此次参加阿里云栖大会，我发现一个有真理的事情。在逛展区的时候，发现阿里云的一个数据中心模子上，果然出现了“核能”字样。说明与使命主谈主员的现场交流，得知阿里云的智算中心目下还莫得核能，但的确也曾在盘算推算了。

也即是说，在不久之后，阿里云的某个智算中心隔邻，也许会出现核反映堆。这简直有点科幻了。

但是，在智算中心把握建核反映堆这件事情，海外比国内还要激进好多。

举例，甲骨文的首创东谈主拉里·埃里森表示，他们最新的智算中心，把握指标建造三座微型模块化核反映堆，成心为其AI数据中心提供电力。

亚马逊与塔伦能源（Talen Energy）达成左券，将滥用6.5亿好意思元让核秩序进驻其数据中心园区，赢得960MW全天候供电的核能。

微软将从初创公司Helion Energy购买电力，并与Constellation Energy签署左券，为其数据中心增多核电供应。

那么，为何核能一忽儿间成为这些公司的新宠？是因为智算中心的电力需求也曾扩张到不成疏远的进程，如故其他能源无法餍足他们的胃口？或者，这些巨头们其实看到了咱们尚未联结的趋势？

这些问题的谜底，不仅关乎这些科技巨头的往时，更关乎系数AI行业的气运。

智算中心，电力需求的“黑洞”

传统的数据中心是什么？它们是互联网的“腹黑”，慎重存储和处理海量的数据。早期的互联网基础设檀越要依赖CPU，处理任务较为浅显，数据传输速率也相对较低。那些年，电力需求并不是问题——用电量虽高，但还在可控范围内。

然则，AI时期的到来改变了一切。智算中心，这个名副其实的“电力黑洞”，以令东谈主默然莫名的速率吞吃着电力资源。不同于传统的数据中心，智算中心是成心为处理AI任务想象的，格外是测验和推理复杂的大型模子。这一行变径直导致了电力需求的爆炸式增长。

咱们来看一组数据。传统数据中心的年平均耗电量苟简在10至50兆瓦之间，已属硕大无比。然则，一个当代化的智算中心，其电力消耗不错疲塌达到传统数据中心的数十倍，致使杰出几百兆瓦——终点于一座微型城市的用电需求。这还只是一个智算中心的“基础建立”。

况且，这么的电力需求并非有时或极点情况，而是新常态。以GPT4的测验为例，系数测验过程耗电量惊东谈主。据估算，仅在一个大型模子的测验阶段，就可能消耗数百万度电。这是一个什么意见？这些电量饱胀为一个中等范围的住户区供电一年。

在这么的配景下，传统的数据中心与智算中心比较，就像是电动玩物与工业机器东谈主的差距。前者消耗电力，后者吞吃电力。

智算中心的电力需求为奈何此巨大？中枢原因不错归结为两个词：计较密度和冷却需求。

与传统数据中心主要依赖CPU不同，智算中心依赖的是高性能GPU和TPU。GPU/TPU的想象初志是并行处理大宗数据，这使得它们在AI任务中弘扬非凡，但代价是极高的功耗。一个满负荷运行的GPU可能需要数百瓦的电力，而一个智算中心通常部署了千千万万的GPU。试想一下，当漫山遍野的高性能GPU同期满负荷运转时，这个电力需求如同开闸的大水，一发不成打理。

然则，这还不是一起。密集的计较带来了另一个严重问题：热量。高性能计较拓荒在使命时会产生大宗热量，而为了保管拓荒的踏实性，智算中心不得不插足大宗资源进行冷却。冷却系统自己即是一个巨大的耗电大户。事实上，在一些极点情况下，冷却系统的能耗致使不错占到智算中心总耗电量的近一半。

举个例子，谷歌在其位于芬兰的一个数据中心，罗致了海水冷却系统，以减少传统空调的电力消耗。尽管如斯，这么的高效系统仍然无法十足消解智算中心的“电力饥渴”。

这种“计较密度与冷却双杀”的模式，径直将智算中心推向了电力需求的山地，成为了名副其实的“电力黑洞”。

当咱们真实联结了这极少，也就不难联结为什么科技巨头们纷纷投向核能的怀抱——在面对如斯巨大的电力需求时，传统的能源供应模式，早已纳履踵决。

核能崛起，科技巨头的电力“续命符”如故“烧钱罗网”？

当咱们驳斥核能时，最先料想的可能是核电站的巨大反映堆，和那挥之不去的“核”字所带来的安全忧虑。然则，关于如日中天的AI智算中心而言，核能正渐渐成为它们不成或缺的“电力续命符”。

