大模型厂商布局核电领域：AI发展需要能源突破

AI的背后是算力，算力的尽头是电力。那么，生成式AI到底有多耗电？当下训练AI大模型使用的主流算力芯片英伟达H100芯片，一张最大功耗为700瓦，这意味着运行一小时就要耗电0.7度。以GPT-3为例，据估计其训练过程使用了大约1287兆瓦时（也就是128.7万度）电力。

本文引用地址：

在数据中心领域，传统数据中心的耗能依旧是最大的，但随着生成式人工智能引爆全球，大模型数量激增加上ChatGPT使用率飙升，AI电力消耗大幅增加，推动了数据中心耗电量快速抬升。据《纽约客》杂志披露，OpenAI旗下聊天机器人ChatGPT日耗电量高达50万千瓦时，以应对每日约2亿用户请求。

在大模型生成内容上，根据美国电力研究所的数据，基于ChatGPT的AI搜索的用电量几乎是传统谷歌搜索的10倍。人工智能公司Hugging Face的一篇论文指出，生成一张人工智能图像所消耗的能量，基本与给一部智能手机充满电一样多。

作为支撑人工智能运行的“大本营”，数据中心是存储、处理和运输海量数据的关键基础设施，庞大的服务器群昼夜不停地运转，消耗巨量的能源。一方面，分析、处理数据往往通过使用高性能的图形处理器（GPU）或中央处理器（CPU）实现，所需芯片越来越先进、越来越多，能耗也随之水涨船高；另一方面，服务器全天候运转会产生大量热，如不及时散热，会影响运行安全和稳定，而配备冷却系统意味着用电量增加。

人工智能的迅猛发展，为什么会进一步加剧能耗问题？一方面，训练模型需要大量数据，仅在深度学习阶段学习识别就需要频繁访问内存、移动数据，属于“能源密集型”；另一方面，模型在实际运用的推理过程中，需要实时处理海量数据，离开电力寸步难行。

OpenAI CEO山姆·奥特曼曾表示，AI将消耗比人们预期更多的电力，未来的发展需要能源突破。大模型厂商纷纷开始巨资布局，纷纷加码押注核电领域。

· 9月20日，微软与美国星座能源公司（Constellation Energy）签署史上最大的购电协议，前者将在未来20年，购买三里岛（Three Mile Island）核电站生产的所有电力。根据双方协议，曾发生美国商业核电史上最严重核事故的三哩岛核电站将在关闭数年后重新启动，为微软的云计算和人工智能项目提供清洁能源。这是美国历史上首次由单一用户“包揽”单个商业核电站的全部发电量，可见AI耗电量之大。

· 10月14日，谷歌宣布与美国核电企业凯罗斯电力（Kairos Power）公司签订协议，计划建造6-7座小型模块化反应堆（SMR，Small Modular Reactors），以为其数据中心供能，成为首家委托新建核电站供能的科技公司。

· 10月16日，亚马逊宣布与公共事业财团西北能源公司（Energy Northwest）Energy Northwest达成协议，资助在华盛顿州开发四个SMR，这些反应堆将直接向电网供电，帮助满足亚马逊运营的能源需求；另外，亚马逊还与公用事业公司Dominion Energy签署了一项协议，探讨在Dominion位于弗吉尼亚州的现有North Anna核电站附近开发小型模块化反应堆项目。

· 12月4日，Meta宣布将投资100亿美元在美国路易斯安那州建设该公司全球最大的数据中心，该中心将专门处理支撑数字基础设施所需的海量数据，包括人工智能相关工作负载。同时，Meta也透露正在寻求核电开发商的合作，当天发布了“征求建议书”（RFP），表示计划在2030年代初新增1-4吉瓦（1吉瓦=10亿瓦）的核能发电能力，并就此向有关核开发商寻求合作，以支持数据中心及其周边社区供电的电网增长需求，来帮助其实现人工智能和可持续发展目标。

Dominion Energy位于弗吉尼亚州的一座核设施

值得一提的是，在这一次AI巨头拥抱核电的大潮，SMR成为了新亮点。相较于大型核电站，SMR的特点是：规模小、成本低、建设速度快 —— 这种模块化设计允许反应堆部件在工厂预制，然后运输到现场组装，从而能够大大缩短建设周期。此外，小型模块化反应堆更加灵活，可以更好地适应不同的能源需求和地理位置，未来能源密集型工业运营最终可以由现场的小型核电站提供动力。

相较于传统反应堆用水进行冷却，SMR使用的则是氦气、氟化物熔盐、液态金属等。从设计上讲，这些冷却剂在热能利用效率和安全性等方面表现更佳。以氟化物熔盐为例，它不会沸腾，高温稳定性好，传热性也不错，还可降低对容器和管道的压力，比水冷却剂更安全。

相较于传统大型核电站，SMR似乎有很多优势，但也有不少专家对SMR的安全性提出质疑。最重要的是，目前很多SMR项目还只是纸上谈兵，全球目前只有三座SMR在运行，分别位于中国、俄罗斯和日本。SMR的应用还没有得到充分论证，更不用说商业化了。

目前来看，科技巨头们将解决能源需求的希望更多寄托在SMR上，主动投资项目开展研发工作。但SMR技术仍处于起步阶段，今后能否按计划时间表落实，面临诸多挑战。