算力金属：铜铝在AI电力上的应用前景展望
国泰君安期货研究所·有色及贵金属团队 王蓉投资咨询从业资格号：Z0002529wangrong2@gtht.com季先飞投资咨询从业资格号：Z0012691jixianfei@gtht.com刘雨萱投资咨询从业资格号：Z0020476liuyuxuan@gtht.com王宗源（联系人）从业资格号：F03142619wangzongyuan@gtht.com杨蕤（联系人）从业资格号：F03151404yangrui4@gtht.com 目录CONTENTS 03全球数据中心市场发展概况 01AI浪潮来袭，撬动有色需求的下一个支点？ 04美国电力缺口测算与金属需求分析 02AI算力中心对铜铝需求影响 AI浪潮来袭，撬动有色需求的下一个支点？ 当下AI商业化行至何处？ ◆在经历了过去几年“算力军备竞赛”和资本狂热之后，AI行业的发展迈入了新阶段。不少机构认为，尽管科技巨头在AI领域资本开支投入巨大，但尚未形成与之相匹配的规模化回报，目前真正实现广泛影响力的现象级应用仍屈指可数。在此背景下，技术突破已不再是市场关注的唯一焦点，商业化落地与盈利模式的可验证性成为真正衡量AI价值的关键。 ◆从中美发展对比来看，AI领域差距在不断缩小。尽管美国在算法、高端芯片和核心创新上仍保持一定领先，但中国凭借庞大的国内市场、完整的产业体系以及积极的政策引导，正在加速追赶。参考斯坦福大学发布的《2025年人工智能指数报告》，在AI公司和大模型的数量上，美国仍然领先中国。2024年美国发布了40个AI大模型，中国只发布了15个。AI公司的数量上，美国有1073家，中国只有98家。但在AI大模型的性能竞赛中，中国企业已经追赶上来，以腾讯、百度为代表的头部企业积极推动技术开源，允许用户自由改造和部署，这一开放策略不仅激发了全球开发者和公司的使用热情，也帮助中国AI模型迅速渗透全球市场。 推理成本的下降，为AI商业化与规模化应用提供了条件 ◆从ChatGPT的推出，到DeepseekR1的横空出世，大模型的推理成本正在以每年10倍的速度下降。斯坦福大学报告显示，执行GPT-3.5水平的AI模型，其推理成本从2022年11月的每百万token20美元，下降至2024年10月的每百万token0.07美元，降幅超过200倍；硬件层面，成本每年下降约30%，而能源效率每年提升约40%。算力价格和推理成本的显著下降，使得AI变得更加经济高效和易于获取，为AI应用商业化提供了底层经济性支撑，成为穿透各行各业并驱动实体经济的新质生产力。这既是技术演进的必然结果，也为产业发展带来新的思考。 AI商业化加速——科技巨头继续押注算力基建，资本开支增速高企 ◆科技巨头们仍在大幅增加资本支出，特别是用于算力和数据中心的建设，美国算力建设正朝着10GW和百万卡的规模继续推进。美国人工智能公司Anthropic近日宣布，将投入500亿美元建设全美人工智能基础设施网络；OpenAI也表示，将在未来8年投入约1.4万亿美元，用于新建与扩建人工智能数据中心；Alphabet旗下Google宣布，将投资400亿美元在德州建设三座新的数据中心，继续提升AI算力。预计2025年，科技巨头资本开支总额将超过3500亿美元，并预计到2026年将超过4500亿美元，2027年将超过5000亿美元。 AI商业化道阻且长——市场焦点从资本投入转向盈利验证 ◆最新一轮的美股财报季中，谷歌母公司Alphabet第三季度营收1023.46亿美元（同比增长15.95%），净利润349.79亿美元（同比增长33%）；微软第三季度营收776.73亿美元（同比增长18.43%），净利润277.47亿美元（同比增长12.49%）；亚马逊第三季度营收1801.69亿美元（同比增长13.4%），净利润211.87亿美元（同比增长38.22%），其中AWS营收为330.06亿美元，同比增20.23%，增速为2022年以来最快；Meta第三季度营收512.42亿美元（同比增长26%），净利润27.09亿美元，净利润主要受到大而美法案的实施，产生了159.3亿美元一次性非现金所得税费用，剔除税费影响后净利润提升至186亿（同比增长19%）。