这一趋势有望催生庞大的设备市场。摩根士丹利预测，截至 2029 年，美国分布式供电设备的潜在市场规模将达到约 120GW，对应约 2400 亿美元的设备市场机会，其中约 77GW 来自数据中心尚待填补的供电缺口，约 40GW 来自工商业领域的新增需求。
摩根士丹利认为，分布式供电并非等待传统电网扩容期间的临时解决方案，而可能成为未来电力基础设施的重要组成部分。
美国 AI 数据中心面临约 77GW 电力缺口
摩根士丹利指出，AI 基础设施建设正在接近一个物理层面的转折点。电力供应短缺、AI 计算向终端用户转移以及大型数据中心面临的政治阻力，共同推动算力和电力基础设施向分布式架构演变。
根据该行测算，2026 年至 2029 年，美国数据中心新增电力需求约 160GW，其中 21.8GW 对应已经在建且拥有电网连接的项目，现有电网还可提供约 36.2GW 的额外容量。
此外，包括 Solaris、Williams、Liberty 及 Halliburton 旗下相关业务在内的开发商已经采购约 22.8GW 的现场发电设备。再扣除约 2.8GW 按概率加权计算的核电项目容量后，预计仍有 76.5GW 的供电缺口。
摩根士丹利认为，这部分缺口将主要通过固体氧化物燃料电池、往复式燃气发动机以及不同类型的燃气轮机等现场发电设备填补。
供电瓶颈之外，AI 计算需求本身也在发生变化。
传统 AI 模型训练需要高度集中的计算资源，通常适合建设供电容量在 1GW 及以上的超大型数据中心。相比之下，AI 推理对网络延迟更加敏感，部分计算任务更适合部署在靠近用户的小型节点。
因此，摩根士丹利预计，未来将形成集中式与分布式并存的算力基础设施体系。传统电网和联合循环燃气轮机仍将是大型训练中心的重要电力来源，而燃料电池、小型燃气轮机等模块化设备，则有望在分布式推理设施中获得更多应用。
需要说明的是，分布式供电并不意味着完全脱离公共电网。数据中心仍可与电网保持连接，同时通过现场发电和储能提高供电独立性及可靠性。
供电速度比电价更重要？
随着电力短缺加剧，数据中心选择供电方案的经济逻辑也在发生变化。
摩根士丹利指出，传统电力项目主要比较平准化度电成本（LCOE），但这一指标没有充分考虑 AI 数据中心等待电力供应所产生的机会成本。
对于已经采购大量 GPU 的企业而言，如果设备因为缺电而无法投入运营，即使未来能够获得更便宜的电力，漫长的等待仍可能造成巨大经济损失。
为此，摩根士丹利提出了一个新指标：闲置算力调整后供电成本（SCACP）。该指标将 GPU 等计算资产等待通电期间的机会成本加入传统发电成本。
根据该行模型，在项目期限为 15 年、容量因子为 80% 的假设下，每提前一年获得电力供应，可减少约 4500 美元 / 千瓦的闲置算力机会成本，折合约 42 美元 / 兆瓦时（MWh）。
这意味着，部署速度更快的发电技术，即使传统电价较高，也可能具有更好的综合经济性。
摩根士丹利测算，公共电网的传统供电成本仅为 89 美元 /MWh，但由于并网可能需要等待 5 至 7 年，计入闲置算力机会成本后，SCACP 升至 323 美元 /MWh。
相比之下，固体氧化物燃料电池的传统供电成本为 131 美元 /MWh，但由于部署速度较快，综合成本仍为 131 美元 /MWh。
其他技术方面，航改型燃气轮机和微型涡轮发电机的 SCACP 分别为 132 美元和 135 美元 /MWh，往复式燃气发动机为 189 美元 /MWh，工业燃气轮机则达到 258 美元 /MWh。
换言之，在 AI 算力需求旺盛的背景下，能否尽快让 GPU 投入运行，可能比获得最低电价更加重要。
