Who will decide the winner of the AI competition? Perhaps it is: gas turbines

當市場仍將注意力集中在 GPU 算力、先進製程以及 HBM 供給節奏之上時，華爾街的研究視角正在悄然下沉，逐步轉向 AI 產業鏈中更底層、卻更具約束力的基礎設施環節。

據追風交易台，在巴克萊最新發布的主題研報中，一個看似 “反科技”、卻極具決定性的判斷被反覆強調：AI 競賽真正的瓶頸，正在從芯片轉向電力，而在現階段所有可落地的解決方案中，燃氣輪機正成為最具約束力的關鍵環節。

這並不是因為燃氣輪機有多麼前沿，而恰恰相反，正是因為它足夠成熟，卻已經難以被快速擴產。

AI 真正改變的，是電力的 “時間屬性”

與傳統雲計算時代相比，AI 數據中心對電力的需求正在發生結構性變化。問題已經不只是 “需要多少電”，而是 “電力能否在合適的時間、以足夠穩定的方式被送達”。

巴克萊表示，在大規模訓練型負載下，電力接入的延遲、併網的不確定性，都會直接轉化為算力閒置和資本效率下降。在這一背景下，“speed-to-power（電力上線速度）” 不再只是工程指標，而正在成為 AI 競賽中影響部署節奏和商業回報的核心變量。

正因如此，儘管從長期成本角度看，公共電網仍然更具吸引力，現實卻正在迫使越來越多 AI 數據中心轉向 “自帶電源（BYOP）” 方案。在當前技術條件下，燃氣輪機仍是唯一能夠在規模、穩定性與成熟度之間取得現實平衡的選擇。

但問題在於，這一選擇本身就指向了一個更深層的約束。

一個被市場低估的事實：燃氣輪機並不是為 AI 而擴產

從表面看，燃氣輪機需求的快速抬升似乎與 AI 數據中心建設高度相關，但巴克萊研報反覆提醒，將這一輪需求變化簡單理解為 “AI 拉動”，本身就是一種誤讀。

事實上，AI 只是新增需求之一。與此同時，全球煤電退役後的基荷替代、可再生能源滲透率提升帶來的調峯需求，以及 LNG 和油氣產業鏈的持續資本開支，都在同步擠佔同一套燃氣輪機供給體系。

這意味着，AI 項目並未享有 “供給優先權”。無論是製造產能、工程師資源，還是高温材料與關鍵零部件，AI 都必須與其他長期需求共享同一條供應鏈。在這樣的背景下，OEM 並未、也難以為 AI 數據中心單獨重構一條全新的產線。

“交付” 並不等於 “發電”，時間滯後被嚴重低估

研報中一個極具分量、卻容易被忽略的事實是：大型燃氣輪機即便完成設備交付，距離真正形成穩定、可商業化的發電能力，往往仍需要 18 至 24 個月的建設、調試與併網週期。

這一時間滯後並非工程層面的細節，而是足以改變宏觀判斷的重要變量。多個案例顯示，從合同簽署到滿負荷運行，項目週期往往長達四至五年。

這也意味着，即便現在立刻下單，AI 算力真正 “吃到” 這部分新增電力，時間點很可能已經落在下一輪資本週期之中。研報由此給出的隱含判斷是：AI 面臨的電力緊約束，可能並不會在短期內緩解，而是延續至 2030 年前後。

OEM 的剋制，本身就是週期信號

在供給端，市場對 “產能擴張” 的直觀想象，與 OEM 的實際行為之間存在明顯落差。

從巴克萊梳理的情況來看，無論是三菱重工、GE Vernova，還是西門子能源，當前的擴產更多來自工藝優化、舊型號復產以及加班生產，而真正依賴新增資本開支的產能，大多要到 2027—2028 年之後才能逐步體現。

更重要的是，OEM 普遍採取了一種更為審慎的策略組合——放緩擴產節奏、顯著提高產能預訂定金比例，並對項目進行更嚴格篩選。這種做法並非源於需求不足，而是行業對重演過熱週期保持高度警惕。在這一輪週期中，供給端並不急於打破緊平衡。

研報還提出了一個頗具反直覺意味的判斷：隨着可再生能源佔比不斷提升，燃氣輪機在電力系統中的重要性並未下降，反而被進一步強化。

風光發電的快速擴張提升了電網的整體波動性，而儲能在成本和持續時長上的現實約束，使得穩定、可調峯的電源仍然不可或缺。在這一結構下，燃氣輪機並非 “被淘汰前的過渡技術”，而是能源轉型過程中難以被跳過的中間環節。

綜合來看，巴克萊這份研報真正講述的，並不是一個簡單的 “AI 拉動傳統能源” 的故事，而是一個更底層的結構性判斷：在多重長期需求疊加之下，燃氣輪機行業已經失去了快速擴張供給的能力。

AI 並非製造了這一問題，而只是第一個、也是最早將這一瓶頸徹底暴露在市場面前的客户。如果説 GPU 決定的是單次計算的速度上限，那麼燃氣輪機真正決定的，是這場 AI 競賽能否按時開賽，以及誰有資格長期留在賽場之中。