判断力模糊 6.26.26 – 获得力量的时刻

从规划到通电的时间

有一句话很快就会变得更加普遍，那就是“通电时间”。

在基础设施建设过程中，“通电时间”正变得越来越重要。虽然各处都存在瓶颈，但电力供应问题尤为突出。为何它如此关键？我们以一个假设的数据中心建设为例来说明。这类项目的成本往往高达数十亿甚至上百亿美元，而其中大部分资金都是通过借贷获得的。

作为债权方，你需要回答的核心问题是“借款人有多大可能性能够偿还这笔贷款，以及何时能够偿还”。为了解答这个问题，他们会重点考察借款人何时能开始有收入进账。即便你能采购到芯片、取得土地，并完成建设数据中心所需的一切准备，但如果无法供电，一切都毫无意义。没有电力，就无法产生收益，借款方（即数据中心建设者）也就永远无法获得收入。

这促使贷款机构聚焦一个关键问题：您的数据中心何时能够获得电力供应？换言之，就是您的“通电时间”是多少。借款人越能快速证明自己能够获得电力，其整个项目就越有可能获得融资支持。

除此之外，任何云服务提供商（也就是各类新云平台）不仅要确保供应端的条件得到保障——即需要资金支持的数据中心——还要有需求方存在，也就是那些会使用其数据中心的客户。对于任何客户而言，除非他们确信该新云平台能够按时获得电力供应，否则不会愿意投入时间和资源去建设新的云平台。因此，通电时间对最终用户来说同样至关重要。

在这个方程式中，一方是融资方，另一方是客户。在双方决定投入任何资金之前，都会先询问“通电时间是多少”。决定性因素就在于通电时间。芯片、土地和资本都是现实存在的限制，但只要资金充足就能解决；而电力问题则要复杂得多。

在深入研究这个问题之后，我发现很多情况都出乎我的意料。我原本以为“通电时间”问题背后的主要症结在于发电能力——我们只需建造更多发电厂、生产更多发电机即可。但实际上并非如此。目前有大量的发电设施正在建设中（而且已有电力产生，只是找不到用武之地）。真正的难题在于如何将电力从发电地点输送到消耗地点（也就是数据中心的机房）。

根据 Claude 的一些研究，美国目前的总装机容量及并网容量约为 1200 至 1400 吉瓦。我的研究涵盖了各类发电设施，包括发电厂、太阳能电池板、风力涡轮机等。令人震惊的是，还有大量电力正处于并网等待状态，却迟迟无法接入电网。那么，处于并网等待队列中的电力规模究竟有多大呢？大约在 2300 到 2600 吉瓦之间。也就是说，有相当于两个电网规模的电力正在排队等待接入！这并不意味着目前就有这么多发电设施在实际生产电力，那些处于等待队列中的产能往往其实就是各种项目。那些项目必须先证明自己有销售对象——通常就是电网运营商——才能获得融资并得以建设。因此，如果能够简化电力接入流程，将会立刻带来巨大的效益（虽说不可能真正在一夜之间实现，但其潜力是存在的）。目前排队等待接入的电力容量，已经超过了整个国家的现有用电总量。

这些被锁住的电力无处不在，对于所有正在建设的新数据中心而言，它们越快能够“释放”这些电力，其通电时间就能越快到来。

我的核心观点是：我们面临的并非发电问题，而是输电问题。电能其实已经存在（对于那些项目而言，至少接近存在的状态），只是无法以足够快的速度实现“连接”。而且情况还在不断恶化——排队等待中的项目大多最终都无法建成，从历史数据来看，只有大约 10-20%的排队容量能够真正投入商业运营。那些无法建成项目的开发商会退出排队行列，通常是因为等待时间过长，或是接入电网的成本过高。即便在 2026 年这种表现优异的年份，我们新增的发电能力也仅可能在 1001#86 吉瓦左右，而总需求却高达 2500 吉瓦。因此，这个排队机制实际上就成了一场死亡行军，大多数项目都会在此过程中夭折……

这就引出了真正的瓶颈：电力传输！

大多数人喜欢谈论发电问题——比如天然气发电厂、核电站的重新启动、大型太阳能农场等等。但实际上，发电已不再是最棘手的难题了（虽然仍然存在问题，但并不像人们想象的那么严重）。真正的难点在于输电线路。必须将电力从发电地点通过高压输电线输送到变电站，然后再送入放置 GPU 的数据中心。这听起来很简单，但其中的每一个环节都是一项需要数年才能完成的项目，各自都需要相应的融资和审批流程，而遗憾的是这些流程往往只能依次进行，无法同时并行。

负责覆盖中大西洋地区及东部大部分区域的电网运营商 PJM 拥有相关方面的详尽数据。各类项目仅为了达成并网协议就需要大约 3 年的时间……而在那之后还要再花费 1001#4 年左右才能真正投入运行。即便完成了所有必要的手续（签署了各类协议、完成了环境评估等），由于输电设施升级以及变电站和变压器尚未建成，项目仍需数年才能开始供电。仅变压器的供货周期就已超过 160 周。换言之，仅仅为了获得能够降低电压以便使用电能的设备，就可能需要 3 年的时间。