核能最中枢的上风在于踏实且合手续的供电智商。与风能、太阳能等可再生能源不同，核能不依赖于天气情状或日夜变化。不管是烈日炎炎如故风雪错乱，核电站齐能踏实输出大宗电力。这关于电力需求极其踏实且庞大的智算中心来说，无疑是个致命蛊惑力。

试想，一个智算中心如若依赖风能或太阳能，运算任务的中断风险简直无法承受。即使是集合了储能技艺，依旧无法保证全天候的合手续供电。而火电虽然不错作念到相对踏实，但高耻辱的污点与科技巨头们倡导的环保理念悔怨逊色，况且往时可能靠近的碳排放规矩和本钱压力也让它们远而避之。

在这么的配景下，核能的上风便突显出来。核电站不仅能提供恒定的电力，况且单站发电范围大，能疲塌餍足一个大型智算中心的需求。关于那些一刻不停地测验AI模子的智算中心来说，核能不仅是一个遴荐，更是一种不成或缺的电力保险。

然则，核能简直是科技巨头的“电力福音”吗？从经济账本上看，谜底并非那么浅显。

最先，核电站的成立本钱昂贵得令东谈主颂赞。以传统大型核电站为例，其成立周期通常长达数年，初期投资动辄数十亿好意思元。而这些用度还只是启动，后续的赞佩、燃料处理、以及最终的退役和废物赓续，齐是一笔巨大的支拨。

但为什么科技巨头们仍然欣慰在核能上豪掷令嫒呢？谜底在于始终经济性。虽然初期成立本钱巨大，但一朝核电站建成并插足运营，其发电本钱相对踏实且较低。比较动怒电的高燃料本钱和可再生能源的不踏实性，核能在始终运营中展现出赫然的经济上风。

此外，跟着技艺的跨越和民众范围内核电站成立教化的积存，核电的经济性正在迟缓改善。微型模块化反映堆（SMR）的兴起，进一步逼迫了核电站的成立和运营本钱，这极少将在后文详备探讨。

天然，核能的经济性背后并非莫得隐患。核电站的昂贵赞佩本钱和潜在的安全风险，以及因社会身分激发的抗议和法律诉讼，齐可能导致额外的经济包袱。关于这些也曾占据商场主导地位的科技巨头来说，这些潜在的社会安全本钱阻挠疏远。

因此，核能关于科技巨头来说，既是一枚“电力续命符”，也可能是一个巨大的“烧钱罗网”。最终，是否遴荐核能，依然需要在经济账本上量入制出，量度各式风险与收益。

核电尤其是SMR，将成为能源新宠？

核能曾被誉为往时能源的救星，但在履历了多年的低谷期后，如今又再行回到民众能源舞台的焦点。这一复苏背后，风物变化的压力和能源安全的需求是主要推能源。

发达国度，如法国和英国，启动再行评估核能的政策价值，将其行为减碳的关键技能。然则，昂贵的成立本钱、漫长的审批经过，以及公众对安全性的忧虑，仍然是核电发展的主要阻截。

在新兴商场，如中国和印度，核电被视为处分能源枯竭和减碳双重挑战的利器。然则，这些国度在发展核电方面也比较严慎。因此，民众核电的发展呈现出复苏与瓶颈并存的复杂场所。

传统大范围核电站的上风在于大意提供巨量且踏实的电力，但其瑕疵也同样赫然：昂贵的成立和赞佩本钱、复杂的废物处理问题，以及极高的安全条目，使得核电站成立越来越不具经济蛊惑力。于是，行业内启动探索新的技艺标的，以搪塞这些挑战。

在这种情况下，微型模块化反映堆（SMR）和第四代核电技艺恰是在这么的配景下应时而生。SMR格外受到关心，因为它不仅有望处分传统核电的诸多问题，还能在更庸俗的应用场景中贯通作用。

