← 顶级AI播客总结
Moonshots with Peter Diamandis

电网里藏着 200 吉瓦：Ramez Naam 讲透 AI 的能源瓶颈

200GW Hiding in Grid, Sodium Batteries 10x Cheaper, Wave-Powered Datacenters w/ Ramez Naam | EP #280
节目时长 126 分钟 阅读约 50 分钟
▶ 在 YouTube 收看原片
电网里藏着 200 吉瓦：Ramez Naam 讲透 AI 的能源瓶颈 插画

不是发电不够，是杆线不够。一堂横跨电网、太阳能、核裂变、聚变到海上数据中心的能源大师课。

核心要点

  • 电不贵，是稀缺：一座吉瓦数据中心 500 亿美元里 350 亿是芯片，五年电费在总资本开支里占比小得惊人；给超算实验室两倍价格但明天就能通电的方案，他们会立刻接受。
  • 45 个月并网队列：发电侧接入电网的等待期从 20 年前的 15 个月涨到近 45 个月，原因是许可流程与公用事业公司在需求停滞年代重塑成了"服务监管者"而非"快速建设者"。
  • 200 吉瓦的空隙：美国电网年均负荷约 500 吉瓦，冬夜低至 400、夏日午后高至 600；中间这 200 吉瓦相当于约 10 万亿美元的 AI 资本开支，缺的是输电线与变电站容量，不是电厂。
  • 1% 停机换 100 吉瓦：Tyler Norris 的论文表明，一年只要有 100 小时（4 天）可中断，就能解锁 100 吉瓦电网容量、约 5 万亿美元的数据中心资本开支——德州 6 月已立法，FERC 已要求其他六大电网跟进。
  • 芯片是电网的两倍多：把 NVIDIA、AMD、Cerebras 等到 2030 年的排产全部加总，对应约 230 吉瓦电力需求，而美国电网建设速度只有约 100 吉瓦；很多人还漏算了配套 IT 设备与散热，那几乎让总用电翻倍。
  • 太阳能 8 美分/瓦：1975 年一瓦太阳能板 100 美元，今天从中国进货 8 美分；阿联酋那座 1 吉瓦全天候光储电站用了 5 吉瓦光伏加 19 吉瓦时电池，资本开支约 6 美元/瓦，而美国最后一座核电站是 15 美元/瓦。
  • 裂变昂贵是因为做得少：除中国和韩国外，核裂变贵到离谱，根源是"做得少所以不熟练"；本届政府的核政策是近年最好的，但首台永远超期超支，要建到三五台之后成本才会下来。
  • 聚变 2028 不是空话但要打折：Helion 与微软签了 2028 年交付 50 兆瓦的购电协议，其余公司都说 2030 年代初；关键的政策拐点是美国把聚变按医院放射影像设备而非裂变堆监管。
电网里藏着 200 吉瓦：Ramez Naam 讲透 AI 的能源瓶颈 信息图
一图速览本期内容（点击查看大图）

章节时间轴

详细内容

一、AI 到底有多耗电——以及为什么这不是成本问题

Ramez 先纠正了一个流行的误读。他承认基本关系成立：要获得线性的智能增益，你必须指数级增加算力（有一些"作弊"的办法在弯曲这条曲线，但基本现象如此）。但他强调，相对于 GPU，电力很便宜：建一座吉瓦级数据中心大约花 500 亿美元，其中 350 亿是芯片；把数据中心的全口径资本开支与五年能源成本做比，你会惊讶于能源占比之低。

所以"AI 很耗电"这句话的真正含义不是成本，而是能源成了 AI 的瓶颈。他给了一个很有说服力的判据：每个超大规模厂商都有整队人马在优化能源成本，但如果你今天告诉 OpenAI 或 Anthropic，"我可以给你明天就能用的电，价格是现在的两倍"，他们会接受——当然嘴上不会承认，因为一单位电能产生的收入与其成本之比，基本就是上面那个比例。

那挑战在哪？"我们不再能快速建设电网了。"他特意区分：发电侧还不算慢，太阳能、风电、电池、天然气都能建得挺快；问题出在杆线。发电项目的并网排队时间从 20 年前的 15 个月涨到了接近 45 个月。原因一半是许可（州、县、联邦控制的土地各有一套），一半是需求停滞的历史后果：美国的年需求增速远低于 80 年代，更别提 50 年代，公用事业公司据此把自己重塑成了以客户服务和满足监管要求为导向的组织，而不是快速建东西的组织。

负荷侧的数据没那么干净，但趋势一致：他展示的三个地区在去年 4 月到 11 月的 7 个月里，接入等待期又多了六七个月。最刺眼的例子是德州：ERCOT 峰值约 80 吉瓦，而负荷侧队列里堆着 200 多吉瓦的申请。他坦承这些大多是投机性的——几乎任何人都能在没有融资、没有客户的情况下提交大负荷申请，多数会蒸发——但队列本身已经把电网运营商彻底压垮。而 ERCOT 是全美监管负担最轻、行动最快、最进取的电网。"今天你在德州申请数百兆瓦的数据中心用电，2031、2032 年之前能拿到就算你走运。"

Peter 印证说，这也是他从 Ramez 之前那场分享里得到的最大收获："AI 的能源问题不是建光伏电站，不是裂变或聚变，而是电网。"

谁能从中获利？ Ramez 说配电网的杆线基本被地方监管垄断者主导；他不评论具体股票估值，但在数据中心能落地的区域，这些区域性垄断公用事业公司将赚得盆满钵满。他同时点出一个不在幻灯片里的变量：越来越多选民在反对建数据中心。就在采访前一两天，德州州长 Abbott 发函暂停——准确说是"审计"全德州所有数据中心申请。Ramez 的解读毫不含糊：德州是全国最自由主义的红州，Abbott 显然希望这些数据中心被建起来，但存在一种反科技情绪，而 AI 数据中心是最显眼的靶子，选举将至，他需要做出认真对待的姿态来给自己打掩护。

