大型科技公司为满足人工智能的能源需求而进行的大规模投资，并不是该行业推动向清洁电力转型的唯一方式。

  继内华达州的一项试点后，Fervo Energy 在犹他州开展的地热项目为该州的谷歌数据中心提供能源。图片来自：Ellen Schmidt/AP/Alamy

  无论核心业务是搜索引擎、社会化媒体、购物还是计算，数据都是Alphabet、亚马逊、苹果、Meta、微软和 Nvidia这样的美国科技巨头以及无数其他公司发展的动力。不过，现在大型科技行业似乎越来越关注能源。

  这六家美国公司（按市值计算，它们是全球科学技术公司的顶端）已经是可再生电力的主要买家，但它们的需求正因新一代人工智能（AI）系统的出现而成倍增长。为此，各公司纷纷与能源公司签署一系列协议以建立新设施，提升发电能力。例如，微软在 2024 年宣布已达成一项为期 20 年的协议，将从宾夕法尼亚州三里岛的一座停用核电站购买能源。该核电站于 1979 年发生过核事故，将于 2028 年重新开放。谷歌（Alphabet 旗下）和亚马逊去年都透露，它们已与计划建造新一代小型核电站（小型模块化反应堆 ，SMR）的公司签订了电力购买协议（PPA）。谷歌和 Meta 还在投资开发下一代地热能源的公司。

  这些引人注目的进展引起了媒体的广泛关注，人们猜测它们可能有助于加速全球向清洁能源的转变。但许多研究人员指出，大型科技行业正在以更重要的方式影响能源转型：通过云计算服务、将机器学习应用于电力供需管理，以及最重要的——通过收集和利用有关能源的数据。

  “总的来说，他们所做的这一切，总好过积极反对转型。”德国埃尔朗根-纽伦堡大学可持续发展研究员 Silvia Weko 表示。她研究大型科技公司在能源行业中的作用。但不止她一个人认为，能源系统也有一定的可能变得过于依赖少数几家公司。“一旦他们拥有了垄断地位，他们就可以为所欲为。”

  大型科技行业长期以来一直在建设可再次生产的能源发电能力以满足其需求。例如，亚马逊在全球拥有约 25 千兆瓦的自有装机容量，大多数来源于太阳能电池板，还有少量风能。仅这些就等于荷兰的整个太阳能发电能力。但该公司通过 PPA 从外部供应商那里购买了更多的可再次生产的能源。这些是按预定价格购买能源的长期合同，据能源咨询公司彭博新能源财经称，亚马逊已签署协议，使其可使用至少 33.6 千兆瓦的电力。

  Sasha Luccioni是纽约一家美国机器学习公司 Hugging Face 的研究员，她研究AI对环境的影响。她说，直到大约五年前，这种方法才跟上科技巨头日渐增长的能源需求。“一切本来运作稳定，直到生成式人工智能出现。” Luccioni说。“我认为，随着这些新的、更耗能的模型的出现，电力购买协议已经不够了，现在他们正在转向核能和其他方式来解决这一个问题。”

  生成式AI是一种超大规模的机器学习形式，可以训练它识别数据中的模式，从而生成新的文本、图像和视频。哥本哈根大学机器学习研究员 Raghavendra Selvan 表示：“它仍然是一个庞大的模式识别引擎，但现在这些模型正在整个网络上进行训练。”训练一个包含数十亿个不同参数的模型在大多数情况下要在数据中心耗费大量能源，花上数月时间；一旦该模型得到更广泛的使用，每次查询都会产生比传统网络搜索高出十倍的能源成本。

  研究人员表示，这些能源成本是可以精简的。例如，今年 1 月，中国人工智能公司 DeepSeek 发布了一款基于其低成本 R1 模型的聊天机器人应用程序，其运行所需的算力远低于加利福尼亚州旧金山的 OpenAI 等公司开发的竞争对手。

  然而，人工智能的加快速度进行发展意味着为数据中心找到稳定可靠的电源是一个日益严重的问题，特别是因为太阳能和风能本质上具有间歇性。

  下一代地热系统可能是一种解决方案。许多传统的地热系统利用地下深处的热水储层，将其抽到地面产生蒸汽，从而驱动涡轮机并发电。但华盛顿特区美国能源部地热技术办公室负责人、地质学家Lauren Boyd表示，地球上拥有热量、流体和透水岩石的合适组合的地方相对较少。

