AI尽头真就是电力!谷歌(GOOGL.US)相中美国能源腹地，谋划AI基建新布局

智通财经APP获悉，美国科技巨头谷歌(GOOGL.US)正在积极考虑在新墨西哥州利县建设数据中心，这一最新的AI基建规划可谓显示出科技巨头们AI基础设施扩张中日益重要的选址逻辑——芯片采购之外，稳定供电、能源成本、水资源和社区支持，同样决定项目能否落地。利县位于二叠纪盆地西部，丰富的天然气资源及当地燃气发电基础设施，可能为大型计算设施提供能源条件。

不过，谷歌目前仍在评估项目、开展社区沟通，尚未披露建设规模、投产时间和具体供电方案。谷歌考虑在利县建设数据中心，凸显了AI算力扩张对能源供给条件的重视。当地丰富的天然气资源及已有燃气发电基础设施，为新增数据中心提供了潜在的能源支撑。

AI算力基建向能源腹地延伸，谷歌寻找下一块增长基石

从AI算力产业布局逻辑看，随着AI推理和智能体应用增加持续计算需求，大型云计算厂商们迫切需要同步规划芯片、机房与供电能力。从数据中心选址经济性看，丰富的燃料资源与已有燃气发电基础设施，可能为谷歌拟议项目提供能源方面的吸引力，这也是为何谷歌承诺承担自身能源使用和所需基础设施的全部费用。

该地区天然气现货价格曾因伴生气供应过剩跌至负值，反映出当地天然气供给充裕的特点。此外，谷歌管理层还将社区沟通工作视为项目开发的重要环节。

“我们在利县的目标很简单：成为值得信赖的长期合作伙伴，为支持我们称之为家园的地方做正确的事，”谷歌在一篇介绍拟议项目的博客文章中表示。“这包括以负责任的方式管理至关重要的水资源，承担我们所使用能源和所需基础设施100%的费用，并积极参与社区事务。”

此前谷歌披露的财务数据显示，第二季度谷歌云收入同比大幅增长82%至约248亿美元;公司同期披露，Gemini模型每分钟处理220亿个API词元，这些数据都在显示出随着AI应用风靡全球带来的算力大幅增长，谷歌对于AI算力资源需求可谓持续扩张。

谷歌表示，它意识到许多社区对数据中心开发存在抵触，因此打算先与当地居民展开对话。

该县位于二叠纪盆地西部，该盆地盛产石油、天然气和天然气液体。当地拥有规模可观的天然气发电能力及相关基础设施。不过，多年来，该地区的油气开采企业在着重开采价值更高的石油时，会通过火炬燃烧的方式将天然气烧掉。由于页岩油开采产生的伴生天然气供应过剩，该地区的天然气现货价格曾跌至负值。

AI推理时代到来，全球AI算力需求持续井喷式扩张

与AI算力产业链层面相关联的强劲AI算力需求支撑，已经显著体现在产业链领军者们强劲业绩、韩国持续创纪录半导体出口和长期容量协议安排中。

韩国海关数据显示，9月1—10日半导体出口额已经达到165亿美元，同比增长270%;“AI芯片超级霸主”英伟达截至7月26日的2027财年第二季度营收达到962亿美元，同比增长106%，其中数据中心收入为890亿美元，同比增长117%;公司给出的下一季度营收指引为创纪录的1080亿美元营收区间中值，上下浮动2%。

正在筹备美股市场创纪录IPO的Anthropic，也在通过长期协议扩大算力供应。其今年4月宣布，未来十年向AWS相关技术投入超过1000亿美元，获取最高5吉瓦(GW)的新容量，用于训练和运行Claude;与谷歌、博通签署的另一份协议，则涉及预计自2027年起陆续上线的数吉瓦下一代张量处理单元(TPU)容量。上述的这些数据共同表明，AI算力层面的基础设施需求已经形成规模可观的实际采购与供应商收入，这些长期承诺提高了未来芯片、机房和电力需求的可见度，同时也使供应商的交付能力、融资成本和客户实际使用量成为AI投资回报的关键变量。

市场反弹也在凸显强劲AI算力需求对于整个算力产业链的看涨逻辑强化。8月中旬，韩国KOSPI指数一度较7月低点反弹超过20%;截至9月9日盘中，费城半导体指数连续第五个交易日上涨，期间累计涨幅接近6%。但行情随后再次转弱，9月14日KOSPI收跌3.26%，费半收跌约5.9%，AI发展降速言论及利率压力重新影响估值。

OpenAI近期重磅推出的GPT-6 Astra大模型，以及AI领头羊们聚焦的RSI技术路径，有望成为驱动AI算力需求指数级扩张的两大核心驱动力，即性能更强的AI大模型与更广泛的AI应用工具使用、算力需求更加强劲的下一代AI训练路径，正在增强AI算力基础设施需求持续增长的重要依据。

Astra带来的投资意义，在于提高复杂任务的成功率与经济可行性，使企业愿意部署更多智能体、处理更多专业任务;华尔街金融巨头摩根士丹利近期所强调的“从需求争论重新转向AI主题的物理层面供给约束”，正是最前沿大模型Astra带来的新一轮AI算力资源需求扩张机制。OpenAI产品负责人关于需求空前以至于该公司可能暂停新增Pro订阅的表态，可谓是近日AI算力服务容量承压的重要信号。

从底层技术逻辑看，Astra等具备计算机操作和复杂任务执行能力的模型，可能把AI需求从单轮问答扩展到持续运行的智能体工作流(Agentic Workflow)：一次用户委托，可能触发多轮推理、文件处理、工具调用和结果验证。如果可完成任务的范围、用户数量和使用频次同步增长，推理需求就可能形成新的扩张动力。

进一步看，AI推理基础设施必须同时解决计算、内存和服务延迟问题。预填充(Prefill)处理输入上下文，通常能够形成较强的并行计算需求;解码(Decode)逐步生成输出，在许多交互式场景下更容易受到内存带宽限制。长上下文和大量并发请求，还会增加键值缓存(KV Cache)的容量与访问压力，实际瓶颈则随模型架构、批处理规模和缓存策略变化。这意味着谷歌扩建数据中心的经济目标，是让加速器、高带宽内存(HBM)、网络和供电系统协同工作，在满足响应时间要求的前提下，提高单位成本可交付的推理服务量。能源资源丰富地区的潜在优势，需要通过长期可靠的供电资源、合理AI基础设施建设成本和较高利用率才能转化为利润;这也是“AI尽头是电力”真正对应的投资逻辑。