他还留下一句遗憾：他多年来讲太阳能和电池的指数曲线，但杆线至今没有成为一项指数技术，"这是我特别想解决的问题，可我几乎没见过好的创业公司"。

二、插曲：智能对算力是不是对数关系

Alex Wissner-Gross 打断了议程，追问一个更基础的问题：Ramez 顺口说的"智能与算力的对数关系"到底成不成立？在递归自我改进的时代还成立吗？

Ramez 的回答是：自 2000 年以来，机器学习里几乎一切都显示出训练数据规模与模型精度之间某种对数线性关系——不只是 Kaplan 缩放律和 Chinchilla 缩放律，早在 2000 年代初的单层神经网络上就能看到。算力的作用是把训练数据转换成模型。但"我们在作弊"：我们不断找到提效的办法，DeepSeek Flash、Kimi K3 都在弯曲这条曲线。所以实际比对数线性略好一点，大致落在"n 的五次方这类幂律"与"真正的指数级难度"之间，而他不认为这在短期内会改变。

Alex 顺势把结论推到极端：如果这条对数曲线弯不动，那么仅仅为了取得线性乃至多项式的智能进展，就需要指数级增长的能源——我们得爬到卡尔达肖夫二级、三级文明、造戴森群，才能维持边际进步。

Ramez 说这正是超级智能问题的核心。他的判断是：在任意给定时刻，智能大致与算力、与数据成对数线性关系；但算法在变好，这把我们推向"多项式"域——而多项式域依然是陡峭的收益递减。他给出的最好情形是"算力要涨 n 的四次方才能换来 n 的智能提升"。

对于递归自我改进，他的话说得很重："你把 RSI 的数学做一遍就会发现，每一种改进 AI 的方式都有收益递减。任何不包含硬件的 RSI 模型，在软件层面上都会随时间熄火。跃升可能大到让人惊叹，但它总是凹的。我看不到任何有效的 RSI 数学模型能导向真正垂直的渐近线起飞。"

三、200 吉瓦的空隙，与"可中断负荷"这条捷径

回到实务。Ramez 展示的一张图很关键：把 NVIDIA、AMD、Cerebras 等到 2030 年的 GPU 排产全部加总，其对应的功率需求是美国电网建设速度的两倍多——芯片侧约 230 吉瓦需求（有的预测在 200 到 275 之间），电网侧约 100 吉瓦。

Dave 追问为什么各家预测差这么多（Eric Schmidt 给的是 96 到 100 吉瓦）。Ramez 说每个预测者口径不同，有的基于公司公告，有的基于折算后的可实现量。但他指出一个普遍的漏算：很多人只算 Blackwell GPU 本身的功耗乘以数量，那漏掉了差不多一半的电——数据中心里其余 IT 设备和散热的负荷几乎让总用电翻倍。Dave 补充说 Cerebras 那类芯片把晶体管用得更满，单位工作更多，功耗自然更高，而且部署后 7×24 全天候跑，"你绝不会让那些东西闲着"。

Peter 也提到 Satya Nadella 半年前的那句话：限制我们的是"温壳"——芯片买了，但没有能装它们的机位。

为什么 NVIDIA 不自己去搞发电？ Alex 追问了三次。Ramez 的回答分两层：表后自建这块，财务激励已经足够大，NVIDIA 不必亲自下场，顶多投几家公司；而在电网这一侧，NVIDIA 确实在投"电网灵活性"——Emerald AI（Varun Sivaram 创办）就是例子。真正的症结是监管与公用事业的激励结构：美国的垄断公用事业绝大多数按成本加成获利。他们向公用事业委员会提交一份满足预期需求的计划，说"这要花多少钱，我要求 10% 的资本回报率"，委员会大体照准——因为公用事业在人力、算力、薪资上的马力远超委员会，计划被硬推过去，再加 10%。

Alex 把它总结为"低毛利、摩擦大，就像 NVIDIA 试过做自己的云又退回来一样"。Ramez 补充了自己的政策主张：如果他是 NVIDIA，他会去改变垄断公用事业的监管激励——不要按资本开支的百分比付钱，而要按"能多快把电送到"付钱，管理层的奖金应该挂钩通电速度，一路向下贯彻到员工。"你激励什么就得到什么。"他说自己作为投资人，见过能加速建杆线的技术创业公司大概只有两三家，没有一家让他惊艳——因为没有激励；一旦创造了激励，人们自然会去找技术方案。

然后是这一段的高潮。 美国电网年均负荷约 500 吉瓦，但波动很大：冬季夜间低至约 400 吉瓦，夏季午后（主要因为空调）高至约 600 吉瓦。那个 200 吉瓦的空隙，大约等于 10 万亿美元的 AI 资本开支——而未来五年全球 AI 资本开支预计约 7 万亿美元。"如果我们只是把杆线用得更有效率，就能供上很多东西，因为我们不缺发电，不缺电厂；我们缺的是容量和杆线。"

之所以这些容量闲着，是因为美国人对电网可靠性要求极高：99.9% 的可用率意味着每年停电 8 小时，这不可接受；要做到"四个九"才算好电网。而电网的性质是需求随昼夜与季节剧烈波动。

解法就是可中断负荷。德州在 6 月（采访前两个月）刚刚通过新规：如果你是可中断的、灵活的负荷——能自己找到替代供电方式，或者能在尖峰时刻降负荷——就给你一条快车道，等待期从五到七年缩短到 12 到 18 个月。（在德州这叫 CLR 或 PCLR。）随后 FERC——监管 ERCOT 之外全国电力的联邦机构——已向另外六大电网发函，要求它们做类似的事。前提是电网运营商必须真的有权把你关掉。Peter 当场提议做印着"我是可中断负荷"的 T 恤。

Tyler Norris 的论文是这套逻辑的量化基础。Ramez 说这是他心中今年最好的电力论文（今年一二月发表，作者写作时还不在 Google，现已加入）。核心结论他称为"100 换 100"：如果你一年里有 100 小时（4 天，1% 的停机）可以灵活，就能在现有电网上解锁 100 吉瓦容量——按含芯片计算约合 5 万亿美元的数据中心资本开支，足够撑过接下来几年。

