AI的爆火引发了全球性的电力短缺恐慌。核电、绿电轮番上阵，谁才是AI能耗的救世主？

（文章来源 微信公众号：能源新媒 作者：武魏楠）

1979年3月16日，一部名为《中国综合征》（TheChinaSyndrome）的好莱坞电影在全美上映。这部由大导演詹姆斯·布里奇斯执导、大明星简·芳达和迈克尔·道格拉斯主演的电影一经上映就引发观影狂潮。

然而事实上，本片与中国毫无关系。该片讲述了加利福尼亚州一家核电站发生故障并引发严重事故，故事主要以政治阴谋和揭露真相为主。只不过在电影中，核事故的代号被称为“中国综合征”。

任谁也不会想到，电影上映仅仅12天之后，宾夕法尼亚州的三哩岛核电站真的就发生了一次堆芯熔毁事故。这不仅比电影中的事故更加严重，而且是美国核电历史上最严重的一次事故。从三哩岛核事故之后的30年时间里，美国再也没有新建过任何核电站。

许多人不知道的是，三哩岛核事故之后，另一个没有发生事故的反应堆实际上一直在安全稳定地运行着。直到2019年，这个反应堆才因为经济效益差而被迫关闭。

仅仅5年之后，三哩岛的命运再一次迎来了逆转。这次改变它命运的，是澎湃而来的AI浪潮。

2024年9月，微软与ConstellationEnergy签署了价值16亿美元的史上规模最大购电协议。根据协议规定，ConstellationEnergy将会重启三哩岛核电站已经关停的反应堆，在未来20年时间里为微软的云计算和人工智能项目提供清洁能源。

开始积极向核电靠拢的，不止有微软。

10月，谷歌宣布与KairosPower公司合作，未来将在美国建设7个小型模块化核反应堆，预计第一个核电站将在2030年建成投产。

亚马逊也不甘示弱，在同期宣布与X-energy合作，投资5亿美元开发建设小型模块化核反应堆。预计2039年总装机将达到5GW。今年早些时候，亚马逊已经提出申请，让宾夕法尼亚州新建的数据中心连接附近的萨斯奎哈纳核电站。

让科技公司接连投向核电怀抱的根本原因是从2022年开始的生成式AI热潮。

2022年11月，OpenAI正式发布了ChatGPT。它不仅能够回答问题，还能创作文章、编程，甚至模仿人类的对话风格，其几乎无所不能的回答能力使得人们对大语言模型的通用能力有了全新的认识。

伴随着ChatGPT迅速在全球走红，生成式AI、大模型的概念也开始席卷全球。成千上万亿的资本开始涌向AI领域。不过人们很快发现，未来限制AI和大模型发展的并不是资金、人才、设备，而是电力。

是的，在AI大模型的军备竞赛中，各公司通过不断增加模型参数和数据量，期待实现“大力出奇迹”，相应地，算力需求也成倍增加。所谓算力，简单来理解，就是对数据或信息的处理能力。

由英伟达GPU芯片组成的算力或数据中心，正在成为一个个耗电巨兽。科技公司大佬们已经开始预见到这个问题。

英伟达创始人兼首席执行官黄仁勋曾指出，需要更全面地考虑AI的能源消耗问题，如果只考虑算力，需要烧掉14个地球的能源；特斯拉首席执行官埃隆·马斯克在接受采访时也表示，AI算力的限制是可预见的，下一个短缺的将是电力；OpenAI首席执行官山姆·奥特曼也指出，AI的发展将需要大量能源……

正是由于这样的急迫需求，才让科技公司义无反顾地开始不断奔向核电。

那么，AI究竟需要多少电力？算力又是如何改变了电力行业？在碳约束越来越强和电力需求日益增大的情况下，核电真的是唯一选择吗？

吞噬电力

11月4日至7日，第40届阿布扎比国际石油展览暨会议在阿布扎比召开。这个以石油为主的会议活动上，举办了一场名为“EnergyforAI”的主题会议。除了石油公司的代表，电力公司、芯片公司、科技公司、人工智能公司的代表们都汇聚在了一起。

现在大概只有AI、算力与电力的话题，才能将如此跨界的高层聚合在一起。会上，阿布扎比国家石油公司首席执行官Sultanal-Jaber表示，人工智能的迅速崛起为世界上最大的石油公司增加了对可再生能源的投资提供了重大动力。

当石油公司都开始认真讨论AI和人工智能，我们可以想象这个话题到底有多么火爆。而能引起石油公司关注的原因，当然不仅仅是因为AI在全球范围的火爆，更是因为AI对能源的巨大消耗恰好切合了石油公司的关注点。“我们需要一个将所有形式的能源整合在一起的模型。我们将需要更多的可再生能源，我们需要推进电池存储技术，将可再生能源从间歇性电力转变为基本负载。我们需要天然气作为桥梁，在某些地方，我们将需要核能。”Sultanal-Jaber说。