整体来看，美股科技巨头财报都相当亮眼，营收利润双增之下，也意味着AI已经进入了商业化的下半程，行业竞争的焦点从资本投入转向盈利验证。 AI产业链全景洞察 ◆基础层作为AI开发和运行的“土壤与水源”，其核心要素为算力、算法理论和数据。算力即计算能力，是集信息计算力、网络运载力、数据存储力于一体的新型生产力，主要通过算力基础设施向社会提供服务，是人工智能最底层的重要基础。没有强大的算力支撑，一切算法都是空中楼阁。 ◆技术层是AI产业的核心，它将基础资源转化为具体的感知、认知与决策能力。其根基在于计算机视觉（CV）、自然语言处理（NLP）、语音技术及知识图谱等技术的长期积累，这些技术共同构成了机器感知与认知世界的基石。在此基础上，人工智能算法范式继续演进，深度学习仍是主流范式，但正逐步向更前沿的自监督学习、强化学习和生成式建模方向发展 ◆应用层是AI与实体经济深度融合的层面，也是AI价值的最终体现。通过“AI+”的赋能，将底层的算法、算力与数据资源转化为直接面向终端场景的产品或解决方案，有力地推动了效率提升和产业变革。 AI算力需求演变：通用算力VS智能算力 ◆算力功耗方面：传统IDC以通用算力服务器为主，单机柜功率密度较低（2-10kW），而AIDC需要部署高功率GPU/TPU服务器，单机柜功率超过传统IDC的5-10倍，硬件投入成本较高，但单位算力效率显著提升。 ◆散热技术方面：传统IDC主要采用风冷方案，而AIDC因高功率密度需要引入液冷方案，以降低PUE值，同时满足长时间高负载运行的稳定性需求。根据工信部《新型数据中心发展三年行动计划》，要求2025年全国数据中心平均电能利用效率（PUE）必须降至1.5以下，单机柜功率超30kW必须强制采用液冷，并设定PUE≤1.3的准入红线，这标志着我国对数据中心能效的要求已从过去的“鼓励”转向“强约束”。 ◆供配电方面：传统IDC供配电系统多采用2N架构，现为数据中心机房主流架构之一。主要由两个供配电单元组成，每个单元均能满足全部负载的用电需要，两个单元同时工作，保证供电可靠性；AIDC当前主要采用混合式供电架构。由于AI算力集群的电力密度更高，GPU等芯片的瞬时负载波动要求供电系统具备毫秒级动态响应能力。 北美地区：算力中心密集扩张，拥有领先竞争优势 ◆当前美国大型数据中心项目总规模接近45GW，总投资额突破2.5万亿美元，亚马逊、微软、Meta等科技巨头是主要投资方。亚马逊过去12个月全球新增数据中心产能3.8GW，预计2027年前产能将再次翻倍；Meta规划的人工智能聚焦项目总产能达7GW，微软也在威斯康星州新增900MW产能，并计划在全美复制同类项目。区域布局上形成特色集群，弗吉尼亚州北部通过完善的电力网络与税收激励政策，占据全球13%的数据中心容量；俄亥俄州凭借公私合作模式，10年间数据中心容量增长4倍，吸引亚马逊云科技(AWS)追加10亿美元投资。市场吸纳效率显著，2025年上半年美国数据中心吸纳量达2.2GW，70%以上新产能完工前已被预租。 欧洲地区：FLAP-D城市群主导，电网可用性成为障碍 ◆欧洲数据中心市场长期由FLAP-D核心城市群所主导，即法兰克福、伦敦、阿姆斯特丹、巴黎和都柏林。然而在这些成熟的中心城市，电网的可用性已成为一大障碍。受电网承载力限制和拥堵加剧影响，欧洲当前约62%数据中心容量集中于FLAP-D枢纽区，但该比例预计将在2030年降至55%，2035年进一步跌至51%。欧洲五大枢纽中，目前仅电网约束较少的法国还保持着持续投资。 ◆北欧国家成为数据中心扩张首选。该地区拥有欧洲最低的电网拥堵率，兼具电价优势、低碳电力、土地成本低廉以及因低温环境降低了冷却需求等综合效益。