當算力像電一樣定價的那天，燦谷會被重新理解

最近達沃斯論壇，馬斯克又提出來現在AI的最大瓶頸，正在從芯片轉向電力。

大概意思就是GPU可以加速生產，但電力基礎設施不可能同樣速度擴張，特別是美國，可能面臨芯片造得出、卻開不了機的窘境。

結合燦谷情況，感覺公司并不是簡單的“挖礦轉型AI”，而是站在一個更底層的位置上，成為“由綠色能源支撐的全球分布式AI算力基礎設施網絡”。

圖源：CANGO Investor Presentation January 2026

這有點算力運營商的感覺，長期看，算力大概率會像電一樣，成為一種需要長期運營的基礎設施。

算力被電力卡脖子，對燦谷意味著什么

過去兩年，市場討論算力，更多集中在GPU、模型規模和MAG7等公司的資本開支上。但到了2025年之后，一個越來越清晰的變化是，算力項目的實際約束，開始出現在電力和并網環節。

首先是電力慌。

很多報告其實有同樣的結論，比如IEA國際能源署，認為全球數據中心用電到2030年在基準情景下將翻倍，達到約945TWh，約占2030年全球用電量接近3%。高盛預測數據中心（AI+非AI）電力需求到2030年相對2023年將增長175%，相當于“新增一個全球前十用電國的規模”。

以H100為例，一臺8卡節點在高負載訓練時，瞬時功率可達8kW以上；這種節點被擴展成幾十、上百臺的集群時，這個用電規模首先就要解決電力系問題。

第二個并網環節。

從電網運行機理看，無論是化石能源、核電，還是輸變電系統，現代電網幾乎全部運行在交流電體系之上，而交流電最脆弱的兩個參數是電壓和頻率。在北美，系統頻率必須穩定在60赫茲附近，一旦供需出現偏差，頻率就會立刻發生變化：供給過剩，頻率上升；供給不足，頻率下降。而電網來對這種偏移的容忍度極低，哪怕只有10%左右的波動，就可能引發設備損壞、斷路器跳閘，甚至系統級事故。

AI數據中心恰巧就是這種對電網極其不友好的非穩定負載。

圖源：谷歌在2025年OCPEMEA峰會上的發言，SemiAnalysis

根據谷歌給出的數據，可以看到AI數據中心負載要比傳統數據中心高出一個數量級。再加上現在美國電網基建層面也到了更換周期，電網擴容和審批周期已經跟不上算力部署節奏，大量AI數據中心并網的話，壓力非常大。

再一個就是綠電。

比較極端的例子。之前馬斯克給xAI造的10萬張H200的人工智能超級集群，19天就搞定了（一般來講需要四年），實際用的是自發電方案，用一堆便攜式燃氣發電機臨時為數據中心供電，等150兆瓦變電站建設完成。

這個項目實際上是卡了一個bug，所在縣有一項特殊規定：燃氣輪機發電機在364天內可移動的情況下，無需取得正式許可即可運行。最近美國環境保護署剛剛發布一項裁決，取消了所有類型燃氣輪機發電機的許可豁免，明確這類機組不能用地方豁免規避聯邦《清潔空氣法》許可要求，收緊監管口徑。

從以上三個核心點來看燦谷，會發現燦谷做算力運營這事兒，起點很高。

燦谷目前已經運行著約50EH/s的算力（上周全網算力降到1005EH/s，占全網算力5%），覆蓋全球40多個站點。這些站點本質上都是高功率、長期運行的計算負荷節點，而且已經完成了電力接入、散熱、負載管理等一整套基礎設施建設。

算力本質是電力變現，重新審視燦谷的商業邏輯

從上面幾個技術層面看，算力與電力高度相關，而從商業邏輯看，算力運營本質是把電力轉化為可定價、可交付的計算服務。

傳統發電的變現路徑是一次性的，路徑比較簡單，發電、上網、按度收費。

算力的變現路徑更長，也更復雜一些。低價或穩定電力、計算負荷、算力服務、合同和現金流。這樣的話附加值也會更高，一度電能現在產生多少價值，以及能否被反復定價。

而燦谷天然就擁有一組可調度負荷。比特幣挖礦的負載特性決定了它可以24小時運行，也可以在需要時快速讓出電力資源。而且挖礦在燦谷的體系里，是一個非常理想的“基礎負荷”。當沒有更高價值需求時，挖礦把電力利用率跑滿；當更高價值需求出現時，挖礦可以為其讓路。