AI到底有多耗能？我们可以以微软训练GPT-6为例。该模型使用的十万H100卡集群需要高度集中的电力供应。

那GPT-6训练时的用电量是多少呢？简单测算可以知道：一张H100GPU的最大功率是700W（训练时的功率），同时算力服务器除了GPU还有CPU、风扇、存储等。一台算力服务器平均配置5颗H100GPU，那一台服务器整体功率就是5KW，GPT服务器集群为20000台服务器，在满负荷训练时的小时耗电量大概就是：5*20000=100MWH，训练1天的电量：240万KWh，训练一个月就是240万kwh*30天=7200万度电。

耗电的不只是训练AI时的电量。单个用户对ChatGPT或其他大型语言模型的查询所消耗的电力可能是典型Google搜索的10倍。据《纽约客》杂志报道，OpenAI的ChatGPT每天要响应大约2亿个请求，消耗的电力超过50万度，相当于1.7万个美国家庭的用电量。

在ChatGPT火爆3个月之后的2023年1月，OpenAI仅一个月已耗用可能等同17.5万个丹麦家庭的全年用电量。谷歌AI每年耗电量达2.3太瓦时，相当于亚特兰大所有家庭1年用电量。

“美国同一个州部署超过10万片H100，电网就会崩溃。”微软的预警振聋发聩。算力中心引发电力供应短缺的议题引爆全球。

在各路研究机构的预测中，对于未来算力需要消耗多少能源的判断不一而足。据不完全统计，2020年全球发电量中，约有5%用于计算能力消耗。事实上，2010年至2018年，数据中心的能耗约占全球能耗的1%到2%，十分稳定。

根据预测，到2030年，全球数据中心的电力需求可能达到126-152GW，在此期间新增大约250太瓦时（TWh）的电力需求，相当于2030年美国总电力需求的8%。

这不仅仅是美国一个国家的问题，而是逐渐成为全球性的危机。一项去年十月发表在《焦耳》杂志的研究预测，到2027年，全球新制造的服务器与AI相关的电力消耗可能增至85.4至134.0太瓦时，占全球当前用电量的0.5%。数据中心的电力需求预计将以13%至15%的复合年增长率快速上升。

国家能源局数据显示，2022年，全国数据中心耗电量达到2700亿千瓦时，占全社会用电量约3%。预计到2025年，这一比重将提升至5%，2030年全国数据中心耗电量将接近4000亿千瓦时，算力的飞速增长也带来了电力的挑战。

《电力与算力协同发展蓝皮书（2024）》显示，去年中国算力核心产业规模达到2万亿元。在算力能耗呈井喷式增长的背景下，电力与算力协同发展成为必然趋势。蓝皮书认为，在人工智能爆发增长情景下，2030年我国算力中心用电或超过7000亿千瓦时，占全社会用电量将达到5.3%，即便是在慢速增长情景下，这一占比也将达到2.3%。

潜在的电力短缺风险已经引起了科技公司的注意。今年9月，以OpenAI创始人山姆·奥特曼为代表的美国人工智能企业家们齐聚白宫。这次美国政商两界代表聚会，主题只有一个：为AI的发展扫清障碍。

据彭博社报道，山姆·奥特曼在会上呼吁美国政府未来应该兴建5GW容量的发电站，总投资超过1000亿美元，以满足AI算力不断增长的电力需求。

不过，在埃隆·马斯克真正把美国未来的政府效率部门运转起来，之前依靠政府主导的电力大建设对于美国科技公司来说，显然效率更低。微软、谷歌们，已经开始了自我主导的行动。这一次，它们的目标就是备受争议的核电。

核电回归？

在科技公司们把目光投向核电之前，美国核电其实已经陷入“经济危机”之中。

正如前文所述，1979年三哩岛核事故之后，没有出现问题的1号机组一直持续运用到2019年。而2019年三哩岛核电站最终因为经营困难停止营业，只是美国核电遭遇困局的一个缩影。

2018年至2020年，美国有4座核电站的4台反应堆实施了关停并宣布了退役。

除了三哩岛核电站外，还包括印第安角核电站（2号机）、皮尔格罗姆核电站（1号机）、牡蛎溪核电站，其容量占到全美核电装机的3.3%。

2020年8月28日，全美最大的核电运营商Exelon宣布再退役拜伦（Byron，2021年9月）和德累斯顿（Dresden，2021年11月）2座核电站共计4台核反应堆，并向PJM提交相关申请，Excelon也评估是否全面撤资核电。此外，全美已明确在2020—2025年期间退役核电约9.3GW。

