光模塊之後，AI資金開始尋找“電力入口”

2026年7月，AI硬件行情出現了一種微妙變化。

一邊是光模塊、PCB等前期核心品種高位震盪，市場開始擔心估值和交易擁擠；另一邊，數據中心電源、變壓器、液冷等環節反覆活躍，“算電協同”成爲世界人工智能大會上的高頻詞。資金似乎正在尋找一條既能承接AI主線、位置又相對靠後的新分支。

這條分支就是電力。

但“算力的盡頭是電力”並不是新口號。真正的變化在於，AI投資正在從採購多少服務器，走向計算整個數據中心的運營賬：機房能否及時接入電網，單櫃功率能否繼續提升，一度電最終能夠產出多少有效Token。電力正由後臺成本項目，變成制約AI基礎設施擴張的前置條件。

從PUE到TPW，算力開始計算“電產出”

過去兩年，市場判斷AI景氣度，主要盯着海外雲廠商資本開支、AI服務器出貨量和高速光模塊升級速度。這套框架仍然有效。2026年4月，谷歌、微軟、亞馬遜和Meta披露的新一季財報顯示，四家公司仍在增加AI基礎設施投入。多家媒體根據公司指引測算，其2026年資本開支合計可能超過7000億美元。不過，這些開支還包含土地、建築及其他基礎設施，不能全部等同於AI硬件採購。

隨着投資規模擴大，新的物理約束開始出現：服務器可以買到，機房卻未必能迅速獲得足夠的電力。

據新華網2026年7月援引國家能源局數據，2025年全國算力中心總用電量達到1700億千瓦時，佔全社會用電量的1.6%；2026年3月，國內日均Token調用量已超過140萬億，較2024年初增長逾千倍。Token是大模型處理信息的基本計量單位，調用量快速增長，意味着AI需求正從少數模型訓練走向高頻推理。

Agent又進一步放大了這種變化。傳統聊天機器人通常是一問一答，Agent則要拆解任務、調用工具、讀取結果、糾正錯誤並繼續執行。中國工程院院士鄭緯民在2026年世界人工智能大會期間表示，特定智能體的Token消耗可能達到傳統對話應用的百倍至千倍。這個數量級不能機械套用到所有場景，但它揭示了一個趨勢：Agent普及後，AI的資源消耗將更多由持續推理驅動。

數據中心的評價指標也隨之變化。傳統PUE衡量總能耗與IT設備能耗之比，回答“有多少電沒有用於計算”；2026年世界人工智能大會上出現的TPW，即Token per Watt，則試圖衡量每瓦功耗能夠產出多少Token，回答“這些電最終創造了多少計算產出”。

當競爭由“擁有多少算力”走向“如何穩定、高效地產出Token”，電力設備也就從普通配套升級爲決定項目交付和運營成本的關鍵環節。

題材開始擴散，誰真正站在電力入口？

“AI耗電增加”很容易被演繹成所有電力公司受益，但這種推導過於粗糙。數據中心新增用電首先增加的是負荷，並不天然改善發電企業盈利。更直接的產業增量，其實藏在電力從電網進入服務器的過程中：先經過變壓和配電，再通過UPS或直流供電系統送到機櫃，最後還要解決高功率運行產生的熱量。

大型數據中心由幾十兆瓦向數百兆瓦擴張後，變壓器、開關設備和中高壓配電系統都要同步擴容。以金盤科技爲例，公司長期從事輸配電及控制設備研發生產，其業務本來更多被放在新能源和高端裝備框架下觀察。隨着數據中心成爲新的高負荷場景，市場開始重新評估這類企業在AIDC配電環節的增量空間。伊戈爾、明陽電氣受到關注，也基於類似邏輯：算力項目越大，對高可靠供電和交付週期的要求越高，變壓器不再只是機房建設中的普通設備，而可能直接影響項目何時投運。

電力經過變壓和配電後，還需要穩定、高效地送到機櫃。UPS用於避免電網波動或斷電導致服務器停機，HVDC即高壓直流供電，可以減少多次交直流轉換造成的損耗。機櫃功率密度提高後，供電系統既要承擔更大功率，又要提升效率、壓縮佔地，這也是中恆電氣、科華數據、科士達等公司被納入AI電力題材的原因。

其中，中恆電氣主營高頻開關電源系統，產品覆蓋通信電源和電力操作電源，與數據中心直流供電存在較強的技術延續性。它所代表的並不是“用電量增長”邏輯，而是供電架構升級：當機櫃功率持續提高，減少電能轉換次數、降低損耗的價值會更加突出。不過，這類公司能否從概念映射走向業績兌現，仍要看AIDC訂單、客戶認證以及相關業務收入佔比，不能只憑產品名稱判斷受益程度。

供電能力提升之後，散熱隨即成爲另一項硬約束。服務器消耗的電力大部分最終轉化爲熱量，功率密度越高，傳統風冷就越接近經濟性邊界。英維克主營精密溫控節能設備，在機房溫控領域已有長期積累；申菱環境覆蓋數據服務產業環境控制，高瀾股份則具備液冷相關技術佈局。三家公司雖然都被歸入液冷題材，受益路徑卻不完全相同：有的優勢在整套溫控方案，有的更偏專用空調，有的側重液冷設備和部件。

這正是液冷題材最容易被忽略的差別。市場交易的是滲透率提升，但上市公司最終兌現的是產品結構、客戶份額和利潤率。只有冷板、CDU等產品形成批量交付，液冷收入佔比持續上升，題材熱度纔會真正轉化爲盈利彈性；單純發佈產品或進入測試階段，距離業績仍有明顯距離。

儲能與能源管理則把這條鏈條繼續向外延伸。風電、光伏具有波動性，數據中心卻需要全天候穩定運行。綠電直連若要規模化，就必須解決發電曲線與算力負荷之間的錯配，儲能、負荷預測、電價預測和算力調度因此被納入算電協同。2026年，“算電協同”首次寫入政府工作報告，政策關注點也由降低機房能耗，延伸到算力、電力、綠電和調度系統的整體配合。

這樣看，所謂AI“電力入口”並不是一個整齊劃一的板塊。金盤科技、伊戈爾等公司對應的是併網與擴容；中恆電氣、科華數據等公司對應的是供電架構和轉換效率；英維克、申菱環境等公司對應的則是功率密度提升後的散熱需求。三類公司的商業模式、客戶壁壘和業績兌現節奏差異很大，也決定了資金不會長期停留在無差別的概念炒作上。

從題材週期看，“算電協同”已經越過純概念預熱，正進入政策、產業事件與資金共同驅動的啓動階段，但尚未形成光模塊那樣清晰的產品和業績驗證體系。接下來真正有區分度的信號，是上市公司能否披露AIDC訂單，相關收入能否在中報和三季報形成增量，以及產品價值量是否確實隨單櫃功率提升。缺少這些驗證，行情更像AI主線內部的高低切；一旦訂單和利潤開始兌現，“電力入口”纔可能從補漲題材升級爲獨立的產業分支。

光模塊解決的是算力如何高速連接，電力設備解決的是這些算力能否啓動、穩定運行並持續產出Token。AI資金尋找“電力入口”，並不是離開算力，而是沿着服務器的真實運行條件繼續向下挖掘。只有進入數據中心供應鏈、價值量隨功率密度提升，並能把訂單轉化爲利潤的設備企業，纔可能從短期補漲走向產業重估。