不过，摩根士丹利强调，SCACP 并非实际电价，而是包含闲置算力机会成本的经济性指标，其结果取决于项目回报和供电等待时间等假设。
技术竞争格局仍可能变化
除了成本和供电速度，摩根士丹利还综合考虑负荷调节能力、排放、噪声、社区反对因素以及技术成熟度，对五类现场发电技术进行评分。
其中，SCACP 占总评分权重的 50%，噪声及社区反对因素和技术成熟度各占 15%，负荷跟随能力及排放表现各占 10%。
结果显示，Bloom Energy 的固体氧化物燃料电池以 4.5 分排名第一，BorgWarner 的微型涡轮发电机以 3.7 分排名第二，FTAI Aviation 的航改型燃气轮机以 3.4 分排名第三。
往复式燃气发动机以 3.3 分排名第四，工业燃气轮机则以 1.8 分排名第五。
摩根士丹利认为，燃料电池的主要优势在于部署速度快、噪声和排放较低，并且能够提供模块化供电。Bloom Energy 的产品还能直接输出 800 伏直流电，契合数据中心高压直流供电的发展趋势。
报告指出，固体氧化物燃料电池可以在不到 6 个月的时间内实现供电，但其初始资本支出仍然较高。
不过，当前排名并不意味着燃料电池将长期占据绝对优势。
摩根士丹利模拟了 2030 年设备供应充足、不同技术不再存在交付时间溢价的情景。在这一假设下，往复式燃气发动机将升至第一，燃料电池降至第二，微型涡轮发电机则退居第四。
这表明，当前部分技术的竞争优势主要来自供电速度，而非单纯的发电成本。
摩根士丹利还指出，各类技术并非完全替代关系，未来更常见的模式可能是将燃气发动机、燃料电池、燃气轮机与储能设备组合成微电网。
至于小型模块化核反应堆（SMR），虽然能够提供稳定电力，但由于审批及建设通常需要 5 至 10 年，且目前缺乏成熟的商业化产品，更可能成为 2030 年代的长期解决方案。
数据中心储能需求或迎来爆发
随着 AI 推理规模扩大，储能正成为数据中心电力系统越来越重要的组成部分。
摩根士丹利指出，与相对稳定的基础负荷不同，AI 推理需求可能随着用户活动突然增加或减少，高密度 GPU 机架还会产生短暂而剧烈的功率波动。
储能系统虽然不能直接发电，却可以通过快速充放电平滑负荷、削减用电高峰，并减少对额外发电容量的需求。
该行预计，快速响应的储能设备与可调度的现场发电设备相结合，将逐渐成为数据中心的重要供电架构。
根据预测，美国年度储能新增部署量将从 2025 年的 57 吉瓦时（GWh）增长至 2030 年的 279GWh，年复合增长率约 38%。
其中，数据中心年度储能需求将从 2026 年的 14GWh 增长至 2028 年的 62GWh，并在 2030 年达到 169GWh，占当年美国储能总需求约 60%。
与此同时，美国累计储能部署规模有望从 2024 年的约 90GWh 增长至 2030 年的约 1000GWh。
储能市场的另一个增长方向是虚拟电厂（VPP）。虚拟电厂通过软件整合家庭储能、屋顶光伏、电动汽车及智能用电设备，在电力需求高峰时统一调度，为电网提供额外的灵活容量。
摩根士丹利特别提到了特斯拉与美国住宅太阳能及储能服务商 Sunrun 的合作案例。
2026 年 9 月 9 日，加州遭遇热浪期间，两家公司联合调度超过 14 万套住宅储能电池，在持续三小时的晚间调度中，向电网提供超过 580 兆瓦（MW）的峰值功率。
其中，约 11 万套特斯拉 Powerwall 贡献 517MW，其余 63MW 来自其他制造商的电池。
报告指出，这一峰值输出已经可以与传统发电厂相比，但相关设备实际上分散在大量居民家庭中。
