AI电力电源液冷再次迎来最佳击球点

事件：8月8日，路透社援引The Information报道称，英伟达计划向电力基础设施开发商Lancium(其开发的德州Abilene园区是Stargate最重要的旗舰站点）投资最多30亿美元。第一笔投资约20亿美元，英伟达将获得Lancium约20%的股权；如Lancium后续达到特定目标，英伟达还可能追加最多10亿美元。 AI资本开支逻辑短期重新形成闭环，AI基础设施逻辑重新得以确认 北美核心CSP纷纷发完最新报告，大模型效率大幅提升->完成单一任务token数量下降、单位token价格下降->下游coding、AI4S等各领域应用爆发->token数量爆发->CSP云业务收入/ROI双增->继续上修CapEx->硬件采购已经形成闭环（当然争论点在于硬件价格下降可能带来的毛利净利坍塌是否能被新技术所弥补，硬件价格下降必然也会带来下游经济性提升，参考风光锂）。 事实上AI电力可能是最大的基础设施瓶颈 此前，包括英伟达、OpenAI等在内的各类AI参与方，都发出过警告：电力可能是最大的AI基础设施瓶颈环节，除了各类AI硬件外，电从哪里来，线路变电站谁掏钱成为核心关键！更细一步说，SOFC、燃机、煤电、新能源储能等技术路线该怎么选择？美国本土部分高压变压器、GIS等各类电力设施交付排期已到2029年是否要开放中国供应链或者本土企业加速产能建设？ 我们认为此番英伟达下场，说明其正在进一步将自身定位延伸至“AI基础设施资本方”，同时必将让AI产业和资本市场再次重新审视以上问题！英伟达资本循环变成：AI需求增长->GPU收入增长->更多现金流->投资或给下游客户担保（需要在这里+投资产业链瓶颈）->AI基础设施持续扩张！ 电源和液冷共同决定的PUE是电力能源核心 除功率密度和可靠性外，电源的转换效率是电源研发进步的核心原动力，从UPS到240vHVDC到800vHVDC到SST电源转换效率始终保持持续提升，意味着电力损耗的持续下降；液冷散热技术的持续提升将使得单GW计算功率发热可以通过更高效的散热方式来解决，（更小的设备体积、干冷器+45℃温水带来更低电力消耗），从而实现更高的PUE优化。 投资建议： 大幅回调后，各类资产重新进入价值区间，建议全面关注AI电力设备（变压器、GIS）、燃气轮机、AIDC配储、电源（PSU/IBC/PoL/800vHVDC/SST，同时含上游功率器件、超级电容、MLCC、芯片电感）、液冷（包含一次冷源、二次）产业链！