在本文开头我提到“通电时间”对贷款机构而言至关重要，而恰恰从这里开始，它才真正显现出重要性。数年的时间差距正是贷款机构在审批项目时重点考虑的因素之一。一个项目即便在纸面上已签署了 1 吉瓦的电力购买协议，也可能多年都无法获得相应的电力供应。遗憾的是，合同并不等同于实际的电力供应，从签订合同到真正获得电力之间可能会出现问题无数。要回答“通电时间”这一问题的关键，在于证明你已经解决了输电问题（而不仅仅是签署了电力购买协议）。

最后还有“最后一公里”的问题：如何将电力输送到数据机房中的 GPU 设备？电网提供的是中压交流电，而芯片则需要直流电——而且所需电压并不高，GPU 核心的工作电压大约仅为 1 伏特左右。从交流电转换为直流电通常需要经过多个转换步骤，包括变压器、开关装置、整流器以及各种配电设备，而这些设备在转换过程中都会以热量的形式损失一部分能量。如果只考虑单个机架的话，这种能量损失其实并不重要，只不过是微不足道的误差而已。但是，当规模达到吉瓦级数据中心（甚至几百兆瓦级别）时，这些电能损耗问题就会变得十分严重，会占用大量电力预算，而这些电力在到达 GPU 之前就已经被消耗掉了。由于机架密度不断上升，这个问题只会愈发严重而非有所改善：H100 时代每架机架的功耗为 10040 千瓦，而 GB200 系列则上升到了 1002120 千瓦，到 2027 年 Nvidia 的 Rubin Ultra 机架的功耗更将达到 1000 千瓦。在如此高的密度下，原有的供电方案已经无法继续使用。根据 Claude 的说法，用传统方式为单个 1MW 的机架供电需要大约 200 公斤的铜母线——而一个 1 吉瓦级的数据中心仅机架母线这一项就需要约 200,000 公斤的铜。这个数字简直令人难以置信……

这正是英伟达力推行业采用 800 伏直流电的原因。无需在电力输入过程中多次在交流电和直流电之间转换，只需在数据中心内进行一次转换，再将高压直流电分配到各个区域，最后在机架内的芯片处再将电压降低到合适水平。我上面提到的所有转换步骤都可以省去。英伟达称，这种新架构最多可减少四层转换环节，铜材使用量可降低 1001#45%，总体拥有成本也能下降 1002#30%（这些数据来自厂商，仅供参考——但大致方向应该是正确的）。当电力成为稀缺资源时，这一“最后一公里”的效率提升（尤其是交流电与直流电之间的转换次数），就能转化为真正的竞争优势（尤其是在成本方面）。

正因如此，整个行业都在重新思考电力在建筑内的传输方式——将更高电压的电源引至机架更近的位置，采用直流配电方案，重新设计电力路径以尽可能减少转换环节等。

从新云项目建成到 GPU 能够正常运行之间，存在着诸多障碍。电网运营商（如 PJM、ERCOT 等）原本是为应对缓慢且可预测的负荷增长而设立的，根本无法应对某个用户一次性申请数百兆瓦，更不用说数吉瓦的电力需求了——这类需求在过去就已经相当于一个小城市的用电量了。此外，那些负责开展研究并资助基础设施升级的电力公司，如今遇到的数据中心用电需求甚至超过了他们历史上的最高负荷水平。再者，还有监管机构（如 FERC、DOE 等），他们试图改革一个从一开始就不是为这种情况设计的体系，却总是落后一步。那些选择自建发电设施或采用表后供电方式的企业（如 Meta、Amazon、Google、xAI、Crusoe 等）基本上都在表示：“由于电网排队问题严重，我们干脆在现场自行建设发电设施，从而完全避开排队等待的麻烦。”表后供电确实是一种日益流行的趋势，而且其中还隐藏着值得关注的启示——市场上那些最精明的买家已经意识到，与其等待电网供电，不如自己成为电力生产者，这样反而更快。这实在令人惊讶。在我看来，这反映出了一个更严重的问题：现有的整个电网系统根本无法满足数据中心以及各类智能设备的发展所带来的电力需求。我们需要一些新的解决方案——新的直流电网、新的输电系统，以及各个环节中的新设备。

回到我写这篇文章时的出发点。贷款方想知道现金何时到账；而客户（即新云服务提供商将要向其出售算力容量的对象）则希望知道相关设施能否真正投入运行并获得电力供应。这两个问题其实都关乎电力，更确切地说，是电力从发电厂传输到服务器机架的速率。一直以来，人们认为制约科技产业发展的因素只有人才和资本，但实际上这两者都很充足——到处都能招聘到人才，也能轻易筹集到资金。但现在我们还得考虑另一个问题：电力能否及时到位。在下一轮产业竞争中，获胜的不会仅仅是那些拥有最多芯片或最低成本资本的企业（当然这些因素也很重要），而是那些能尽早意识到最稀缺的资源从来都不是计算能力，而是电力供应时间的企业。

