为什么AI竞争到最后是绿色能源的竞争？

（来源：MIT TR）

我们正处于人工智能未来地缘**竞争的早期阶段，赢家或将主宰 21 世纪的全球经济。

但人们经常忽略的是，人工智能对集中且稳定的电力的巨大需求代表着扩展下一代清洁能源技术的机会。如果我们忽视这一机会，美国将在人工智能和能源生产的未来竞争中处于不利地位，将全球经济领导地位拱手相让。

为了赢得这场竞赛，美国将需要获得更多的电力来为数据中心提供服务。预计到 2026 年，人工智能数据中心可为电网增加相当于三个纽约市的负载，而到这个十年结束时它们在美国电力消耗中所占的比例可能会增加一倍以上，达到 9%。因此，人工智能将导致美国几十年来从未见过的电力需求激增。根据最近的一项预估，这一需求（以前持平）每年增长约 2.5%，其中数据中心推动了 66% 的增长。

能源需求旺盛的先进人工智能芯片是这一增长的幕后推手。比如，ChatGPT 查询需要 3 瓦时的电力，而简单的 Google 搜索只需 0.3 瓦时的电力。这些计算要求使得人工智能数据中心具有“独特”的功率密度，与传统设施相比，每个服务器机架需要更多的功率，每平方英尺的功率要高出几个数量级。

据报道，OpenAI 首席执行官 Sam Altman 向白宫提出了人工智能数据中心的需求，该数据中心需要 5 吉瓦的容量，足以为 300 多万个家庭供电。人工智能数据中心需要全天候（每周 7 天、每天 24 小时）稳定可靠的电力，它们全年 99.999% 的时间都处于运行状态。

这些吉瓦级“用户”对电网的需求已经加速，远远超出了我们扩大支持清洁电力发展的物理和**结构的速度。有超过 1500 吉瓦的容量等待连接到电网，而建设输电线路以输送这些电力的时间长达十年。整合新能源所面临的挑战的一个例子是：星座能源公司最近宣布重启三哩岛核电站的最大因素不是设施本身，而是将其连接到电网所需的时间。

对扩大清洁电力供应挑战的本能反应是做出错误的选择：要么放弃美国在人工智能方面的优势，要么放弃我们对清洁能源的承诺。这种逻辑认为，满足计算经济不断增长的电力需求的唯一方法是扩大天然气等传统能源资源和保护燃煤发电厂。

依赖更多化石燃料对生态的可怕影响是显而易见的，但经济和安全影响同样严重。随着其他国家在清洁技术方面取得领先，这些技术带来了下一代经济机会 —— 数万亿美元的市场，对化石燃料的进一步投资威胁着我们的国家竞争力。

现实情况是，人工智能所需的前所未有的电力规模和密度需要一套新的发电解决方案，能够全天候提供可靠的电力，且数量不断增加。虽然传统燃料的倡导者历来都指出可再生能源的可变性，但需要大量、分布式和可中断燃料供应（如天然气）的能源也不是解决方案。比如在得克萨斯州，2022 年底一场严重的冬季风暴后，70% 的停电是由天然气发电厂造成的。随着气候变化加剧，与天气相关的破坏只会增加。

我们没有看到人工智能竞争力和气候之间的选择，而是将人工智能对功率密度的迫切需求视为启动一系列新技术的机会，利用新买家和新市场结构，使美国不仅能够抓住人工智能的未来，而且能够为其提供动力所需的能源密集型技术创造市场。

数据中心对计算能力的持续需求与一系列目前正在快速创新的清洁、可靠的新型电源最为匹配，其中包括可以小规模快速部署的先进核裂变以及可以随时随地部署的下一代地热能。有一天，核聚变可能成为近乎无限的清洁能源的来源。这些技术可以在相对较小的占地面积内产生大量能源，满足人工智能对集中电力的需求。它们有潜力提供稳定、可靠的基本负载电力，与人工智能数据中心的全天候运行相匹配。虽然其中一些技术（如核聚变）仍在开发中，但其他技术（如先进核裂变和地热能）现已准备好部署。

人工智能的功率密度要求同样需要一套新的电力基础设施增强措施，比如，用于传输线的先进导体，可以通过更小的区域传输多达 10 倍的电力，冷却基础设施可以解决大量耗能芯片的热量，以及下一代变压器可以有效利用更高电压的电力。这些技术通过增加电力获取和减少延迟的形式为人工智能数据中心提供了显著的经济效益，并且它们将使我们 20 世纪的电网快速扩展以满足 21 世纪的需求。

此外，人工智能和能源技术的融合将使这两个行业更快地发展和扩大规模。在整个清洁能源领域，人工智能作为一种开发方法加快了下一代材料设计的研发步伐，同时它也是制造业的一种工具，可以降低资本密集度并加快规模扩张的步伐。人工智能已经在帮助我们克服下一代电力技术的障碍。例如，普林斯顿大学的研究人员正在使用它来预测和避免等离子体不稳定性，长期以来这一直是持续核聚变反应的障碍；在地热和采矿领域，人工智能正在加快商业级资源发现和开发的步伐并降低成本；其他公司使用人工智能来预测和优化该领域发电厂的性能，大大降低了项目的资本密集度。

从历史上看，新型清洁能源技术的部署往往依赖公用事业公司，而公用事业公司在采用创新和投资一流的商业项目方面却进展缓慢。现在，人工智能为发电技术带来了新的资本来源：愿意为全天候清洁能源支付溢价并渴望快速行动的大型科技公司。

这些“新买家”可以在自己的后院构建额外的清洁能力，或者它们可以部署创新的市场结构，鼓励公用事业公司以新的方式扩展新技术。我们已经看到了一些例子，比如谷歌、地热开发商 Fervo 和内华达州公用事业公司 NV Energy 之间达成的协议，以保证数据中心使用清洁、可靠的电力。这些对价格不敏感但对时间敏感的买家的出现可以加速清洁能源技术的部署。

人工智能与气候之间的这种联系的地缘**影响是显而易见的：创新的社会经济成果将流向在人工智能和气候竞赛中获胜的国家。

从长远来看，能够扩大可靠基载电力供应的国家将吸引人工智能基础设施，并将从进入人工智能所产生的市场中受益。首先进行这些投资的国家将处于领先地位，而且随着技术进步和经济生产力的相互促进，这种领先地位将随着时间的推移而不断扩大。

如今，清洁能源的“记分牌”开始向中国倾斜。在过去十年间，中国已投入使用了 37 座核电站，而美国则增加了 2 座，并且中国在核聚变方面的支出是美国的两倍之多，工作人员基本上在昼夜不停地致力于实现核聚变的商业化。鉴于人工智能霸权的竞争归结为功率密度的规模，当竞争对手在建造高功率密度能源库时，建造一批新的天然气发电厂就像“在枪战中带刀一样”。

美国和处于人工智能经济前沿的美国科技公司有责任也有机会通过利用人工智能的电力需求来扩展下一代清洁能源技术以改变这一现状。问题是，他们会吗？