其电网优势源于前瞻性规划，得益于此，丹麦过去五年数据中心容量年均增速高达26%，近期虽因关键区域电网趋近饱和导致增速回落，但未来五年仍有望保持12%的年均增长。比利时未来五至十年也将迎来强劲增长，该国输电运营商已将数据中心趋势纳入电网发展规划，前瞻性的网络扩容为投资铺平道路。 亚太地区：中国数据中心集群高速增长 ◆中国数据中心集群凭借庞大的规模稳居亚太首位，阿里、腾讯等正通过千亿级资金投入持续加码算力基建，且电信运营商的强势入局也持续推升算力中心的容量。市场预计，“十五五”期间中国算力中心将迎来规模的爆发式扩张与结构性升级，到2030年全国算力中心规模约达300万P，而2024年全国整体智算规模远未达2.4万P。测算数据显示，亚太地区2025年AI算力中心总容量将达到30.75GW，预计2026年将达到35.62GW。 AI算力中心对有色金属需求影响03 算力中心用铜：AI算力中心有利于铜消费潜力释放 ◆根据当前美国算力中心的建设进度推算，2025年新增13.35GW，2026年新增15GW，2027年新增11.7GW，市场测算1GW用铜量约2.86万吨，测算2026年美国AI算力中心带动铜新增消费量为4.73万吨。 ◆根据美国算力中心政策、投资和建设的态势，预计2026年之后美国依然有新的AI算力中心投建，届时美国AI算力中心容量将进行调整。美国电力投资和用电量能够验证AI算力中心的发展，根据市场预测，2025年美国投资者所有的电力公用事业公司资本投资同比增长19.82%，2026年为5.82%，主要投向配电、发电与输电，以应对AI算力中心、电气化带来的需求激增与电网升级需求。 ◆同时，预计2026年美国电力消费量同比增长2.54%，高于2025年增速2.30%。 高质量消费：AI算力中心用铜单耗测算，1GW=2.86万吨铜 ◆测量AI算力中心用铜量的核心逻辑是将AI算力中心的电力传输、冷却系统、设备与网络等三大核心场景拆分，总耗铜量=各核心系统用铜量之和+冗余与损耗修正量。 ◆测算1GW算力中心用铜量可以分为四个步骤：第一步，明确算力中心基础参数。假设设计功率为1GW，其中单机柜功率80kW，合计12500个机柜，且采用全液冷的冷却方式。测算的范围包括中心本体（含内部配电、冷却、设备）+外部接入10km内电网配套。第二步，分系统精准计算用铜量。（1）电力传输系统是核心用铜场景，按电压等级+线缆规格+长度进行测算，公式=线缆截面积×长度×铜密度（8.96g/cm³）÷1000（换算为吨）。在细分环节上，110KV高压接入3回线路，每回线缆规格1200mm²，长度10km/回，则用铜量为1200×10000×3×8.96×3÷1000000≈967.68吨。20台50MVA主变压器，每台铜绕组用量约1.2吨，则用铜量20×1.2=24吨。400V低压配电，单机柜配套线缆总长度50m、规格150mm²，则用铜量为12500×50×150×8.96÷1000000≈8400吨。00套10MWUPS与备用电源，每套铜排+电缆用量约50吨，则用铜量为100×50=5000吨。综合以上内容，电力系统用铜小计967.68+24+8400+5000≈14391.68吨。 ◆（2）冷却系统使用液冷方案，按管路规格+循环回路+换热器测算用铜量。在细分环节上，使用主管径DN150，分支管DN50，总长度200km（含机房内机柜连接管），管壁厚度3mm的液冷循环管路，则用铜量为管路容积×铜密度=（π×(0.15/2)²-π×(0.144/2)²）×200000×8.96÷1000≈1195吨。使用12500个机柜配套冷却槽，每个含铜质换热器5kg，则 用 铜 量 为12500×5÷1000=62.5吨。10个 大 型 冷 站，每 个 含 铜 质 冷 凝 器、换 热 器 约80吨，用 铜 量 为10×80=800吨。综 合 以 上 内 容，冷 却 系 统 用 铜 量1195+62.5+8
