光模块之后，AI资金开始寻找“电力入口”

2026年7月，AI硬件行情出现了一种微妙变化。

一边是光模块、PCB等前期核心品种高位震荡，市场开始担心估值和交易拥挤；另一边，数据中心电源、变压器、液冷等环节反复活跃，“算电协同”成为世界人工智能大会上的高频词。资金似乎正在寻找一条既能承接AI主线、位置又相对靠后的新分支。

这条分支就是电力。

但“算力的尽头是电力”并不是新口号。真正的变化在于，AI投资正在从采购多少服务器，走向计算整个数据中心的运营账：机房能否及时接入电网，单柜功率能否继续提升，一度电最终能够产出多少有效Token。电力正由后台成本项目，变成制约AI基础设施扩张的前置条件。

从PUE到TPW，算力开始计算“电产出”

过去两年，市场判断AI景气度，主要盯着海外云厂商资本开支、AI服务器出货量和高速光模块升级速度。这套框架仍然有效。2026年4月，谷歌、微软、亚马逊和Meta披露的新一季财报显示，四家公司仍在增加AI基础设施投入。多家媒体根据公司指引测算，其2026年资本开支合计可能超过7000亿美元。不过，这些开支还包含土地、建筑及其他基础设施，不能全部等同于AI硬件采购。

随着投资规模扩大，新的物理约束开始出现：服务器可以买到，机房却未必能迅速获得足够的电力。

据新华网2026年7月援引国家能源局数据，2025年全国算力中心总用电量达到1700亿千瓦时，占全社会用电量的1.6%；2026年3月，国内日均Token调用量已超过140万亿，较2024年初增长逾千倍。Token是大模型处理信息的基本计量单位，调用量快速增长，意味着AI需求正从少数模型训练走向高频推理。

Agent又进一步放大了这种变化。传统聊天机器人通常是一问一答，Agent则要拆解任务、调用工具、读取结果、纠正错误并继续执行。中国工程院院士郑纬民在2026年世界人工智能大会期间表示，特定智能体的Token消耗可能达到传统对话应用的百倍至千倍。这个数量级不能机械套用到所有场景，但它揭示了一个趋势：Agent普及后，AI的资源消耗将更多由持续推理驱动。

数据中心的评价指标也随之变化。传统PUE衡量总能耗与IT设备能耗之比，回答“有多少电没有用于计算”；2026年世界人工智能大会上出现的TPW，即Token per Watt，则试图衡量每瓦功耗能够产出多少Token，回答“这些电最终创造了多少计算产出”。

当竞争由“拥有多少算力”走向“如何稳定、高效地产出Token”，电力设备也就从普通配套升级为决定项目交付和运营成本的关键环节。

题材开始扩散，谁真正站在电力入口？

“AI耗电增加”很容易被演绎成所有电力公司受益，但这种推导过于粗糙。数据中心新增用电首先增加的是负荷，并不天然改善发电企业盈利。更直接的产业增量，其实藏在电力从电网进入服务器的过程中：先经过变压和配电，再通过UPS或直流供电系统送到机柜，最后还要解决高功率运行产生的热量。

大型数据中心由几十兆瓦向数百兆瓦扩张后，变压器、开关设备和中高压配电系统都要同步扩容。以金盘科技为例，公司长期从事输配电及控制设备研发生产，其业务本来更多被放在新能源和高端装备框架下观察。随着数据中心成为新的高负荷场景，市场开始重新评估这类企业在AIDC配电环节的增量空间。伊戈尔、明阳电气受到关注，也基于类似逻辑：算力项目越大，对高可靠供电和交付周期的要求越高，变压器不再只是机房建设中的普通设备，而可能直接影响项目何时投运。

电力经过变压和配电后，还需要稳定、高效地送到机柜。UPS用于避免电网波动或断电导致服务器停机，HVDC即高压直流供电，可以减少多次交直流转换造成的损耗。机柜功率密度提高后，供电系统既要承担更大功率，又要提升效率、压缩占地，这也是中恒电气、科华数据、科士达等公司被纳入AI电力题材的原因。

其中，中恒电气主营高频开关电源系统，产品覆盖通信电源和电力操作电源，与数据中心直流供电存在较强的技术延续性。它所代表的并不是“用电量增长”逻辑，而是供电架构升级：当机柜功率持续提高，减少电能转换次数、降低损耗的价值会更加突出。不过，这类公司能否从概念映射走向业绩兑现，仍要看AIDC订单、客户认证以及相关业务收入占比，不能只凭产品名称判断受益程度。

供电能力提升之后，散热随即成为另一项硬约束。服务器消耗的电力大部分最终转化为热量，功率密度越高，传统风冷就越接近经济性边界。英维克主营精密温控节能设备，在机房温控领域已有长期积累；申菱环境覆盖数据服务产业环境控制，高澜股份则具备液冷相关技术布局。三家公司虽然都被归入液冷题材，受益路径却不完全相同：有的优势在整套温控方案，有的更偏专用空调，有的侧重液冷设备和部件。

这正是液冷题材最容易被忽略的差别。市场交易的是渗透率提升，但上市公司最终兑现的是产品结构、客户份额和利润率。只有冷板、CDU等产品形成批量交付，液冷收入占比持续上升，题材热度才会真正转化为盈利弹性；单纯发布产品或进入测试阶段，距离业绩仍有明显距离。

储能与能源管理则把这条链条继续向外延伸。风电、光伏具有波动性，数据中心却需要全天候稳定运行。绿电直连若要规模化，就必须解决发电曲线与算力负荷之间的错配，储能、负荷预测、电价预测和算力调度因此被纳入算电协同。2026年，“算电协同”首次写入政府工作报告，政策关注点也由降低机房能耗，延伸到算力、电力、绿电和调度系统的整体配合。

这样看，所谓AI“电力入口”并不是一个整齐划一的板块。金盘科技、伊戈尔等公司对应的是并网与扩容；中恒电气、科华数据等公司对应的是供电架构和转换效率；英维克、申菱环境等公司对应的则是功率密度提升后的散热需求。三类公司的商业模式、客户壁垒和业绩兑现节奏差异很大，也决定了资金不会长期停留在无差别的概念炒作上。

从题材周期看，“算电协同”已经越过纯概念预热，正进入政策、产业事件与资金共同驱动的启动阶段，但尚未形成光模块那样清晰的产品和业绩验证体系。接下来真正有区分度的信号，是上市公司能否披露AIDC订单，相关收入能否在中报和三季报形成增量，以及产品价值量是否确实随单柜功率提升。缺少这些验证，行情更像AI主线内部的高低切；一旦订单和利润开始兑现，“电力入口”才可能从补涨题材升级为独立的产业分支。

光模块解决的是算力如何高速连接，电力设备解决的是这些算力能否启动、稳定运行并持续产出Token。AI资金寻找“电力入口”，并不是离开算力，而是沿着服务器的真实运行条件继续向下挖掘。只有进入数据中心供应链、价值量随功率密度提升，并能把订单转化为利润的设备企业，才可能从短期补涨走向产业重估。