今年 6 月，特斯拉、Sunrun 及 Renew Home 还签署了一项不具约束力的合作框架，计划聚合超过 16GW 的灵活电力资源，为公用事业企业和大型云计算公司提供服务。
摩根士丹利认为，虚拟电厂虽然无法完全替代传统电网建设，但能够提高已有基础设施的利用率，在变电站和输电线路扩容完成之前缓解部分供电压力。
2030 年发电设备供应仍可能不足
尽管现场发电设备制造商正在积极扩大产能，摩根士丹利认为，行业到 2030 年仍可能面临供应不足。
根据全球数据中心相关设备供需模型，该行预计，到 2030 年，燃气轮机、发动机及燃料电池等主要发电设备的供应规模约为 149GW。
考虑数据中心需要配置额外发电容量以保障可靠性，假设冗余比例为 20%，这些设备可支持约 120GW 的实际供电需求。
但摩根士丹利预计，2030 年相关数据中心电力需求将达到约 150GW。
考虑数据中心需要配置 20% 的备用发电容量，摩根士丹利预计，2027 年和 2028 年设备供应仍有一定余量，但2029 年可能出现约 15GW 缺口，到 2030 年进一步扩大至约 29GW。
需要注意，这一全球设备供需预测与前述美国 77GW 供电缺口采用不同统计口径。
报告指出，供应紧张已经体现在价格和订单上。大型燃气轮机价格持续上涨，部分 2030 年交付的设备，产能预订所需预付款比例已经提高至 25%。
INNIO 和卡特彼勒的相关产能已被预订至 2028 年，其他供应商也开始签订 2029 年及 2030 年交付的设备订单。
摩根士丹利认为，部分新增产能可能流向非数据中心领域，新进入者的实际交付能力也存在不确定性，因此市场对 2030 年设备供应能力的估计可能偏高。
从数据中心扩展至制造业
摩根士丹利认为，分布式供电的长期机会远不止 AI 数据中心。
随着美国制造业回流，工业设施也将面临电力供应不足、并网周期过长和电价上涨等问题。
该行测算，如果美国在全球制造业产出中的占比从 2025 年的 16% 提高至 2050 年的 20%，那么为了实现这一发展路径，到 2035 年，美国工商业领域可能需要增加高达 113GW 的电力供应容量。
与此同时，地方社会对数据中心建设的反对情绪也在升温。
报告援引第三方估计称，2025 年美国约有 1560 亿美元的数据中心项目被取消或推迟，2026 年第一季度又有约 1300 亿美元的项目受到影响。
居民主要担心数据中心推高电费、增加用水和空气污染，以及产生噪声和交通问题。
摩根士丹利认为，这些压力可能进一步推动数据中心采用现场供电方案，减少对现有电网容量的依赖。
更重要的是，数据中心的大规模采购将推动燃料电池、燃气轮机、微电网及储能设备扩大产能，加快技术创新并降低成本。随着经济性改善，相关技术有望逐步进入制造业、仓储物流、医院等其他工商业领域。
该行将这一过程称为 " 分布式电力飞轮 "。
在产业链方面，摩根士丹利重点看好 Bloom Energy、BorgWarner、FTAI Aviation、贝克休斯、康明斯等现场发电设备供应商，以及 Solaris、Liberty、Halliburton 和 Williams 等电力项目开发商。储能和虚拟电厂领域则涉及特斯拉、Sunrun、Fluence 及福特等企业。
从更长期来看，随着 AI 进入汽车、机器人和无人机等物理设备，计算资源本身也可能进一步分散。
摩根士丹利预计，到 2040 年，机器人和电动汽车搭载的计算设备规模可能达到约 1 太瓦（TW）的功率水平。未来，这些设备闲置时的计算资源有望参与外部 AI 推理任务，而其搭载的电池也可能成为分布式电力资源。
报告认为，AI 计算从集中式云端向终端设备扩散，与电力供应向分布式架构发展，将形成相互强化的趋势。
