七大因素正在重塑 AI 数据中心估值

AI 的快速发展让数据中心从「标准化资产」转变为「超级资本密集型基础设施」。在亚太地区，这一趋势尤为明显：随着 AI 模型训练需求飙升，单一项目投资额动辄超过十亿美元。

 

估值方式的选择

• 传统数据中心可用成本、收益、市场比较三种方法估值。
• AI 数据中心因规模与特殊性，主要依靠成本法与收益法，市场比较法的参考性下降。
• 在成本法中，重置成本分析必须在高成本的专用基础设施与交换价值原则之间取得平衡，因为市场参与者可能会对不常见的设施特征支付全价感到犹豫。
• 在收益法中，逐渐使用「每千瓦每月」为单位进行租金资本, 对于较大、电力需求高的租户，租金呈下降趋势。但面对的挑战是，许多千兆瓦级设施的租金被锁定在保密的预租协议中，估值师不得不进行推算，例如将一个主要市场中10兆瓦的租金推算到偏远地区的1,000兆瓦租金。

 

影响估值的七大核心因素

• 可靠性：高运行时间要求带来更高成本，但能收取溢价租金。
• 效率：电力使用效率成为最大营运成本的关键。
• 密度：AI 工作负载推高机架密度，超越传统空冷极限。
• 可扩展性：能支持高密度、持续扩展的设施稀缺且价值高。
• 接性：光纤与电网接入仍重要，但部分设施正转向次级市场。
• 电力与水资源：最重要的建设前提，直接决定项目可行性。
• 可持续性：污染控制与环境配套影响所营运国家所提供的长期税务优惠。

 

对亚太投资者的启示

• 区域内电力与水资源分布不均，将成为投资选址的首要考虑。
• 高密度 AI 设施的稀缺性，可能推动新一轮基础设施投资潮。
• 税务规划与环境合规将直接影响投资回报。

 

Kroll 可协助AI 数据中心投资决策

在这场估值框架重塑中，Kroll 凭借专业的估值顾问服务，协助投资者与营运商理解并应对 AI 数据中心的挑战，确保资本配置更具前瞻性。