核电

AI的电力困境 2026年，全球AI数据中心的电力消耗达到约120GW，相当于整个英国的用电量。按照当前增长速度，到2028年这一数字将突破300GW。电力供应已经成为AI产业发展的最大物理瓶颈。 在这种背景下，小型模块化核反应堆（SMR）被视为解决AI数据中心能源危机的最有前景的方案。2026年上半年，SMR领域出现了多个里程碑式进展。 AI数据中心电力需求现状 需求增长曲线 年份 AI数据中心功耗 全球数据中心总功耗 占全球用电比 2022 15 GW 45 GW 1.5% 2024 45 GW 75 GW 2.5% 2025 75 GW 105 GW 3.5% 2026 120 GW 160 GW 5.0% 2028(预测) 300 GW 350 GW 10.0% AI训练和推理的功耗增长远超预期。一个训练万亿参数模型的计算集群功耗可达50-100MW，相当于一个小型城市的用电量。 电网瓶颈 传统电网已经无法满足AI数据中心的需求： 1. 供电容量不足 美国最大的电网运营商PJM Interconnection在2026年报告，其覆盖区域内的电力需求将在2030年增长40%，但电网扩容速度远远跟不上。 2. 输电线路不足 新建输电线路的平均审批周期为7-10年。即使发电能力充足，电力也无法输送到需要的地方。 3. 可再生能源间歇性 太阳能和风能的间歇性使得它们难以独立支撑AI数据中心的24/7稳定运行。大型AI公司需要"firm power"——全天候稳定供电。 4. 成本上升 电力价格在2026年持续上涨。美国数据中心平均电价从2024年的$0.07/kWh上涨到2026年的$0.11/kWh，涨幅57%。 SMR：AI能源的新希望 什么是SMR 小型模块化反应堆（Small Modular Reactor）是单机容量300MW以下的核反应堆。与传统大型核电站相比，SMR具有以下优势： 模块化：工厂预制，现场组装，建设周期2-3年（传统核电5-7年） 安全性：采用被动安全设计，无需外部电源即可冷却 灵活性：可增减模块来调整容量，适合渐进式扩容 选址灵活：占地面积小，可靠近数据中心建设 成本可控：批量生产降低成本，目标$3,000-$5,000/kW SMR主要玩家 1. NuScale Power ...

电力成为 AI 的最大瓶颈 2026 年，AI 产业面临的最硬约束不再是算法、数据或人才——而是电力。当 GPU 集群的规模从千卡走向十万卡，从十万卡走向百万卡，能源消耗已经从"成本问题"升级为"生存问题"。 数据中心耗电增长趋势 年份 全球数据中心耗电量 (TWh) 其中 AI 占比 占全球用电量比 2022 460 5% 1.5% 2023 520 8% 1.7% 2024 620 15% 2.0% 2025 850 28% 2.7% 2026 (预估) 1,200 42% 3.8% 2028 (预测) 2,100 60% 6.5% 这意味着到 2028 年，全球每生产 16 度电，就有 1 度被数据中心消耗，其中超过一半用于 AI。 训练一个大模型的能耗 # 主流大模型训练能耗估算 model_training_energy = { "GPT-4 (2023)": { "parameters": "1.8T (MoE)", "gpus": 25000, # A100 "duration_days": 90, "power_mw": 50, # 集群功率 "energy_gwh": 108, # 总能耗 "equivalent_houses": 10000, # 等效家庭年用电 }, "GPT-5 (2025)": { "parameters": "5T+ (MoE)", "gpus": 80000, # H100 "duration_days": 120, "power_mw": 180, "energy_gwh": 518, "equivalent_houses": 48000, }, "GPT-6 级别 (2026 预估)": { "parameters": "15T+ (MoE)", "gpus": 350000, # B200 "duration_days": 150, "power_mw": 700, "energy_gwh": 2520, "equivalent_houses": 230000, }, } print("大模型训练能耗对比:") print(f"{'模型':<25} {'GPU数量':>10} {'功率(MW)':>10} {'能耗(GWh)':>12} {'等效家庭':>12}") print("-" * 75) for model, data in model_training_energy.items(): print(f"{model:<25} {data['gpus']:>10,} {data['power_mw']:>10} {data['energy_gwh']:>12} {data['equivalent_houses']:>12,}") 推理能耗更令人担忧 训练是一次性的，但推理是持续的。2026 年全球 AI 推理能耗已经达到训练能耗的 4 倍： ...