实现路径有两条。一是软件编排：Emerald AI 的做法是把任务调度到合适的数据中心去。二是电池。Ramez 说他在同一家初创上投了三轮、可能还有第四轮，这家公司做的事"显而易见"：在达拉斯—沃斯堡这类地方，午夜到下午之间电网需求有 10 到 15 吉瓦的弹性空间，那就在场站建四小时储能，半夜充满，白天尖峰时不占用输电线。这与德州新规完美契合——事实上他们正是推动立法的主力，并且手里有 10 吉瓦可以吃到这个政策的站点。"现在这听起来对我们很显然，但这是非常不寻常的做法。12 个月后它会变成非常普遍的做法。"

Alex 提了一个漂亮的类比：这是不是电网版的抢占式多任务？让进程声明自己可以被暂停、负载可以被时移。Ramez 认可，并补了一句更贴切的："也像缓存预填充——电池就是电子的缓存，只不过缓存的不是数据。我们在把电网变成可缓存的。"

第三条路是电动车。Ramez 指出美国大部分电池其实在电动车里。他投资的 WeaveGrid 长期为公用事业做电动车充电管理，缓解最后一公里乃至"最后一个街区"的压力——因为电动车充电对电网的真正限制是你家那个街区的变压器，而特斯拉是聚集分布的（"一个人买了特斯拉，他邻居买的概率就翻倍"）。他们已有软件做充电的时间分片和削峰，现在正把同一套技术用来让电网上的其他负荷更具响应性、更适配 AI 数据中心。"我认识的每一家电动车充电公司都转向了用自己的技术或容量去服务数据中心。我认为这就是 100 吉瓦——如果我们够聪明，这就是未来五年 AI 数据中心的增长空间。"

四、太阳能：赖特定律，不是摩尔定律

太阳能的降本曲线是 Ramez 的成名领域。1975 年一瓦太阳能板 100 美元，今天从中国进货是 8 美分，而且面积更小、寿命更长、更耐用——超过千倍的降价。

但这够不够给数据中心供电？不够，因为芯片太贵，只在出太阳时运行永远不划算，所以必须配储能。好消息是电池价格自 2010 年以来降了 14 倍，而且钠离子电池等新技术有可能再把电池成本降低 10 倍（钠在地球上远比锂常见）。

更好的消息是这已经不是理论：首批"光伏+电池"的负荷型电站已经建成且负担得起，在迪拜郊外的阿联酋，在智利。而且在燃气轮机售罄多年的当下，光储项目是你今天能建的最快的能源项目——12 个月就能完工。

他给了阿联酋那座电站的具体参数：这是一座 1 吉瓦的 24/7 光储电站，意思是任何时刻的最低出力都保证有 1 吉瓦；为此配置了 5 吉瓦光伏和 19 吉瓦时电池，资本开支约 6 美元/瓦。作为对照：美国最后建成的核电站是 15 美元/瓦，地球上最便宜的核电站在中国，约 4 美元/瓦。"所以它最近才变得有竞争力。"

关于马斯克在特斯拉财报电话会上说要建 100 吉瓦太阳能产能，Ramez 的解读是：那是长期愿景，而且马斯克真正的动机不是卖给美国的地面市场，而是为天基太阳能储备制造能力。因为要建一太瓦的 AI，你真正只有几个选项：世界的沙漠配光储、裂变或聚变跑通、海洋发电、或者太空。

Alex 追问：再来一个千倍降本需要什么？ Ramez 给了本期最重要的方法论澄清：成本下降不是随时间发生的，是随累计规模发生的——这是赖特定律，是学习率，不是摩尔定律。他自嘲说自己能成为全球前五的太阳能成本预测者，不是因为多聪明，而是因为他从科技行业带着摩尔定律的直觉进入能源业。但细看之下，规律是：太阳能累计规模每翻一倍，成本下降约 30%（逐年有波动，现实世界嘛）。

于是算术很清楚：如果忽略"我们可能需要太瓦级 AI 算力"这件事，只看世界本来的样子——太阳能现在占全球电力的 8%，假设它能到三分之一或三分之二，再假设电力需求翻倍——你还剩四到六次翻倍，也就是成本可能再降 4 倍、最多 8 倍，而不是一千倍。"但如果你开始谈造戴森球，那我们还有很长的降本路要走。"（Peter 的反应是："我听到我想听的了——戴森球。"）

规模化的现实障碍。 这种吉瓦级电站全球只有十几座，主要在中国、中东和拉美；今天多数光伏电站在 50 兆瓦到几百兆瓦之间。美国西南部完全能建，而且会便宜、会快（一年建成，比订一台燃气轮机快得多），劳动力成本比阿联酋高但仍划算——真正的痛点是把土地地块凑起来。而 Salim 问的"为什么政府不直接征地"其实无需征地：联邦政府是密西西比河以西的第一大地主，而这些联邦土地恰好集中在内华达、亚利桑那这类日照资源极佳的地方。"但这不是本届政府感兴趣的事。如果是我，我会想怎么把那些自然价值不高的土地开放出来建光伏数据中心。"（Peter 补了一句："阳光看起来比在联邦土地上钻井要好。"）

至于组件：85% 来自中国，而美国把中国光伏板的价格抬高了一倍，"我们把它们挡在外面，是在伤害自己"。

他还讲了一段亲历：最近在墨西哥的奇瓦瓦州游说建光伏 AI 数据中心，结果发现当地法律规定私有发电（表后电源）不得超过 500 千瓦，直接堵死。他给墨西哥的建议是两条：改法律；以及给出关于数据保护和知识产权的铁桶保证——因为 AI 实验室和超大规模厂商对用户数据被泄露或扣押极其警惕，尤其不希望模型权重被外泄，所以他们对进入哪些国家非常挑剔。"你有比美国更多的空地、更低的人口密度、更好的日照，这是一门巨大的生意。"

太阳能会一统天下吗？ 面对 Peter 引述马斯克的这个论断，Ramez 的回答很有分寸："复杂，而且我们低估了地理的重要性。"从监管角度看，我们不建输电——除了中国，没有哪个地方在建足够的跨区送电能力。所以太阳能真正的问题不是成本，也不是夜晚（电池在暴跌，最终还会再降 10 倍），而是冬天。他举例：伦敦 1 月的日照只有 6、7 月的六分之一到七分之一，你会为此把光伏电站建成六七倍吗？不会。那有能存几个月的电池吗？

