最近达沃斯论坛，马斯克又提出来现在AI的最大瓶颈，正在从芯片转向电力。
大概意思就是GPU可以加速生产，但电力基础设施不可能同样速度扩张，特别是美国，可能面临芯片造得出、却开不了机的窘境。
结合灿谷情况，感觉公司并不是简单的“挖矿转型AI”，而是站在一个更底层的位置上，成为“由绿色能源支撑的全球分布式AI算力基础设施网络”。
这有点算力运营商的感觉，长期看，算力大概率会像电一样，成为一种需要长期运营的基础设施。
算力被电力卡脖子，对灿谷意味着什么
过去两年，市场讨论算力，更多集中在GPU、模型规模和MAG7等公司的资本开支上。但到了2025年之后，一个越来越清晰的变化是，算力项目的实际约束，开始出现在电力和并网环节。
首先是电力慌。
很多报告其实有同样的结论，比如IEA国际能源署，认为全球数据中心用电到2030年在基准情景下将翻倍，达到约945TWh，约占2030年全球用电量接近3%。高盛预测数据中心（AI+非AI）电力需求到2030年相对2023年将增长175%，相当于“新增一个全球前十用电国的规模”。
以H100为例，一台8卡节点在高负载训练时，瞬时功率可达8kW以上；这种节点被扩展成几十、上百台的集群时，这个用电规模首先就要解决电力系问题。
第二个并网环节。
从电网运行机理看，无论是化石能源、核电，还是输变电系统，现代电网几乎全部运行在交流电体系之上，而交流电最脆弱的两个参数是电压和频率。在北美，系统频率必须稳定在60赫兹附近，一旦供需出现偏差，频率就会立刻发生变化：供给过剩，频率上升；供给不足，频率下降。而电网来对这种偏移的容忍度极低，哪怕只有10%左右的波动，就可能引发设备损坏、断路器跳闸，甚至系统级事故。
AI数据中心恰巧就是这种对电网极其不友好的非稳定负载。
根据谷歌给出的数据，可以看到AI数据中心负载要比传统数据中心高出一个数量级。再加上现在美国电网基建层面也到了更换周期，电网扩容和审批周期已经跟不上算力部署节奏，大量AI数据中心并网的话，压力非常大。
再一个就是绿电。
比较极端的例子。之前马斯克给xAI造的10万张H200的人工智能超级集群，19天就搞定了（一般来讲需要四年），实际用的是自发电方案，用一堆便携式燃气发电机临时为数据中心供电，等150兆瓦变电站建设完成。
这个项目实际上是卡了一个bug，所在县有一项特殊规定：燃气轮机发电机在364天内可移动的情况下，无需取得正式许可即可运行。最近美国环境保护署刚刚发布一项裁决，取消了所有类型燃气轮机发电机的许可豁免，明确这类机组不能用地方豁免规避联邦《清洁空气法》许可要求，收紧监管口径。
从以上三个核心点来看灿谷，会发现灿谷做算力运营这事儿，起点很高。
灿谷目前已经运行着约50EH/s的算力（上周全网算力降到1005EH/s，占全网算力5%），覆盖全球40多个站点。这些站点本质上都是高功率、长期运行的计算负荷节点，而且已经完成了电力接入、散热、负载管理等一整套基础设施建设。
算力本质是电力变现，重新审视灿谷的商业逻辑
从上面几个技术层面看，算力与电力高度相关，而从商业逻辑看，算力运营本质是把电力转化为可定价、可交付的计算服务。
传统发电的变现路径是一次性的，路径比较简单，发电、上网、按度收费。
算力的变现路径更长，也更复杂一些。低价或稳定电力、计算负荷、算力服务、合同和现金流。这样的话附加值也会更高，一度电能现在产生多少价值，以及能否被反复定价。
而灿谷天然就拥有一组可调度负荷。比特币挖矿的负载特性决定了它可以24小时运行，也可以在需要时快速让出电力资源。而且挖矿在灿谷的体系里，是一个非常理想的“基础负荷”。当没有更高价值需求时，挖矿把电力利用率跑满；当更高价值需求出现时，挖矿可以为其让路。
