响科技公司规划AI策略的方式。构建新模型或软件只是挑战的一部分。公司还必须确保拥有可靠运行这些系统所需的基础设施。在许多情况下，建设这种基础设施需要数年时间。

基础设施建设面临复杂供应链挑战

大型数据中心的建设涉及复杂的供应链。项目通常需要土地收购和电网连接。许多项目还依赖长期能源协议。电气设备短缺和电网扩张延迟可能拖慢新项目。这些约束有助于解释为什么投资者更加关注已经控制大型数据中心网络的公司。

在生成式AI采用的第一波浪潮中，许多公司仅仅通过与AI产生关联就看到了市场价值上升。随着投资者重新评估AI增长将在何处发生，这一阶段现在开始改变。

投资者正在审视哪些公司拥有支持长期部署所需的基础设施和收入模式。数据中心运营商和芯片制造商位于该生态系统的基础位置。无论哪些AI应用获得成功，都需要它们的服务。

在之前的计算增长浪潮中，建设底层基础设施的公司通常获得稳定收入。相比之下，软件平台的兴衰更加迅速。类似的动态现在可能正在AI领域形成。

基础设施扩张也提出了新问题。能源需求和电网容量正成为政府和行业规划者的核心议题。环境影响也受到更密切的审视。

在未来几年，AI经济可能与算法和软件一样，同样依赖发电厂和制冷系统。这一现实正在塑造AI竞赛的下一阶段。

Q&A

Q1：为什么投资者开始更关注数据中心而不是AI软件公司？

A：因为AI投资正进入更精选阶段，投资者发现运行AI系统需要大量基础设施支撑。数据中心运营商和芯片制造商位于AI生态系统基础位置，无论哪些AI应用获得成功都需要它们的服务，因此能获得更稳定的收入。

Q2：AI工作负载对数据中心有什么特殊要求？

A：AI任务与传统云工作负载不同，训练大语言模型需要数千个芯片长时间并行运行，推理过程在服务运行时也需要稳定计算能力。高盛研究估计AI工作负载可能在两年内占据数据中心总容量的30%。

Q3：AI基础设施建设面临哪些主要挑战？

A：主要挑战包括能源需求激增、复杂的供应链、土地收购和电网连接需求。到2030年全球数据中心电力需求可能上升175%，电气设备短缺和电网扩张延迟也可能拖慢项目进展，建设基础设施通常需要数年时间。