美国核电机组的大量退役，经济性是核心原因。2010年代开始，美国页岩气革命爆发导致天然气价格暴跌。天然气发电经济性迅速攀升，超越核电，进而引发美国批发电价的下降。再加上联邦政府对风电等可再生能源给予了税收减免、优先并网等政策。核电市场信心下降，业主开始不断关停机组，新建核电意愿普遍不强。

AI的突然爆红改变了美国核电站的命运。据《华尔街日报》报道，三分之一的核电站正在和美国科技公司谈判。

“如果合理地开发核电，我确实认为核能就是未来，”全球数据中心提供商北方数据集团（Northern Data Group）首席运营官罗珊·金凯德-史密斯（Rosanne Kincaid-Smith）表示。

核电的优势显而易见：发电量大且稳定，成本又相对可控。而且截至2019年，美国共有97台核电机组通过延长运行的申请。大量的存量机组让科技公司无需额外的投资，即可获得稳定的电力来源。总部位于得克萨斯州的微电网提供商Enchanted Rock的创始人兼首席执行官托马斯·麦克安德鲁（Thomas McAndrew）表示，人工智能数据中心需要“99.99%的可靠电力”。

相比于时下更为热门的风电、光伏，煤电、气电和核电无疑更加稳定。但是在碳中和约束的压力下，具备“零碳”属性的核电自然更受追捧。

美国的用电/发电量本来已经多年基本停止增长，无论是大型电厂建设还是风光发电产能，仓促间难免赶不上AI产业的狂飙突进，所以大厂们都要自己想办法解决电力问题。

作为美国最头部的科技企业，微软、谷歌和亚马逊已经迈出了牵手核电的第一步。

然而尽管看起来一切顺利，但让AI尽情用上核电并没有想象中的容易。

11月1日，美国联邦能源管理委员会（FERC）否决了亚马逊有关“宾夕法尼亚州新建的数据中心直连萨斯奎哈纳核电站”的申请。让更多AI数据中心采用核电蒙上了阴影。

FERC否决这项申请的理由是，数据中心会让本地配电网负荷从300MW迅速增加到480MW。这会危及整个电网的可靠性，而且会增加其他用户的能源成本。

此前，亚马逊已经尝试与区域电网运营商PJM达成初步协议。但是本地公用电力公司认为，这一协议缺乏足够的公平性，影响了整个电网的安全稳定，而且亚马逊在电价方面享受了过多的优惠。

宾夕法尼亚州消费者权益倡导者帕特里克·西塞罗（Patrick Cicero），他表示，如果大公司抢购所有发电厂，他担心成本和可靠性。“以前从来没有人对核电站说，我们会拿走你能给我们的所有能源。”西塞罗说。

FERC专员马克·克里斯蒂在接受媒体采访时特别提到了将数据中心设置在大型发电厂旁边的共址负荷形式可能会给电网可靠性带来巨大的压力。

类似的事情并不是只有亚马逊面对。由于人工智能在训练阶段对算力的集中需求可能导致电网局部出现突发性高负荷，这对电网的稳定性构成了考验。

如加利福尼亚州和弗吉尼亚州，公用事业公司拒绝将更多数据中心连接到电网的请求，因为它们无法解决输电和发电限制问题。当地社区出于对噪声、环境影响和对现有电力基础设施压力的担忧，越来越反对新的数据中心项目。

即便是不考虑数据中心与电网“争夺”核电的问题。单纯从核电漫长的建设周期来看，可能对于数据中心来说这都不是一个各方面最优的选择。

绿电+AI？

2023年，谷歌公布了最新的能耗数据。

其数据中心和办公室使用的能源中有64%是零碳能源。但尽管如此，该公司的二氧化碳排放量在一年内仍增加了13%。

显然，这主要是因为AI的高速发展，给谷歌带来了额外的能耗。基于人工智能的系统的发展被指责为谷歌五年内温室气体排放量增加了48%。这将使这家科技巨头更难实现到2030年实现净零排放的目标。

在Kairos Power公司的模块化核反应堆给谷歌数据中心供电之前，这家科技巨头只能接受碳排放量不断上升的事实。不过，也有很多科技公司开始尝试通过可再生能源电力来解决不断增加的碳排放问题。

根据国际环保组织绿色和平报告《绿色云端2024》的统计。中国头部互联网科技企业的可再生能源交易量接连突破10亿度大关：据不完全统计，阿里巴巴集团2023年披露购买绿电16.1亿度，腾讯2024年签约绿电采购量超13亿度。同时，企业的可再生能源消费规模也呈现出显著的增长趋势。阿里巴巴2024财年可再生能源消耗量较2023财年增长约82%，腾讯2023年直接购买的可再生能源较2022年增长约80%。

在美国人纠结是否依靠核电解决AI算力能耗问题的时候，中国已经开始尝试绿色算力的发展。

在光伏、风电、水电资源都十分丰富的青海，已经开始全力发展绿色算力。在中国电信（国家）数字青海绿色大数据中心，通过风光水等清洁能源的互补，已经实现了数据中心的100%清洁能源供应。