  下一代地热系统力图通过设计合适的地下条件来克服这一限制——要么通过类似于水力压裂的工艺，即使用高压水和化学物质来压裂岩层，要么通过在地下深处钻出精心引导的钻孔。这两种技术都能开辟道路将冷水泵入地下，冷水在地下吸收热量后返回地面供发电站使用。这将允许更多潜在的地点能将地热能转化为电能，美国能源部估计，到 2050 年，美国的运营商可以开发 90-130 千兆瓦的地热发电能力。

  三里岛核电站的部分区域将重新开放，为微软的数据中心供电。图片来自：Chip Somodevilla/Getty

  Boyd表示，尽管这些系统的建设成本可能比太阳能或风能高，但除了提供更稳定的电力之外，它们还具有其他优势。它们占用的空间要小得多，因此能在土地供应受限的地区建造，而且它们使用的材料和技术能在美国境内采购——这会是一个关键的政治考虑因素，因为中国主导着太阳能发电材料的供应链。

  新一代地热初创公司，例如总部在德克萨斯州休斯顿的 Fervo Energy 和 Sage Geosystems（分别与谷歌和 Meta 建立了合作伙伴关系），公共和私人资金的结合帮助美国在 2023 年至 2024 年期间的地热投资实现了两倍增长。“目前，美国在这样的领域的公司和初创公司数量相当惊人。” Boyd说。这使美国在下一代地热发电竞赛中处于领头羊，不过其他几个国家（包括法国、德国、日本、瑞士和英国）也各有规划。

  然而，尽管人们对此热情高涨，这种利用地热能的新方法要明显影响更广泛的电力供应尚需时日，而且许多专家一致认为，与电池存储相关的可变可再次生产的能源很可能成为脱碳方案的支柱。

  与此同时，大型科技公司对小型核反应堆（SMR）的投资，正在帮助推动一项许多政府希望能有助脱碳计划的技术。支持者表示，这些反应堆可以在工厂中采用生产线技术建造，以创建“模块化”装置，最终降低核电成本。除了东芝和劳斯莱斯等已经在开发小型核反应堆的大型公司外，还有许多初创公司正在尝试不同的技术和材料，想让他们的设计能够具有优势。

  然而，在炒作之下，目前还没有商业化的 SMR 投入运行。加拿大温哥华不列颠哥伦比亚大学公共政策与全球事务学院院长、美国核管理委员会前主席 Allison Macfarlane 表示：“新闻媒体报道这些核反应堆的措辞，就好像它们已经存在了，好像我们大家都知道了它们便宜又安全——但其实这些都是未知数。”她不确定 SMR 相比传统核反应堆是否能带来任何经济效益，它们也可能会产生更多的核废料，从而增加成本。“对于核能来说，价格是硬伤，小型模块化反应堆也一样要走这条路。”她说。

  Macfarlane认为，重启闲置核电站可能是一个更有前景的策略。马里兰州巴尔的摩市的公用事业公司 Constellation Energy 计划利用其位于宾夕法尼亚州三里岛的核电站，为微软的数据中心提供电力。“我认为这是一个成功的模式。”她说。但她提醒说，美国适合进行这种改造的核电站相对较少。

  Weko和其他研究人员认为，大型科技公司对这些新兴技术的投资不单单是为了寻求能源。相反，他们都以为这是一项更广泛的商业战略的一部分，即在能源转型的每个方面（从个人家庭到国家电网）谋求关键地位。

  已有许多房主在使用亚马逊基于云的人工智能助手 Alexa 来管理家庭能源使用。但 Weko 详述了全球能源相关公司对亚马逊网络服务（AWS）的依赖，这是世界上最大的云计算公司，拥有约 30% 的市场占有率，2022 年的收入将超过 750 亿美元（S. Weko Rev. Political Econ. ）。AWS 服务器有助于管理有关能源供应、需求和存储、天气模式和许多其他变量的数据。AWS 还使用机器学习系统来分析这些类型的数据，以预测并潜在地优化可再次生产的能源生产。“如果你增加电网中太阳能和风能的数量，那么控制会变得越发复杂，因需要匹配供需。”柏林大学赫蒂学院研究A与气候变化关系的 Lynn Kaack 说，她也是非政府组织Climate Change AI的联合创始人。

  亚马逊还投资了寻求其他化石燃料替代品的公司，比如开发电解器以从水中生产清洁燃烧的氢气。一个途径是向初创公司可以提供免费额度使用 AWS 云服务。这刺激了清洁能源解决方案的开发，但也让这些新兴技术依赖于 AWS 的数字基础设施，从而巩固了技术锁定效应。“一段时间后，你的云补助金用完了。但你仍然一定要使用他们的基础设施，因为整个平台已经建在上面了。”Weko 说。

