身份不明的发言人
Marc Ganzi（首席执行官）
身份不明的参会者
Will Thompson（巴克莱银行）
好的，我们继续。欢迎各位参加我们关于电力、人工智能及新兴数据中心能源危机的炉边谈话。我是Will Thompson，巴克莱主题投资团队成员，长期研究电力与AI主题并撰写大量报告。今天非常荣幸邀请到DigitalBridge首席执行官Marc Ganzi。Marc在数字基础设施投资领域有数十年经验。DigitalBridge或许可称为相对小众的资产管理公司，但在追求差异化电网独立电力解决方案的数字基础设施领域却是主要投资者。Marc，您对此话题立场鲜明，能否先为听众简要介绍DigitalBridge？
当然。DigitalBridge是一家管理规模达1,060亿美元的全球资产管理公司，专注于数字基础设施资产的开发、持有与管理。当前投资组合中约40%为数据中心，30%为通信塔，其余为光纤及其他关联基础设施。如我所言，我们算是电力领域的"意外旅客"——通过旗下400多个数据中心自然涉足该领域。我们在全球九大数据中心业务中拥有约22吉瓦的电力储备，涵盖本次会议讨论的所有电力形式。我们正处于这场变革的漩涡中心。
Marc，您曾量化AI将带来7万亿美元机遇，而供电需求约1.3-1.5万亿美元新电力基础设施。当前最受关注的问题是：我们何时会触及电力墙？这会迫使超大规模企业削减资本支出吗？能否详述DigitalBridge的电力储备（如您刚提及的）及其与ArcLight的合作？您对AI及云计算供电的总体愿景是什么？
数据中心与电力领域的能源危机本质是数据问题。32年CEO生涯中我始终坚信数据驱动决策。当前电网供电与数据中心租赁需求存在严重失衡：2022年行业签署3吉瓦租赁，2023年增至4吉瓦，2024年达5.7吉瓦，今年将达6吉瓦。而美国骨干电网年均新增供电仅约5吉瓦。去年首次出现900兆瓦供需缺口，今年缺口将扩大至1.1吉瓦。若按此趋势，2032年当电网供电8吉瓦而行业需求20吉瓦时，单年缺口将达13吉瓦。
关于AI电力需求预测存在三档：保守估计137吉瓦，我们采信的中间值196吉瓦，以及乐观派（如孙正义）预测的300吉瓦。若接近300吉瓦，我们将陷入困境。但我认为资本支出会自然调节——如同PC、互联网、云计算等七年周期规律，AI基础设施当前处于第三年爆发期，未来两年仍将强劲增长，随后逐步趋缓。历史技术投资周期均遵循此钟形曲线。
美国现有数据中心算力约60吉瓦，今年新增6吉瓦租赁后将达66吉瓦。按此轨迹，2032年将接近190吉瓦，足以支撑大语言模型、生成式AI及推理需求。需注意的是，当前AI仅占35%，其余65%为公有云，而私有云建设刚刚起步。
三年前我们预见这一缺口后开始探索电网外供电方案。收购Switch公司（原上市企业，私有化代价110亿美元）是关键转折——其吉瓦级园区与离网供电能力极具战略价值。我们已构建包含水电、风电、太阳能、LNG及电网接入的微电网系统，例如拉斯维加斯1吉瓦与里诺1.8吉瓦微电网（合计支持3.4吉瓦园区）。这些系统配备储能电池，通过24小时电力交易优化能源使用。
巴西圣保罗的500兆瓦与300兆瓦微电网则完全采用水电，富余300兆瓦电力甚至反向销售给竞争对手Digital Realty和Equinix。与ArcLight合作的9吉瓦项目管道包括独立太阳能电站（如与谷歌的购电协议）及西班牙萨拉戈萨等地的光储数据中心一体化方案。我们正将挑战转化为投资机遇。