《绿色云端2024》发现，近半数榜单企业在数据中心选址决策中对可再生能源供应进行考量。近年来，阿里巴巴、腾讯、万国数据等企业开始在张家口、乌兰察布等可再生能源富集地区布局数据中心。

中国建立了世界上最大的特高压电网，这使得电力能够高效地跨越长距离传输，并在不同地区之间实现互补，显示出其在解决电力供需不平衡问题上的独特能力。尽管如此，能源长距离传输过程中的损耗和面临的技术难题是必须正视的问题。从长远来看，促进区域内可再生能源的开发和利用，实现能源的就近消费，是更为理想的解决方案。

风能和太阳能等可再生能源的不稳定性及不可预测性，以及电力需求的波动，使得能源在时间和空间上的分布更加不均衡，这是电力系统需要解决的一个核心问题。我国实施的“东数西算”战略旨在通过大型数据中心来吸纳西部地区的风电和太阳能发电资源。

但由于西部地区距离经济和电力负荷中心较远，这限制了其满足低延迟需求的能力，通常只能实现非实时数据的“东数西存”。与此同时，人工智能，尤其是大型模型训练阶段，对算力的需求日益增长，这种需求更适合集中部署，并能够根据能源供应情况进行调整，因此在水资源和电力资源充足的西部地区进行重点布局是较为适宜的。

不过，尽管中国在可再生能源发电量和技术方面都占据绝对领先地位，但风光发电的不稳定性这一物理特性始终存在。如果不使用煤电、气电、核电这些传统能源（综合考虑碳约束和安全性等因素）就近布局的各类储能设施是非常重要的要素。

早在2020年，发改委就出台了《关于加快构建全国一体化大数据中心协同创新体系的指导意见》提出要探索电力网和数据网联动建设、协同运行机制。2021年，工信部出台《新型数据中心发展三年行动计划（2021-2023年）》鼓励企业探索建设分布式光伏发电、燃气分布式供能等配套系统，引导新型数据中心向新能源发电侧建设，就地消纳新能源。

绿色算力尽管彻底解决了碳排放的问题，储能、水电、抽蓄、气电等电源的结合也可以保障近乎100%的问题。但高昂的成本却挥之不去。

数据中心的电力消耗成本占据了其运营总成本的大部分，超过80%。因此，数据中心在绿色电力交易中对绿电价格波动十分敏感，承受着一定的成本压力。

在绿色电力交易中，资源丰富地区与电力需求中心之间存在供需不匹配的问题，这要求政策上对跨区域、跨省的绿色电力交易给予更多的支持。根据《我国绿电交易现状及重点问题研究》的数据显示，国家电网公司经营区域内绿色电力交易的环境溢价在2021年、2022年、2023年分别达到了每千瓦时3分、5分、6.5分。同样，南方电网公司经营区域内绿色电力交易的成交价格也持续上升，2023年的成交价格比煤电的平均价格高出每千瓦时1.85分。

除了环境溢价，为了解决可再生能源波动性而配套的储能设施也是成本高昂的重要原因。尽管锂电池成本在近两年的时间里大幅度下降，但是为了满足数据中心较高的负荷率和100%的安全性，储能与用电负荷的配置比例几乎要达到1:1，甚至更多。

这也就解释了为何美国科技公司不约而同地选择了核电作为AI算力的重要支撑。作为AI爆发的最早推动人，OpenAI首席执行官山姆·奥特曼已经开始把目标投向了遥远的核聚变。

奥特曼是最早投资核聚变初创公司HelionEnergy的硅谷巨头。在2015年投资950万美元之后，2021年，奥特曼以个人名义向Helion提供了3.75亿美元，成为该公司最大的投资人和董事会主席。据《华尔街日报》此前消息，Helion是奥特曼个人目前最大的一笔投资。

Helion正在建设名为“Polaris”的第七代核聚变设施，其承诺将在2024年展示通过核聚变发电的能力，在2028年前实现核聚变发电，并在2028年及以后为微软提供至少50兆瓦的电力。

核聚变是一种能源产生方式，它通过在极高温度和压力下使氢原子核结合，从而释放出巨大的能量。这一过程是太阳和恒星发光发热的基础，也是宇宙中最为普遍和强大的能量来源之一。核聚变产生的能源几乎不产生污染，其主要燃料氘和氚，这两种氢的同位素，可以从海水中提取或通过其他途径合成，资源极为丰富。

不过核聚变技术的发展还处在很早期的阶段，甚至无法实现能量的正反馈（即输出能量大于输入能量），更谈不上大规模商业化了。

目前来看，AI狂飙的时代短期内并不会结束。或许电力短缺的约束就将在不久的未来成为我们不得不正视的终极问题。