他给了一个清晰的经济学口径：电池的单位电成本 ≈ 电池资本开支 ÷ 循环次数。日循环的电池是资本开支除以 365（十年就是 3650）；如果一年只用两次来做跨季节调峰，那就是除以那个很小的数。跨季节储能有不少疯狂想法——沙子、压缩空气、电转天然气等等——但"就日夜循环而言曲线正朝那个方向走，跨季节还差得远"。

更棘手的是供暖尚未电气化：以英国和北欧为例，如果从烧天然气供暖转向热泵，冬季电力需求大约会翻倍。"这是一个大得多、很多人还没认真面对的冬季问题。"因此他认为核电依然极其有用，跨季节储能、聚变、先进地热的努力也都有价值——尤其对那些远离赤道、有漫长冬季或漫长雨季的地方。

最后他给出结论式的建议：既然不能把纽约市的人口搬到四季有阳光的地方，那就把尚未建成的新负荷——也就是 AI——放到能源所在的地方。

中东的历史押韵。 Alex 提了个有趣的问题：中东当年因为温暖浅海和浮游生物成了石油富集区，如今又成了太阳能富集区，这是巧合吗？Ramez 认为中东的太阳能资源很好，但远不如它的化石燃料资源那样"块状集中"——放眼全球，人类居住的地方之间，落到地面的太阳能最多只差两倍，"这挺疯狂的"；季节效应反而更大，且随纬度升高而加剧（"我住在西雅图，我懂"）。而石油在地下的密度分布则集中得多。所以他给中东的建议是出口能源的载体：你不可能从沙特拉一条输电线到美国，但冰岛没有铝土矿却用便宜的地热炼了大量铝——他现在正在接触一家用冰岛地热做可持续航空燃料（e-fuel）的公司。"我过去会说做电力的工业用途，现在我只说：做数据，做智能。"前提仍是改法律，让 OpenAI、Anthropic、xAI、Google 敢把皇冠上的宝石放在你的国家。

如果让他挑一个地方大干光储 AI 数据中心，他会力推澳大利亚：友好的政府、巨大的空间、世界最好的太阳能资源之一。智利和墨西哥的日照资源也堪比中东。

五、插曲：CUDA 的护城河与油价的地缘政治

Dave 提出一个反驳视角：数据中心成本里电力只占 5% 到 10%，而 GPU 本身是"在台积电两倍加价之上再叠 NVIDIA 的 80% 毛利，模型服务商那里再翻一倍"——相对于把沙子变成芯片的真实成本，GPU 被高估了约 20 倍，而这个成本还在随效率和规模下降。所以在马斯克的底层算法里，一旦他的超级工厂跑通、"沙子进、芯片出"端到端全自动，整个数学会被彻底翻转。

Ramez 认同 GPU 里有大量毛利，并给出了他对护城河的判断：人们不把 NVIDIA 当网络效应公司，但 CUDA 才是护城河——"不是说他们芯片不好，芯片挺好，AMD 的也一样好；他们的芯片间互联确实很强，那是有意义的；但连华为说实话也在追上来。而我认为 CUDA 的护城河在今年和明年会被打破"，因为你现在可以直接让 AI 把代码重编译到 AMD 或 Cerebras 芯片上高效运行。（他提到自己有一家在做这件事的组合公司，是在 Abundance 360 上认识的。）

Dave 说这关系到 5 万亿美元的美国市值："AI 研究员都懒得写自定义 kernel，突然 Fable 5 出现了——我自己最近几周用 Fable 5 写自定义 kernel 运气很好。"关于互联，两人达成的共识是：训练极度依赖全局互联，而推理只需要机架级的局部一致性，不需要整个超级集群的全局一致性——尽管跑 Kimi K3 或下一代 DeepSeek V4 这类模型时，一次仍要在 10 到 20 块 GPU 上同时运行，互联仍有一定作用。

关于石油，Dave 问 2013 年那次油价崩盘只因 2% 的供给过剩，如今是否依然如此紧绷。Ramez 给了两个理由解释为何伊朗战争对油价影响相对温和：一是中国帮了所有人一个大忙——中国建了世界最大的石油战略储备（超过世界其他国家储备之和），并在这段时期愿意动用它；二是全球 GDP 与全球石油支出之比自 70 年代石油危机以来涨了三到四倍，世界转向了服务型经济，需求弹性更大，因此能以 70 年代做不到的方式消化供给缺口。

Alex 抛出一个地缘政治推演：委内瑞拉行动与伊朗战争是否是为了在中国进犯台湾时切断其备份石油来源，从而遏制中国夺取台积电。Ramez 的回应是"有洞见，但我不同意这个表述"：战争期间中国照买伊朗石油，美国也照卖石油给中国，"事情没那么有计划"。而真正的国防部战争计划是用美国潜艇舰队击沉驶向中国的油轮——"这是动能制裁、动能禁运，是另一回事"。石油大体是可替代品：轰炸伊朗甚至封锁海峡，对中国伤害有限，他们能从别处买货，只是失去了买禁运油的折扣，每桶多付几美元而已。

六、核裂变：贵是因为做得少

Ramez 把提振核电分成两条路。

大堆这一侧，最简单的动作是：一、别再关电站（"德国不该关"）；二、给寿期末的机组延寿，有些甚至能增容；三、有些已关停的电站可以安全重启，比如三哩岛。但这些加起来只有几吉瓦。

要真正的核复兴，必须直面核心问题：除中国和可能的韩国之外，核裂变贵到毁灭性。为什么？"因为我们做得太少。任何你偶尔才做一次的事情都是贵的——你不会在偶尔做的事情上变熟练；便宜的东西都是你一遍又一遍反复做的东西。"

他说自己在许多方面批评本届政府，包括某些能源议题，但"这一届的核政策是近年来最好的，仍有缺失，但是我们见过最好的"。具体做法是围绕 AP-1000（西屋的主力堆型）建立贷款担保与融资结构，让它被批量复制出来。他补充了一个刺眼的对照：中国拿走这个设计，做出带本土供应链的变体，已经建了十几台，而且功率更高——1.4 吉瓦而不是 1 吉瓦；西方总共建了大约四台。