您提到需要"全能源"解决方案。在当前政策环境下（如德克萨斯州参议院第6号法案要求现场供电），数据中心行业如何平衡供电速度、排放、成本与电价等优先级？
我不认同中美AI军备竞赛论调。中国由国家主导构建的LLM与美国七大私营超大规模企业打造的模型存在本质差异——前者数据受控且资金有限。Deepseek的崛起依赖Meta开源模型而非中国国有LLM（其第二代模型准确率从63%降至53%即为明证）。中国优势在于集中建设可再生能源为AI供电，但数据操纵将阻碍推理能力的真实发展。
美国的核心制约在于陈旧的公共事业委员会（PUC）体系。各州PUC对基础负荷的管控将成为瓶颈——即使联邦层面简化流程，州级官僚体系仍可能延缓进程。我们的策略是通过微电网向电网返售电力，将"电力消耗者"身份转变为"贡献者"。但担忧政客将电价上涨归咎AI导致政策僵化。前能源部长"让超大规模企业买单"的论调绝非正解，需建立公私协作的离网供电方案。
不同工作负载（如公有云、私有云、AI推理）对数据中心有何差异化要求？特别是延迟、电力波动及"五个九"可靠性方面。
不同工作负载已明确分化：AI推理与LLM需要最高性能GPU（如Nvidia Blackwell芯片），其功率密度要求液冷方案（Switch的Evo专利系统实现零水耗）。Switch作为全球唯一Tier 5运营商（100%运行时间保障）赢得客户溢价。值得注意的是，当AI对消费者的电价影响讨论平息后，水资源问题将成为下一个焦点。
当前数据中心耗电已影响基础负荷电价，各州PUC未来12个月将面临密集费率调整。作为数据中心所有者，我们通过微电网购电协议转嫁成本，但需警惕政策将电价分为"AI费率"与"居民费率"的双轨制风险。
俄亥俄州等地的数据中心专项电价是否预示行业趋势？
若我是公用事业公司CEO也会如此决策——在费率诉讼前抢占先机。行业短期内可承受，但最终客户将寻求自主解决方案。现实困境是：建设1吉瓦数据中心的选择有限（燃气轮机交货期已排至2026年）。我们的经验表明：与公用事业公司保持合作，同时构建补充性离网方案才是正道。
德州参议院第6号法案是否将推动强制互联微电网或现场发电？
州长Abbott深谙其选民基础（天然气行业）。德州已证明微电网可行性——我们正在兰开斯特建设的项目将采用75%微电网+25%ERCOT供电。ERCOT虽面临电网改造挑战，但其规则透明度反而有利于数据中心建设。我们首批五个微电网中有三个位于德州。
最后五分钟。您提及数字基础设施周期，AI投资回报率与超大规模企业资本支出可持续性如何区别于本世纪初电信业泡沫？
PC、手机、互联网、移动数据及云计算五次技术变革的 adoption 曲线各不相同。AI仅用不到一年即触达92%美国人，创最快普及纪录。与此同时，AI token生产成本已下降40倍——成本曲线与 adoption 曲线形成完美交叉。相较公有云5-6年实现正EBITDA，AI仅用三年（参考微软、亚马逊最新财报）。
AI较公有云新增两大应用场景：数据主权与机器间学习。当前物联网300亿连接设备将在七年内翻倍——80%AI耗能将来自机器自主交互（如公共安全网与自动驾驶车辆对话）。这才是真正的规模爆发点。
这是否意味着我们正进入"生成式AI时代"，而特斯拉人形机器人等物理AI将带来指数级需求？
机器人仅是机器学习的子集。工厂自动化设备的数据交互规模尚未起步——我们仍处于棒球赛第一局，未来六局将伴随巨额基础设施投资。这对光纤、通信塔及移动网络生态系统意味着深远影响。
时间关系不得不结束。感谢Marc的分享及各位参与。
感谢邀请，很荣幸参与。