所以從長期視角重新審視燦谷的邏輯，燦谷商業本質是通過運營來提升單度電的價值，過去只有挖礦，現在是多了AI來把價值曲線往上調。

過去礦企都會看BTC per Million Shares這個指標，燦谷去年12月是抬到了21.7。在保持總體50EH/s這個不變的情況下，增長偏線性，會高度正相關于電力成本。而且公司簽下的電力合同只能用來挖礦，收益高度依賴幣價周期。

如果疊加AI推理、算力租賃和長期合同，電力就從一次性消耗品，變成了可以持續變現的資產。從公司已經披露的信息看，無論是阿曼的光伏加儲能試點，還是印尼規劃中的150MW發電設施，已經進入項目階段的探索。

一旦這種能源側布局逐步落地，燦谷所運營的單位電力的收益曲線就會出現指數級上揚。按照比如KWh per Million share指標，會符合公司底層業務邏輯。

AI訓練之外，燦谷要走不一樣的路

在AI數據中心這條線上，目前很多礦企轉型主流是拿大廠的CapEx預算，幾十上百億美金的合同，長期綁定，屬于比較明牌的估值邏輯，重資產直接把預期拉滿了。

做AI訓練需要的是高度集中、資本密集、極端規模化的算力中心，對單點電力和網絡條件要求極高；比如這個月，CleanSpark又發了公告說準備收購德克薩斯州土地，用于建設600兆瓦人工智能數據中心，預計2026一季度完成交易。

但這塊市場屬于大模型訓練的軍備競賽階段，都是幾個大廠在玩，談判未必占優，再一個這些大廠本身也可能有履約問題，更吃CapEx與并網進度，對現金流與執行要求更高。

電網運營商PJM Interconnection今年1月中旬公布了一項計劃，新的大型電力用戶要么自帶發電設施，要么加入并網管理框架，并接受提前限電。核心問題在于，AI數據中心不僅把居民用電價格給抬上來了，還可能造成大規模斷電，這都是政治問題。

據美國勞工統計局的數據顯示，截至去年11月的一年中，電價上漲了6.9%，而2020年至2025年間的漲幅預計將達到40%。

現在看，再去砸重資產做AI訓練的數據中心，似乎不是個好生意了。

燦谷目前最大的資產，是一張已經鋪開的全球算力站點網絡。公司公開的戰略路徑是短期繼續通過挖礦和GPU租賃跑通模型，中期建設區域算力樞紐，長期目標是形成一個由能源支撐的分布式AI算力網絡。

這個路徑與公司現有的站點結構、負載特性是高度匹配，不是那種“追熱點式轉型”，比較務實。

畢竟推理的需求更偏向分布式，需要靠近企業和用戶，強調穩定性和持續運行能力。從需求結構上看，隨著AI從“能力展示”進入“應用落地”，推理需求的持續性和可預期性，反而要強于訓練。

當算力開始像電一樣被定價，真正稀缺的，是運營能力

如果用電力板塊的投資邏輯來對照算力，其實路徑非常清楚。

最早被定價的，永遠是CapEx，包括裝機規劃、投資規模、政策目標這些；接下來，資金會轉向訂單和設備，尋找收入能否落地的確定性；而當裝機和訂單逐漸變成行業常態，真正有長期溢價的，往往是系統層和運營層，比如智能電網、調度平臺、虛擬電廠。這一階段關注的是能不能長期穩定運行、能不能在不同負荷之間做調度、能不能把同一套資產反復變現。

算力市場正在走同樣的路徑。過去兩年，市場關注的是GPU采購規模和算力堆疊能力；再往后，看的是算力租賃、訓練訂單、云廠商需求外溢。但隨著算力規模快速擴張，電力約束和負荷波動開始成為硬約束，市場一定會進一步區分。誰只是一次性賣算力，誰能把算力當成一種可預測、可調度、可長期交付的基礎設施資產來管理。

當更高價值的AI推理需求出現時，同一套電力和基礎設施可以被重新調度、重新定價。對于算力基礎設置來說，與電力體系中“從發電走向調度、從裝機走向運營”的價值遷移是一套邏輯。

從這個角度看，燦谷所處的位置，更接近算力輪動的后半段，把算力跑成系統、把負荷變成資產的運營能力。雖然節奏慢一些，但往往更耐看，也更容易穿越周期。