所以从长期视角重新审视灿谷的逻辑，灿谷商业本质是通过运营来提升单度电的价值，过去只有挖矿，现在是多了AI来把价值曲线往上调。
过去矿企都会看BTC per Million Shares这个指标，灿谷去年12月是抬到了21.7。在保持总体50EH/s这个不变的情况下，增长偏线性，会高度正相关于电力成本。而且公司签下的电力合同只能用来挖矿，收益高度依赖币价周期。
如果叠加AI推理、算力租赁和长期合同，电力就从一次性消耗品，变成了可以持续变现的资产。从公司已经披露的信息看，无论是阿曼的光伏加储能试点，还是印尼规划中的150MW发电设施，已经进入项目阶段的探索。
一旦这种能源侧布局逐步落地，灿谷所运营的单位电力的收益曲线就会出现指数级上扬。按照比如KWh per Million share指标，会符合公司底层业务逻辑。
AI训练之外，灿谷要走不一样的路
在AI数据中心这条线上，目前很多矿企转型主流是拿大厂的CapEx预算，几十上百亿美金的合同，长期绑定，属于比较明牌的估值逻辑，重资产直接把预期拉满了。
做AI训练需要的是高度集中、资本密集、极端规模化的算力中心，对单点电力和网络条件要求极高；比如这个月，CleanSpark又发了公告说准备收购德克萨斯州土地，用于建设600兆瓦人工智能数据中心，预计2026一季度完成交易。
但这块市场属于大模型训练的军备竞赛阶段，都是几个大厂在玩，谈判未必占优，再一个这些大厂本身也可能有履约问题，更吃CapEx与并网进度，对现金流与执行要求更高。
电网运营商PJM Interconnection今年1月中旬公布了一项计划，新的大型电力用户要么自带发电设施，要么加入并网管理框架，并接受提前限电。核心问题在于，AI数据中心不仅把居民用电价格给抬上来了，还可能造成大规模断电，这都是政治问题。
据美国劳工统计局的数据显示，截至去年11月的一年中，电价上涨了6.9%，而2020年至2025年间的涨幅预计将达到40%。
现在看，再去砸重资产做AI训练的数据中心，似乎不是个好生意了。
灿谷目前最大的资产，是一张已经铺开的全球算力站点网络。公司公开的战略路径是短期继续通过挖矿和GPU租赁跑通模型，中期建设区域算力枢纽，长期目标是形成一个由能源支撑的分布式AI算力网络。
这个路径与公司现有的站点结构、负载特性是高度匹配，不是那种“追热点式转型”，比较务实。
毕竟推理的需求更偏向分布式，需要靠近企业和用户，强调稳定性和持续运行能力。从需求结构上看，随着AI从“能力展示”进入“应用落地”，推理需求的持续性和可预期性，反而要强于训练。
当算力开始像电一样被定价，真正稀缺的，是运营能力
如果用电力板块的投资逻辑来对照算力，其实路径非常清楚。
最早被定价的，永远是CapEx，包括装机规划、投资规模、政策目标这些；接下来，资金会转向订单和设备，寻找收入能否落地的确定性；而当装机和订单逐渐变成行业常态，真正有长期溢价的，往往是系统层和运营层，比如智能电网、调度平台、虚拟电厂。这一阶段关注的是能不能长期稳定运行、能不能在不同负荷之间做调度、能不能把同一套资产反复变现。
算力市场正在走同样的路径。过去两年，市场关注的是GPU采购规模和算力堆叠能力；再往后，看的是算力租赁、训练订单、云厂商需求外溢。但随着算力规模快速扩张，电力约束和负荷波动开始成为硬约束，市场一定会进一步区分。谁只是一次性卖算力，谁能把算力当成一种可预测、可调度、可长期交付的基础设施资产来管理。
当更高价值的AI推理需求出现时，同一套电力和基础设施可以被重新调度、重新定价。对于算力基础设置来说，与电力体系中“从发电走向调度、从装机走向运营”的价值迁移是一套逻辑。
从这个角度看，灿谷所处的位置，更接近算力轮动的后半段，把算力跑成系统、把负荷变成资产的运营能力。虽然节奏慢一些，但往往更耐看，也更容易穿越周期。
精彩评论