  伦敦大学学院经济学家Cecilia Rikap正在研究大型科技公司在能源转型中的作用，她表示，谷歌和微软采用了类似的策略。谷歌与地热初创公司 Fervo 的交易明确包括开发人工智能，以提高系统利用地下热能后的生产力和效率。与此同时，Alphabet 的一家子公司正在开发一种名为 Tapestry 的系统，该系统能绘制地球上的每个电网，这有助于快速识别故障，并有助于提高电网的可靠性和效率。但Rikap担心，像 Alphabet 这样规模的企业具有此类信息与影响力会带来什么后果。“他们会将之作为服务提供给各国政府。”她说。“他们让自己会变得不可或缺，没有他们就无法考虑别的替代方案。”

  Weko也说，目前还不清楚科技巨头的电力购买协议中有多少是在推动可再次生产的能源发电能力的扩张，而不是简单地蚕食现有供应。例如，去年，AWS 购买了一个完全由宾夕法尼亚州 Susquehanna 核电站供电的数据中心。但 11 月，美国联邦能源管理委员会拒绝了其从该核电站获取更多电力的请求。“他们拒绝的原因是担心这会影响电网可靠性和消费的人价格。” Macfarlane说。

  许多研究人员认为，大型科技行业应该更加关注提高人工智能的能源效率，并表示 Deep-Seek 创建 R1 的办法能够帮助创建更精简的模型。为了更好的提高这些努力的透明度，Luccioni 正在帮助领导 AI Energy Score 项目，为AI模型生成能源评级，以便用户、研发人员和政策制定者能容易地判断哪些模型更高效。她叹息说，“我觉得要求公司把环境放在首位就像要鱼爬树一样。”。

  Luccioni 指出，尽管某些形式的人工智能对于能源转型至关重要，但这些应用还不是耗电王。“目前，能源需求的峰值来自过度使用的大型语言模型。”她说，并指出 ChatGPT 是一个特别明显的例子。“这些模型并不是让我们优化电网或进行天气预报的模型。它们是完全不同的东西。”

  DeepSeek-R1 的发布也提醒人们，就大型科技公司最终如何塑造能源转型，中美之间的人工智能竞赛可能会对之产生深远影响。例如，Rikap 指出，中国电子商务巨头、云服务提供商阿里巴巴正在与国家电网公司合作开发可以管理电力供应的人工智能。环保组织绿色和平组织称，阿里巴巴购买的可再次生产的能源已超越其他中国科技公司，2023 年购买了约 1.61 太瓦时的能源——相当于马拉维这样的小国的全国电力消耗。

  与此同时，中国继续以比其他几个国家都快的速度建设可再次生产的能源发电厂。国际能源署预计，到 2030 年，中国将拥有全球累计可再生电力发电量的至少一半。中国在能源转型方面的巨额投资也反映在自然指数的数据中，多个方面数据显示，2019 年至 2023 年间，中国在清洁能源领域的研究产出增长了 2.5 倍。这使得 2023 年中国在该领域的总体出版率几乎是美国的五倍，而美国的产出自 2019 年以来从始至终保持相对来说比较稳定。2023 年，清洁能源研究占中国整个自然指数产出的 16% 以上，而美国这一比例不到 4%。

  中国在清洁能源研究和人工智能方面的大力投入似乎将对美国大型科技公司构成重大挑战，并可能进一步巩固中国在能源转型方面的领先地位。

  指数曲线 年期间，中国在清洁能源研究领域的自然指数份额以一直增长的速度飙升，而美国的产出则保持平稳。这一变化在某些特定的程度上反映了中国研究产出的广泛增长，但如此迅速的转变仍然令人瞩目。

  能源份额占总体份额的比例是中国自然指数产出越来越关注绿色能源技术的关键指标。对于美国来说，这一比例一直停留在 4% 左右，而中国在这一主题上继续向着20%进发。

  自然指数中企业机构在清洁能源主题的研究产出远低于其他领域，但即使在这里，与美国相比，中国企业的份额也有明显增加。

  维生素D再立功！JAMA：临床研究证实，高剂量维D可明显降低早期多发性硬化症疾病进展

  美联储穆萨莱姆：如果劳动市场持续强劲且第二轮关税效应显现 美联储在大多数情况下要将利率维持在较高水准更长时间

  人民大学吴晓求：拉动消费需要一个比较好的社会保障体系！消费的刺激是以收入的增长和就业稳定为前提

  杨瀚森21+9 洛夫顿遭驱逐&13+4+4+5失误 青岛力克上海取5连胜

  In the physics class, the teacher demonstrated Fl...