SMR（微型模块化反映堆）被视为核电技艺的要紧冲破，亦然往时核能发展的关键标的。那么，SMR究竟有什么私有之处？

SMR的范围小、模块化想象，是其最大的亮点。与传统动辄数千兆瓦的核电站比较，SMR的功率时常在几十到几百兆瓦之间。这种微型化想象使得SMR不错模块化坐褥、快速部署，显赫镌汰了成立周期和逼迫了初期投资。这种特色尤其符合散播式能源供应，致使不错在工场预制后运至现场拼装，极大逼迫了现场施工的复杂性。

况且，SMR在安全性上有了显赫晋升。传统核电站的安全想象依赖于多重冗余和外部电力供应，而SMR则罗致了固有安全性想象，即便在最极点的情况下，反映堆也大意通过天然轮回冷却幸免堆芯熔毁。举例，部分SMR罗致的“熔盐冷却技艺”不仅能更高效地传递热量，还能在系统失效时自动冷却，幸免事故升级。

这些技艺上的冲破，使得SMR不错在更围聚东谈主口密集区或工业集群的地点部署，为高电力需求的智算中心提供径直的电力撑合手。关于智算中心来说，SMR提供了一个简直完满的处分决策：它能提供合手续、踏实的大范围电力输出，同期具备天真部署的智商，且不需要占用过多的空间。

SMR还格外符合搪塞智算中心的峰值需求。传统核电站的调遣智商有限，而SMR的模块化想象使其大意通过增减模块来天真调遣输出功率，餍足智算中心对电力供应的高弹性需求。

然则，尽管SMR在技艺上展现出诸多上风，其经济可行性仍然需要通过大范围部署和实践应用来考据。研发本钱、监管挑战以及社会禁受度，齐是SMR技艺需要克服的阻截。

智算中心与核电站共存的远景令东谈主期待，但也带来了巨大的挑战。传统核电站时常建在辩别东谈主口密集区的地点，以最大适度逼迫事故风险。然则，跟着SMR的出现，这种“辩别东谈主群”的传统选址原则可能被再行界说。

SMR的高安全性和天真部署智商，使得它大意更围聚城市或工业区，为智算中心提供当场的电力供应。这不仅逼迫了电力传输的损耗，也能餍足智算中心的即时需求。

不外，公众对核能的懦弱与不信任依然存在。这意味着，即使技艺上可行，怎么赢得公众的撑合手与信任，依然是核能与智算中心共存必须面对的要紧挑战。政府的监管、透明的信息同样，以及公众的闇练，将在其中演出至关关键的变装。

成立一个为30万GPU智算中心，要几个核反映堆？

那么，要怎么成立一个核电供能的智算中心，关节身手是什么，本钱若干？为了搞澄莹这些问题，咱们来作念一个浅显的模拟。假定要构建一个30万GPU的超大型智算中心，需要若干电力。

需要指出的是，目下来看，10万GPU也曾是民众智算中心的天花板了，咱们这模拟的30万，算是一种极限挑战。天然，以目下发展态势来看，也许很快就会出现30万GPU范围的智算中心。

在盘算推算一个领有30万GPU的智算中心时，咱们最先要面对的是其惊东谈主的电力需求。每个高性能GPU的功耗苟简在350瓦傍边，那么30万GPU同期运作时，电力需求将达到令东谈主颂赞的105兆瓦。这还只是计较拓荒的基本耗电量。

然则，智算中心不单是是计较，还包括如那里理这些计较产生的巨大热量。冷却系统的耗电量时常占到总功耗的30%到50%。在这种情况下，假定冷却系统的功耗为40%，那么这个智算中心的冷却需求将达到42兆瓦。因此，总的电力需求将达到147兆瓦。

面对如斯巨大的电力需求，传统的电力供应格式也曾显过劲不从心。这时，SMR（微型模块化反映堆）赫然成为了欲望的处分决策。

在想象这个决策时，最先需要沟通反映堆的选址。由于SMR具有高度的安全性，不错围聚东谈主口密集的区域，因此不错遴荐在离智算中心较近的地点部署SMR。这不仅能减少电力传输中的损耗，还能确保电力的高效供应。