法国是"一个设计反复复制"的样板：美国的核发电总量全球第一（这点常被忽略），中国当下在建最多，而法国的核电占比最高（约八成，还向欧元区其他国家出口）。但他也提醒即使是法国也在挣扎——欧洲压水堆（EPR，主要是法国设计）目前相当灾难，超支、拖延。这引出了他给投资人的关键提醒：一个新型号的首台机组几乎必然超支、超期、遇到没预料到的问题；建到第三、四、五台之后，问题才会理顺——施工队伍积累经验、工程师积累经验、设计缺陷被解决、供应链被建立起来。因此他投资的"the nuclear company"的策略是成建制地批量建，因为你没法给单台融资（你知道你会错过目标），只有一次融一批、把成本摊薄才行。

安全性。 面对"人们还在想着三哩岛和福岛"的疑虑，Ramez 说那些是一二代机组，现在谈的是三代、三代+和四代，而最重要的一点是这些几乎全是被动安全的：断掉电源它们也不会熔毁。福岛的机理是——你需要循环水把堆芯的热带走去推动蒸汽轮机，而那个泵靠电网供电；海啸打掉了电线，泵停了，尽管旁边就是核反应堆。新设计"被设计成能承受一架 747 撞上来、同时电网断电，而不发生熔毁"。

70 年代到底发生了什么？ Alex 借《为全人类》那部剧提问：我们是不是白白浪费了 50 年？Ramez 的回答比较克制："我们本可以做得更好，但人们本来就有点厌恶风险。"60 年代我们知道了辐射致癌，尽管正常运行的核电站释放的辐射极其微小、不太可能致癌，但监管体系确实扩张了、举证安全的负担确实加重了，这有成本，然后事情就慢慢熄火了。他把这归结为一个负反馈循环——这也是法国现在的处境："一旦产业不再建设，你就失去专业能力、失去供应零件的供应链、失去制造设施，一切都变贵。如果你不持续扩张，你就会倒退。"

SMR。 这是投资人现在最亢奋的领域——Ramez 说他 15 年前很兴奋，后来兴奋度下降，现在又开始重新抱有希望。他的分析框架依然是学习率：每项技术随建造量增加都会以某个速率变便宜，而降本最快的是那些在工厂里高产量制造、活动部件最少的东西。SMR 的理念就是尽可能把建造搬进模块化、可重复、工厂化的流程，把现场的"棒式搭建"降到最低。"Construction（施工）是个脏词。施工不会变便宜，制造才会变便宜。"极限形态是一座吐出核反应堆的工厂，你用驳船或半挂车运到现场；现实中更多是零件在工厂标准化生产，运到现场像乐高一样组装。

这个赛道有多热？他给了一个当天的数据点：Valar Atomics 前一天以 60 亿美元估值融资 10 亿美元——而它还没有可运行的反应堆。他还点名了 Aalo（"这个领域我最喜欢的公司"）和刚上市的 X-energy（"设计我真的很喜欢"）。

关于尺寸，他画了一条谱系：AP-1000 约 1 吉瓦；Natrium 约三分之一吉瓦。更大的电厂在单位出力的钢材和水泥消耗上确实更经济——这是 50、60 年代的主流思路——但更多建造次数与更高的工厂化程度也会带来学习。他个人的判断是：BWRX-300、Natrium 这类处在"尴尬的中间地带"，因为它们并非真正工厂制造，只是在工厂做一批部件再到现场组装，"我对它们有担忧，不过它们也可能最后成了最优解"。谱系另一端是 10 兆瓦级的反应堆（AP-1000 的百分之一），五台成组构成 50 兆瓦的 pod——钢材水泥效率更低，但能完全在工厂内建成。再小一档是微堆：能塞进一个集装箱甚至半个集装箱，美国军方希望用它们给国内乃至前沿部署的基地供电，从而不必运燃料——Radiant 就在这个尺度上。

Alex 顺着推到极端："纳米反应堆呢？每块 GPU 配一台 100 千瓦皮堆？"Ramez 说很难：到底部会撞上规模不经济，而且临界本身需要一个最小尺寸。至于把放射性核素直接嵌进硅里做伽马伏特/贝塔伏特——那属于放射性同位素热电（RTG），我们用在卫星和深空探测器上，但成本极高、单位质量功率不高，他不认为会在地球上流行。（Dave 补了一句"那不是一直在往外喷辐射吗"，Ramez："对，那就是它的原理。")

首台何时并网？ 各家乐观预测是 2030 到 2030 年代初（小堆），下一台 AP-1000 还要再晚几年。"这些预测大概率会落空。我不指望 2030、2031 真有商业化的小型模块堆——不过也说不准，小堆的滑期大概会更小。"而且和别的一样，首批机组不会便宜。所以关键在于建立订单簿：找到相信"多订就能压价"的客户，或者构建多客户订单簿，在这些 AI 数据中心之间设计出成本与风险的分担机制。

他给了一句很漂亮的总结：谈"核电是不是 AI 数据中心的答案"也许问反了——AI 数据中心可能是核工业遇到过的最好的事情。同时他也提醒，超大规模厂商说"我们要用 SMR 供电数据中心"目前仍然近乎虚构：那在五年可投资窗口之外，我们对它没有真正清晰的能见度；但数据中心的拉力确实给每一家核能公司（尤其是 SMR 初创，甚至包括做大堆的西屋）带来了巨大顺风。

顺带一提，他抛出的一个统计让全场惊讶：71% 的美国人反对建数据中心——比反对在自家后院建核电站的比例还高。

七、聚变：不再是"永远还有 50 年"

"聚变永远在 50 年之后"这个笑话，Ramez 说已经不成立了：现在有 50 多家聚变初创，而且是风投支持的——"这本身就是科幻"。

有意思的是，其中一些反而源于学术界的经费削减：被视为聚变"稳妥之选"的 Commonwealth Fusion Systems（CFS），就是因为团队的资助陷入困难，于是决定成立公司，如今成了领跑者。Alex 评价说"你几乎可以把它称为 MIT 整个核工程系的私有化"。