Top 10 EV / NTM Revenue Multiples  

每周十大股价变动榜单

多性向估值指标最新动态

SaaS 企业通常是根据其营收的倍数来定价的——在大多数情况下，这个营收数据指的是未来 12 个月的预期营收。营收倍数是一种简化的估值方式。由于大多数软件公司尚未实现盈利，或无法产生可观的自由现金流，因此这是用来对比整个行业的唯一指标。即便采用 DCF 估值法，其中也充满了各种长期假设。SaaS 模式的优势在于，其在早期的快速增长最终会带来后期的盈利。下文中的营收倍数是通过企业价值（市值加上债务再减去现金）除以当期营收来计算得出的。

总体数据：

• 整体中位数：2.9 倍

• 前五名公司的中位数估值：26.7 倍

• 10 年期利率：4.4%

按生长速度分类。在以下的分类中，我将预期未来 12 个月的生长速度高于 22%的视为高生长型，介于 15%-22%之间的视为中等生长型，而低于 15%的则视为低生长型。对于“高生长型”的界定标准，我不得不进行调整。如果 22%这个数值看似有些随意，那确实如此……我只是选了一个能让大约 1001 家公司的成长速度符合高生长型标准的数值，这样样本量才能具备更强的统计意义。

• 高生长型企业的估值中位数：16.6 倍

• 中等生长阶段企业的估值中位数：4.6 倍

• 较低生长率领域的估值中位数：2.4 倍

企业价值/未实现营收/未实现生长率

下图显示的是 EV/NTM 营收倍数除以市场普遍预期的 NTM 营收增长率。也就是说，如果一家公司的估值为 20 倍其 NTM 营收，而其预期营收增长率为 100%，那么该公司的实际估值倍数则为 0.2 倍。制作此图的目的是展示每只股票的估值相对于其成长预期而言是偏低还是偏高。

企业价值/未调整自由现金流

折线图显示了 FCF 估值倍数在 0x 至 100x 之间的所有公司的中位数。我设置这一数据子集，是为了展示那些以 FCF 作为重要估值指标的公司。

净营运资金现金流为负的公司并未被列入该图表中。

EV/NTM 营收多性向与 NTM 营收生长率的散点图

增长与估值倍数之间的关联度如何？

运营指标

• 中位数未来 12 个月增长率：13%

• 长期平均增长率中位数：16%

• 毛利率中位数：76%

• 平均营业利润率为 2%

• 中位自由现金流利润率：21%

• 净留存率中位数：110%

• 平均客户获取成本回收期：44 个月

• 销售与营销费用占营收的中位数比例：34%

• 研发支出占营收的中位数比例：23%

• 管理费用占营收的中位数比例：13%

同类公司业绩数据

40 法则的计算公式为营收增长率与自由现金流利润率之和（营收增长率和利润率均需采用近期及长期数据）。自由现金流则通过营业现金流减去资本支出得出。

GM 调整后投资回收期是通过以下公式计算得出的：（上一季度的营销与销售费用）/（本季度的净新增年度经常性收入乘以毛利率）×12。该指标反映了 SaaS 企业需要多少个月才能以毛利润为基础偿还其全部营销成本。由于大多数上市公司并不公布净新增年度经常性收入，因此我采用了间接计算的年度经常性收入数值（即季度订阅收入乘以 4）。净新增年度经常性收入则简单地为当前季度的年度经常性收入减去上一季度的数值。那些未披露订阅收入的公司则被排除在分析之外，并标注为“NA”。

本文所参考的资料包括彭博社、Pitchbook 以及相关公司的公开文件。

本通讯中所呈现的内容仅为作者的个人观点，并不一定反映包括 Altimeter Capital Management, LP（简称“Altimeter”）在内的任何其他个人或机构的意见。虽然这些信息源自可靠渠道，但若存在不准确之处，作者概不承担任何责任。本文仅用于提供信息参考，不应被视为投资建议。过往表现并不能保证未来结果。Altimeter 是一家在美国证券交易委员会注册的投资顾问机构，但注册并不代表其具备特定的专业技能或受过相应培训。Altimeter 及其客户会买卖公开交易的证券，并且已经且/或可能会对文中提及的公司进行投资或做出与文中观点一致或不一致的投资决策。此处表达的观点仅代表作者本人，而非 Altimeter 或其客户，后者保留根据自身判断做出投资决策或进行交易活动的权利，而这些决策或活动可能与本文观点一致，也可能存在差异。

本文及其中所含信息仅用于提供参考之用。文中表达的观点仅为作者个人观点，并不构成任何证券的销售要约、购买建议或购买要约的邀请，亦不对任何投资产品或服务提出推荐意见。虽然文中部分信息来源于被认为可靠的渠道，但作者及其雇主或关联方均未对这些信息进行独立核实，因此无法保证其准确性与完整性。据此，对于该信息的公正性、准确性、及时性或完整性，既不作出任何明示或暗示的陈述或担保，也不应依赖此类信息。作者及其所有雇主及关联人员均不对此信息承担任何责任，也无义务在未来更新其中的分析内容。