接下来是容量想象的问题。为了餍足147兆瓦的需求，同期沟通到冗余和往时扩展的可能性，合理的决策是部署3到4个50兆瓦的SMR模块。这将提供苟简150到200兆瓦的踏实电力输出，十足不错搪塞智算中心在岑岭时期的电力需求。

在供电收罗架构上，不错通过高压电缆将SMR与智算中心径直联结，确保电力传输的后果和可靠性。同期，还需要想象一个备用电源系统，如蓄电板组或集合其他可再生能源，以搪塞可能的进犯情况。

天然，这个决策的推论并非莫得挑战。最先是反映堆与冷却系统的互助，必须确保SMR产生的热量大意与智算中心的冷却系统灵验集合，以优化热交换后果，幸免资源的奢靡。其次是成立本钱与时候的预估。虽然SMR的成立周期比较传统核电站要短，但从盘算推算到插足运营仍需要2到5年的时候。至于本钱，初期投资可能高达数十亿好意思元，具体取决于反映堆的范围和技艺复杂性。

从经济角度来看，前期的高额投资是必须面对的现实。SMR的初期成立本钱苟简为每兆瓦5000至7000万好意思元。以150兆瓦的需求计较，成立本钱将在7.5亿到10.5亿好意思元之间。尽管投资巨大，但沟通到SMR提供的始终踏实电力供应，以及相较于传统能源可能恣意的用度，这笔插足在始终来看具有蛊惑力。

始终运营本钱同样是一个关节身分。核燃料本钱便宜且价钱踏实，SMR的赞佩用度也相对较低。每年的运营本钱苟简为几千万好意思元，沟通到SMR的使用寿命不错长达数十年，这将摊薄每度电的本钱，使其低于传统火电和部分可再生能源。

天然，风险赓续亦然必不成少的考量。技艺风险主要来自反映堆的踏实性以及冷却系统的兼容性，安全赓续必须沟通邻近东谈主口密集区域的风险评估和救急预案。此外，社会禁受度和政策风险亦然关键的挑战，尤其是在城市隔邻成立核反映堆时，怎么赢得公众撑合手和政府审批至关关键。

核能简直是智算中心的独一出息吗？

需要指出的是，构建核反映堆，来给智算中心提供能源，近期被炒的很热。但这不一定是最佳的决策，更不是独一的决策。

事实上，传统电力（比如火电、风电、光伏、水电）+特高压输电网的格式，也能餍足智算中心的能源需求。

好意思国之是以对核能情有独钟，是因为他们的电力基础秩序存在短板，尤其是特高压输电收罗不够强。

比较之下，中国在民众电力秩序，尤其是特高压电网成立上的最先上风，提供了一个突出的想路。特高压电网大意将远距离的清洁能源高效运送到负荷中心，这意味着，中国的智算中心不错通过寰宇范围内的电力收罗获取踏实的清洁电力，而不消十足依赖于核能。这种政策布局不仅大意灵验逼迫核能的依赖，还能通过电力收罗的天真调度杀青能源结构的优化。

在这一配景下，中国的电力收罗最先性不错改革为民众AI产业的竞争上风。通过依托刚劲的电网基础秩序，中国的智算中心不错天真组合各式电力开端，杀青多元化的能源供应，进而晋升系数AI产业的踏实性和可合手续性。

天然，电力收罗与智算中心的相干远不啻于电力供应那么浅显。这是一种能源、技艺和产业的复杂互动。往时，跟着电网技艺的进一步发展，以及能源存储和调度技艺的跨越，智算中心与电力收罗之间的相干可能会变得愈加密切和复杂。

核能诚然是现时智算中心的关键电力处分决策，但它并非独一的遴荐。通过天真应用电网、集合多种能源面孔，智算中心不错探索出更为千般化的电力供应策略。这千般种化不仅大意增强智算中心的能源安全性，还能为系数AI产业提供更刚劲的发展能源。

智算中心的电力供应问题，不仅是技艺上的挑战，更是能源政策和产业布局的详细考量。往时的能源与AI技艺发展之间将怎么互动？这将是一个值得深想的问题，也为咱们赓续探索能源与AI技艺集合的远景提供了无穷可能性。

文：一蓑烟雨 / 数据猿

责编：谛视深空 / 数据猿

]article_adlist--> 海量资讯、精确解读，尽在新浪财经APP