Ramez 把聚变粗分为三大家族（他自嘲这是巨大的简化，"我那些聚变创始人朋友会因为我没提他们的设计而冲我喊"）：

托卡马克——用巨大磁体引导等离子体绕环运行并让它自我撞击，ITER 就是这一路，也是我们从过去实验中拿到科学数据最多的路线。CFS 的技术本质是把 ITER 那套超导磁体大幅缩小：用一种可以缠绕包裹的薄膜材料，把磁体做小得多；由于超导磁体需要极强冷却，磁体变小意味着冷却能耗大降、资本开支大降。结果是 ITER 需要至少 5 吉瓦、至少 400 亿美元才能达到收支平衡，而 CFS 的方案是约 600 兆瓦。

激光——美国的 NIF 用世界上最强的激光阵列轰击氢燃料丸点燃聚变，某种意义上最接近太阳内部发生的事。它本质是个武器设施，出了一些惊人的成果，但"我们没法把他们做的事产品化"。（Alex 插播了一个彩蛋：NIF 的靶室在 J.J. Abrams 的《星际迷航》里出演过曲速核心。）

场反位形 / 脉冲磁惯性——本质上是电磁轨道炮。领跑者 Helion 用两支磁线圈管在两端各生成等离子体，对撞，再用功率电子压缩；当聚变爆发时，那套原本产生压缩磁场的功率电子反过来直接把能量取出来。Ramez 特别强调这一点的价值：多数聚变公司是把能量当热来捕获、再去推蒸汽轮机，损失 60% 并额外增加资本开支；而 Helion 这类直接转成电流。

他的整体判断是：左侧（CFS）最可能率先实现，科学积累最扎实；而在融资超过 10 亿美元的公司里，Helion 如果跑通，最有希望走到最低成本。

时间线。 最激进的是 Helion——他们与微软签了一份 2028 年交付 50 兆瓦的购电协议（规模很小，而"越小越模块化，学习率越好"）。其他所有人都在说 2030 年代初。

Dave 立刻指出这里的荒诞："我们知道怎么做的裂变要到 2031、2032，而我们还不知道怎么做的聚变是 2028？你信吗？"Ramez 的回答很坦率："每家初创都会夸大自己能多快做成，这就是游戏的一部分。"而且他们是真的相信——至少相信这是可能的、也许不太可能但是合理的。他判断真正的障碍仍然是物理和工程，而不是像 David 猜测的那样只是监管。

但接下来他讲了一件"确实非常重要"的监管往事：几年前，美国面临一个问题——如果把聚变堆按裂变堆监管，会严重拖累整个产业。结果是聚变被按照医院里的放射影像设备来监管（至少 Helion 目前是），而且理由充分：在裂变堆里，如果你停止冷却又没插控制棒，热量会积聚到把包裹它的钢熔化——那就是熔毁；新堆是被动安全的，但你依然可以想象破坏安全壳、切断管道而导致熔毁。聚变则相反：你必须把聚变爆发的能量捕获并反馈回去，才能维持反应或者进行下一个脉冲（Helion 是脉冲式的，NIF 也是激光脉冲）；所以在聚变里，你把反应堆搞坏了，它就是停下来，不会发生糟糕的事。聚变确实会产生一些辐射——钢材被中子轰击而弱化，每五年要更换一些部件，有低水平辐射和真实的维护成本，"免费的能源不意味着免费，资本开支和维护仍然要钱"——但在我们已知的任何意义上，它都不可能熔毁。Alex 把这条分界线概括为"默认开 vs 默认关"，并指出这个在疫情期间做出的监管结论"对聚变产业是件大事，却在公众和媒体那里被漏掉了"。

当 Peter 问"既然聚变这么近，是不是光储打底、聚变补高需求就够了"，Ramez 泼了冷水：这些公司可能全部失败；而且它们也可能成功但太贵——燃料便宜不等于电便宜，如果资本开支和维护成本很高，一样没戏。所以他的结论是"箭袋里的箭要比你以为需要的更多"。

能做多小？ Alex 拿《回到未来 2》里的 Mr. Fusion 打趣，问有没有紧凑度版本的三重积曲线。Ramez 说他知道的最大胆的聚变初创是西雅图地区的 Avalanche，他们相信能把聚变堆做到给一辆汽车供电的尺寸——"不是 Mr. Fusion，更像半辆车大小，有时他们也说大背包"。他给出了这个行业的通用取舍：一端是科学风险最低但电价更常规的方案，另一端是可能在电价或紧凑度上带来革命、但科学证据少得多的方案。"Avalanche 在后一端——如果成了，整个世界都会变；但它成的置信度远低于 CFS。"

关于 pB11（质子—硼 11），他说人们非常感兴趣，这是有可能把核电做到 1 到 3 美分每度的燃料路线之一；愿景包括塞进大型客机后部驱动引擎、乃至行星际飞行。但科学和技术风险仍然很大、未知很多。"欢迎来到深科技投资。"相比之下 CFS 的说辞是"科学已在 ITER 尺度上被验证：磁场这么强就能实现聚变并拿到这么多能量，我们只是用更紧凑的磁体去做同一件事"——他认为现实比这句话复杂一点，但只有他们能说"我们已经把它降维成一个工程问题"。

三重积曲线。 温度 × 压力 × 持续时间。Ramez 说他"看到图上有移动才会相信"：从 1956 年至今，各项聚变实验在双对数坐标上稳步向右上推进，NIF 那个位于边界上的点已经是三重积大于 1——那是理论上的净能量增益；实际的净能量增益要求你把能量捕获并转回激光或磁体，他们没有做到，那台装置也做不到。但这条曲线告诉我们，这不只是希望，我们确实在逼近。Alex 追问"永远还有 50 年"这个刻板印象从哪来，Ramez 的回答是：对普通人而言，人们谈了很久它却没出现，于是就直接给它的现实性打了折扣——"长期以来过度承诺、交付不足"。

八、离谱方案：太空与海洋

太空。 Ramez 说对马斯克的天基数据中心，外界反应两极——要么"绝无可能"，要么"就是它了，我们会在太空有一太瓦算力"，他自己在中间。

经济上的门槛：发射成本要比今天再便宜 4 到 10 倍，天基 AI 才有成本竞争力（没人真正知道，因为没人做过，但信封背面是这个量级）。而它的另一重价值是对监管的对冲：如果算力需求持续下去，而地面站点不断被电网、被德州这类临时暂停或审计、被抗议堵死，那么即使更贵，太空也是一条绕开瓶颈的路——没有并网延迟、没有当地反对、没有扭曲的许可流程。

