12月26日，Advantrade表示，由於對電力的永無止境的需求，以及由於其所有者擁有龐大的財力，人工智能數據中心有可能顛覆電力公用事業網絡的運營、監管和財務基礎。一個不信任監管、深受提倡打破常規的矽穀影響的新政府可能會加速這一進程。

Advantrade表示，公用事業的監管涉及一個隱含的兩步過程：1） 城市或州授予公用事業公司壟斷或特許經營權；2） 作為回報，公用事業公司同意服務水平、資本控製和其他措施，以防止客戶濫用。作為自由代理人，未來的人工智能發電廠開發商對公用事業公司或公用事業公司的客戶沒有任何法律義務。Advantrade認為，數據中心和公用事業公司最終陷入一場大的法律糾紛幾乎是不可避免的。Advantrade預計，作為大型發電廠，人工智能公司將試圖將成本轉嫁給公用事業公司及其客戶，即所謂的交叉補貼。人工智能主導的發電廠代表著巨大的增量基礎負荷增加，必須在輸配電係統的上下進行物理容納。有人必須為所有這些公用事業升級買單。

公用事業監管模型是一種稀缺模型（假設投資資本稀缺或昂貴）。監管機構在相互競爭的客戶群體之間分配資源和費用——他們都希望獲得廉價電力。Advantrade認為，人工智能/數據中心趨勢顛覆了政府、企業和客戶之間的傳統關係，原因如下：1）它們的利潤率足夠高，與典型的工業客戶不同，它們對價格相對不敏感；2）它們擁有擁有和運營多個發電站的規模和成熟度；3）它們擁有龐大的資產負債表，具有資本成本優勢，並且幾乎可以無限地獲取資本。最後一點賦予了它們巨大的競爭優勢。假設 100% 債務融資，科技巨頭可以為其新發電廠融資，而成本還不到投資者擁有的公用事業的一半。如此巨大的競爭劣勢實際上是無法克服的。

排名前五的人工智能公司的銷售額為 1.76 萬億美元，淨利潤為 0.384 萬億美元，現金餘額為 0.433 萬億美元，自由現金流為 0.345 萬億美元。這是整個電力行業銷售額的三倍、利潤的六倍和現金餘額的二十倍。假設新建發電廠的成本為 30 億美元，通常約有 20% 的總建設費用用於資本成本——假設公用事業的成本結構為 6 億美元。以公用事業資本成本的一半進行融資將節省 3 億美元的潛在融資成本。與微軟等大型科技公司相比，公用事業公司在資本成本方麵處於極大的劣勢。例如，微軟可以以 5% 的成本為 100% 的債務融資一個大型發電站（其 2050 年到期的 25 年期公司債券收益率為 5.1%）。從信用質量的角度來看，他們的資產負債表完美無缺，他們的公司債券評級為 AAA，這是最高評級。公用事業公司的 BBB 固定收益信用評級通常要弱得多，但仍是穩固的投資級。為了相信公用事業融資現狀會持續下去，人們必須相信這裏指出的資本成本差異對大型潛在電力購買者不會產生任何影響。

如果目前的公用事業行業能夠或多或少地以目前的形式生存下來，很可能是因為微軟、、Meta 或任何目前正在爭相購買發電廠的公司選擇忽視受監管公用事業公司的其他非發電資產。公用事業增長的短期競爭威脅可能會動搖市場，而這與誰真正建造並從新發電資產中獲利有關。但從長遠來看，一旦公眾的利益不再明確，Advantrade認為監管過程本身無法在科技公司和公用事業公司之間進行調解。隻要電價仍然負擔得起，電力服務公司就可能淪為裁判，任由巨頭們爭鬥。如果電價失控，電力服務公司可能就來不及采取行動了。