市场对 AI 电力需求的讨论，已经不算新鲜叙事了。“AI 会消耗更多电”这句话本身没有错，但它太大，也太容易被市场快速消费。
真正值得继续观察的，不是电力需求有没有增加，而是这件事把 AI 资本开支从抽象的算力故事，拉回到更具体的物理约束。
01 / 从需求叙事到交付约束
如果 AI 算力扩张需要更多数据中心，问题会从“是否需要”变成“能否按时落地”。电力接入、土地、冷却、设备、审批和建设周期，都会开始影响扩张节奏。
尤其当单机柜功率继续上行，电力就不再只是能源成本，而会变成交付密度的约束条件。
02 / 一个更硬的观察表
| 变量 | 表面叙事 | 真正需要验证的东西 |
|---|---|---|
| 电力 | AI 用电更多 | 单柜功率、并网周期、HVDC / UPS、电源模块、冷却方案 |
| 数据中心 | 算力继续扩张 | 土地、电力指标、建设周期、客户锁定、资本开支节奏 |
| 光互联 | 光模块需求很强 | 400G / 800G / 1.6T 出货、XPU 数量、attach rate、库存天数、ASP |
| CPO / 光器件 | 新架构会替代旧架构 | InP 外延、laser capacity、yield、客户导入节奏、backlog |
| 现金流 | 投得越多越强 | 利用率、折旧、融资成本、收入质量、自由现金流 |
这张表的意义不是给结论，而是把问题拆开。AI 电力需求不是一个孤立主题，它连接的是一整组约束条件。
03 / 光互联不是简单的“过剩”问题
最近光互联链条里的争议，不能只用线性除法回答。市场会拿 400G / 800G 以上光模块出货和 XPU 数量做比较，但 attach rate 不是静态比例。
真正需要验证的是网络架构、east-west traffic、冗余备件、切换节奏、云厂商备货、库存天数和 ASP 是否同步变化。
04 / CPO 的核心不是概念，而是制造约束
CPO、NPO、OCS 这些词很容易被市场当成新叙事，但真正硬的地方不在概念，而在制造。关键变量不是架构选择，而是 InP 外延供给、laser capacity、良率、客户验证节奏、量产导入时间和 backlog 能否转化为收入。
05 / 成熟制程可能不是老周期
AI 服务器并不只需要先进 GPU，也需要大量外围芯片：PMIC、BMC / MCU、retimer、interface、光模块控制芯片、模拟和电源管理芯片。
如果先进制程和先进封装继续吸收主要资本开支，成熟节点的新增供给反而可能没有想象中宽松。
06 / 最后会回到现金流
AI 资本开支不是免费的。它会带来增长，也会带来折旧；会带来收入，也会占用现金流；会放大需求，也会放大融资环境的敏感度。
真正值得观察的地方，不是某一个变量单独变强，而是这些变量能不能互相验证。
07 / Field Notes 只记录这一点
电力不是答案。它是通往下一组问题的门。
如果电力、网络、光器件、成熟制程和现金流开始互相匹配，AI capex 仍然可以形成结构；如果它们开始错配，市场就会重新区分叙事强度和承载能力。
免责声明
本文仅为公开研究表达，不构成投资建议、要约或招揽。岩衡资本公开内容只讨论市场结构、验证变量与风险边界，不提供具体交易建议、标的推荐、仓位安排或短线执行指引。