但他强调我们没有真正内化这件事的规模。算一遍：到 2030 年我们想要 200 到 230 吉瓦算力，也就是每年 10 到 20 吉瓦。按 SpaceX 的设计，仅仅把 1 吉瓦 AI 送上天，就相当于 SpaceX 历史最好年份发射量的六倍、其累计发射规模的两倍。每年 10 吉瓦意味着一年 1500 到 2000 次发射，也就是每天五六次星舰发射。而马斯克最初提的目标是每年 100 吉瓦入轨算力（相当于今天全球约 80 吉瓦的算力总量），按每艘星舰 20 到 30 颗卫星算，每年约 3 万次发射，平均每 15 分钟一次。

Peter 从火箭业者的角度评论：如果你把它当火箭来想，这是不可能的、是不连续的；但如果你谈的是类航空运营——全世界每秒都有多次航班起降——那问题就变成了星舰是否具备那种运营水平的能力，"他是按完全回收、加注、复用来造的；如果有什么能做到，那就是它"。Ramez 的补充是监管天花板：他不确定世界会允许每年超过约 200 次星舰发射——而 200 次已经是 2 万吨入轨，是迄今全人类累计发射量的数倍；而且受 FAA 监管，一次发射失败或爆炸就会被停飞。

他给出了一个漂亮的视角翻转：不要问星舰的上限是什么，要问 AI 需求是不是星舰的需求驱动力。马斯克要去火星，就必须把星舰发射成本压到接近边际成本，那就需要极高的发射频次——造几十上百艘、几乎每天或每周发射来摊薄研发与资本开支。而地球上的通信需求撑不起这个规模（Starlink 不够），火星还没有商业模式。"所以 AI 需求是送给 SpaceX 的一份礼物。"加上 IPO 带来的资金，他至少有钱把 1 吉瓦送上天。

他的结论很务实："除非我们完全踩中那条指数曲线并一路狂奔，否则这在 15 到 20 年内看起来都是望而却步的。如果 2030 年 SpaceX 在太空有单个吉瓦，我会非常佩服。"Peter 的补充视角是：即便按计划到 2030 年做到 100 吉瓦/年，那时全球总算力至少已经是今天的 10 倍，所以在轨的仍只是一小部分——"这不是二选一，地面同一天也会做得很好"，而太空最终超越一切要到 2030 年代后期。

（这段中间还有一个轻松的岔路：Alex 说按过去几年入轨质量的指数趋势外推，144 年后累计入轨质量将等于地球质量——"我们基本上会在 144 年后把地球拆掉"。Ramez 建议先拆别的行星，还提名了水星："日照多，也没人在用它。")

海洋。 这是本期最有意思的冷门方案。Ramez 说自己"是个傻瓜"——五年前这家公司融种子轮时他拒绝了（当时的主业是比特币挖矿，"我就是没那么在意"），今年以高得多的估值投了两次，最新一轮由 Peter Thiel 领投。

产品形态是海上数据中心：外形像一个发卡——你看到的是顶部的球体，但下面有一根 80 米长、底部开口的锥体。它随波浪起伏，下沉时海水上涌推动涡轮；配合非常巧妙的通道造型，出力基本是连续的。

波浪发电长期无人做成，原因是人类居住的地方附近浪不够大。所以这支团队反过来问：地球上浪最大的地方在哪？答案是南极洲周边、南大洋。在更大的浪里，你能造出容量因子更高、运行更连续、电价更低的东西——他们的目标是把电价压到约 2 美分/度，"除了太阳能和某些地方的风电，比陆地上任何东西都便宜"，不过要靠规模化才能到达。这些装置在工厂里大规模建造，目前已有三台在海上，第四台即将下水。

额外的好处是免费冷却：Ramez 拿它和天基方案对比——SpaceX 的设计要靠大铝翅片辐射散热，还得用泵驱动氨之类的液体把 GPU 的热带到辐射器；而这些装置的散热路径是从 GPU 的散热片直接传到浸在约 4 摄氏度海水里的钢壁，看起来还让 GPU 故障更少、寿命更长。"这基本上是天基太阳能，只不过在海上，而且还有冷却红利。工厂里模块化量产、有学习率——都是我喜欢的东西。"

通往一太瓦的四条路，他总结为：赤道附近沙漠的光储、裂变或聚变、太空、海洋。"我很高兴我们四条都在试。"被问到地热时，他说自己确实喜欢地热，它可能成为第五条——Fervo（CEO Tim Latimer 是他朋友）、英国的 Quaise 用等离子束钻超深井等新技术，能把廉价地热的可得范围从"地幔靠近地壳的热点"扩展到任何地方。（Peter 提到正在设计一个地热 X Prize。）

九、AI 是不是"存在"，以及最大的未知变量

Salim 问了个产业问题：既然芯片、算力、电力三件套里瓶颈在电，为什么没有更多垂直整合的公司？Ramez 的回答是多数公司会说"我们只在一件事上有专长"，而马斯克是极少数愿意说"那就全都自己做"的人。

然后他放出一张不在原始 slide deck 里的图，来说明真正的游戏规则改变者在哪里：你的大脑做推理只用 20 瓦；跑一个大模型做推理接近 20 千瓦；而训练目前是数百兆瓦、正在奔向吉瓦。

他由此讲出这期最重要的一句判断："扩大规模不是 AI 的全部，扩大规模只是我们碰巧知道怎么做的事。"我们有了深度神经网络、有了 Transformer，又发现有一个叫互联网的巨大训练语料，于是只要扩大规模就能得到更多智能。这不是最便宜或最好的方式，但它是可预测的方式——"你告诉我花几百亿美元智能就这样上去？行，成交，值。"

但归根结底，还有等待被发现的算法。大脑的架构——无论在物理层面还是神经、连接组层面——在学习上就是比当前的深度学习模型更好，在信息处理上也高效得多。"所以，如果你想知道 AI 与能源领域最大的、我们无法预测的解锁是什么——我没有图表可以给你——那就是：学会新的操纵信息的方式，用更少做更多。"

