华尔街日报这篇报道，点破AI，背后的电力大战：谷歌和美国最大核电运营商星座能源签下20年大单，人工智能的下一场竞争，正在从实验室转向电厂，过去几年，全球科技企业争夺的是芯片、人才和算法。

但随着 人工智能（AI） 模型越来越庞大，一个此前容易被忽视的问题浮出水面：没有足够的电力，再先进的人工智能也难以持续运行。
双方签署20年核电购电协议，将通过升级现有核反应堆，新增约890兆瓦核电能力。同时，谷歌还锁定了一份15年的2700兆瓦电力供应协议，用于保障数据中心长期运行需求。
这笔交易的重点，不在于建设一座全新的核电站，而是在已有核设施基础上“提升产能”。
整个项目预计投入超过43亿美元，新增电力规模接近一座大型核电站的输出水平，第一批新增电力预计在2028年前后投入使用。
对于普通人来说，这个数字可能比较抽象。但换一个角度看，谷歌买的并不仅仅是一批电。
它实际上是在提前购买未来十几年 人工智能（AI） 发展的“基础条件”。人工智能需要大量计算，而计算背后就是电力。
训练一个大型模型，需要数千甚至更多高性能芯片持续运行；面对全球用户每天不断增加的 人工智能（AI） 服务请求，数据中心也必须保持全天候工作。以前，科技公司的核心竞争力更多体现在软件和硬件层面。
但如今，电网容量正在成为影响 人工智能（AI） 扩张速度的重要因素。这也是为什么大型科技企业开始把目光转向核电。
太阳能、风能近年来发展很快，但受到天气影响，供电存在波动。对于普通用电场景来说，这种变化可以通过电网调节解决；但对于 人工智能（AI） 数据中心而言，稳定供电更加关键。
核电最大的优势，就是能够长时间持续运行，并提供相对稳定的大规模电力。美国部分地区正在面临新的用电压力，尤其是数据中心集中建设的区域。
PJM电网覆盖美国东部多个州，是美国最大的电力市场之一，近年来随着数据中心需求增长，电力供应压力明显增加。

相比之下，改造已有核电设施成为更现实的选择。这些核电站已经拥有土地、电网连接和运营体系，只需要通过技术升级提升发电能力。
对于急需扩大 人工智能（AI） 基础设施的科技公司来说，这种方式能够节省大量时间。事实上，谷歌并不是唯一一家提前布局能源的科技企业。
亚马逊、Meta等企业也在探索核能合作，希望解决未来人工智能业务增长带来的能源需求。
过去，互联网公司只是购买电力。现在，它们开始参与能源基础设施建设。
因为对于大型 人工智能（AI） 公司来说，电力已经不只是成本，而是一种战略资源。如果未来几年 人工智能（AI） 应用继续扩大，那么数据中心数量还会增加。
芯片厂商需要更多电力生产芯片，云计算企业需要更多电力运行服务器，人工智能服务商需要更多电力支撑用户需求。整个产业链正在形成一个新的循环：更多 人工智能（AI） 需要更多算力，更多算力需要更多电力。
不过，核电回归也并不意味着所有问题都会迎刃而解。核设施升级仍然需要经过严格监管，项目建设也存在成本控制、设备维护等挑战。
与此同时，大规模数据中心用电增长，也需要电网同步升级，否则单纯增加发电能力，仍可能面临输电和调配压力。它说明人工智能的发展已经进入一个新的阶段，竞争范围正在从软件、芯片扩展到能源体系。
未来的科技竞争，可能不仅发生在服务器机房里，也发生在发电厂和电网之间。过去很多人关注人工智能，会把重点放在模型能力、芯片性能以及应用数量上，但随着产业规模扩大，能源问题越来越难以回避。
一个大型 人工智能（AI） 体系，不仅需要聪明的算法，也需要稳定的基础设施支撑。核电受到科技企业重视，并不是因为它可以解决所有能源问题，而是在当前阶段，它提供了一种稳定的大规模供电选择。
在我看来，未来 人工智能（AI） 竞争不会只是技术之间的竞争，也会是产业链完整度的竞争。谁能够更好地协调芯片、数据中心、电力和基础设施，谁就更有机会在下一轮人工智能发展中保持优势。