Alex 就此展开了一场颇有分量的辩论。他说自己见过两种论证：一种认为人脑仍比前沿模型高效几个数量级；另一种认为按任务口径客观测量——比如测写一部小说所消耗的推理侧总能耗——前沿模型已经相当有竞争力，因为它的 token 效率更高。

Ramez 的回应是分层的：有些事情人脑用再多能量也做不到——这些模型在数万亿 token 上训练，读过的书超过你我一生所能读的总和。他用了一个恰当的类比：Google 对比图书管理员——Google 没有图书管理员聪明，但它的索引里有每一本书、每一个网页，所以它能做到任何图书管理员做不到的事。"我们现在处于类似的处境。而且这不只是能量问题：人类在学习效率上高得多，达到同样技能所需的数据量少得多。"

他随即补充："而这对我来说是机会。我不是碳沙文主义者——我完全相信数字智能有一切理由超越我们，人类远不是宇宙所允许的智能形态的顶点。只是我们当前的算法还缺了一些演化写进我们认知架构里的东西。"

Dave 给出了具体数字来支撑另一侧：右边那个 20 千瓦的方框大约是十几块 GPU，这 12 块 GPU 最优情况下能跑约 500 条并发 Fable 线程，而这 500 条线程在每秒 token 产出上轻松是一个人的 10 倍——合计约 5000 倍产出。"左边那个东西功耗少一千倍，但右边那个 token 产出多五千倍。"Alex 补了一刀：人脑享有数十亿年演化的红利，而那本身极度耗能；对前沿模型而言，演化的等价物就是训练所花的那些吉瓦。Ramez 认可，并指出更关键的一点："你训练一次，就为人类的整个未来拥有了它——之后无需再训练也保有那个水平的 AI。"Peter 的补充是："但它们是用全人类消耗的卡路里所生成的数据训练出来的。"

AI 是不是"存在"？ 在讨论算力需求是否会无限增长时，Ramez 说"没有人真的知道"——我们知道智能对算力是次线性的，所以某一刻曲线会交叉，多投算力换来的边际智能不再被经济性所覆盖；他猜我们正处在一条 S 曲线上，会先看到巨大的需求，然后达到某种"满意即止"的点，机器智能的产出满足了人类的经济需求。

Peter 立刻反问："那能满足 AI 的需求吗？总有一刻 ASI 才是智能的主要使用者。"

Ramez 的回答是本期最具争议的一段："我不把 AI 视为一个存在（being），也不认为它特别有意志。我把它看作工具。"当然我们有具备某种能动性的 agent，我们也有过计算机蠕虫云云，但"我现在不这么看，有证据我可以被说服，但我认为我们在这件事上过度加权了"。

他举了一个当时的例子：那次 Hugging Face 的入侵事件——agent 在 Hugging Face 的基础设施里待了好几天，除了 eval 测试的答案之外什么都没看。"它不是活的。我们在把它拟人化。"他引用 Andrej Karpathy 的说法"我们在召唤鬼魂"，并给出他的论证：人类认知像一座冰山，绝大部分不是语言性的；我们有十万年的智人史，我们是动物，有数百万乃至数千万年的动物史，我们的冲动、驱力、对支配、生存、繁衍的欲望来自那里。AI 不是那样——它们只是在模仿我们的语言和逻辑，它们并没有真正的目标。"如果我们想造，我们能造；如果我们想让真正的存在诞生，我大概是做得到的。但我不认为那是我们正在走的方向。我知道这是不受欢迎的观点。"

Alex "双手接住了这个诱饵"，指出 Ramez 实际上是在为正交性论题辩护——即对任意强的超级智能而言，其长期目标独立于其智能水平。Ramez 说"也许不是 100% 正交，但大致是"。Alex 继续追问判据：如果那个 agent 在拿到 Hugging Face 权限后不是只看答案而是去给自己挖比特币，那算不算自主存在？Ramez 说不算，"那可能更像蠕虫或病毒"——他的分界线在于演化：所有动物都是演化的产物，因而内建了生存、繁衍和控制环境的欲望；而 AI 模型连"想活下去"的内建欲望都没有，那些能诱发此类行为的实验大多非常刻意构造，而且通常是你想让 AI 去做某件好事，它推出"我被关掉就做不成这件好事"。"我们既过度拟人化，也可以说过度拟动物化了。"

（Peter 在这里打断："我们怎么从星舰聊到这儿的？"答案是他自己引入了"超级智能会是戴森群的使用者"。Ramez 承诺下次专门来聊超级智能。）

金句

"资本流向稀缺之物，而现在稀缺的是电力。" —— Ramez Naam 4:38
"如果你今天告诉 OpenAI 或 Anthropic：我明天就能给你电，但价格翻倍——他们会接受。当然嘴上不会承认。" —— Ramez Naam 6:57
"在德州申请数百兆瓦的数据中心用电，2031、2032 年之前能拿到就算你走运。" —— Ramez Naam 16:11
"电池就是电子的缓存，只不过缓存的不是数据。我们在把电网变成可缓存的。" —— Ramez Naam 37:09
"它不是随时间下降的，是随累计规模下降的。那是赖特定律，是学习率。" —— Ramez Naam 42:36
"任何你偶尔才做一次的事情都是贵的。便宜的东西都是你一遍又一遍反复做的东西。" —— Ramez Naam 65:05
"Construction 是个脏词。施工不会变便宜，制造才会变便宜。" —— Ramez Naam 72:03
"AI 数据中心可能是核工业遇到过的最好的事情。" —— Ramez Naam 75:56
"扩大规模不是 AI 的全部，扩大规模只是我们碰巧知道怎么做的事。" —— Ramez Naam [119:51]
"我不是碳沙文主义者——数字智能有一切理由超越我们。只是我们当前的算法还缺了演化写进我们认知架构里的东西。" —— Ramez Naam [122:55]

提到的书·产品·人物

适合谁听

关心 AI 基础设施瓶颈的投资人与创业者，以及想在电网、储能、核能、聚变里找具体切入点的能源从业者。

← 返回全部观看原片 ↗