一家独立研究机构声称,地热发电可能为数据中心日益增长的能源需求提供解决方案。
但这里有个问题。该方案主要依赖水力压裂技术 (俗称压裂),以避免受限于天然地热资源区域,同时还需要运营商愿意支付"绿色溢价"。
Rhodium Group 在一份报告中指出,到 2030 年代初期,地热能发电可以"经济地满足"数据中心负载增长预期的 64% 左右。
报告指出,全球数据中心的用电量增长迅速 - 尽管基数相对较小,但在本十年迄今为止每年增长 20-25%。这意味着美国数据中心的用电量从 2020 年的约 2% 上升到 2024 年的约 4.5%。
报告称,到 2030 年,美国数据中心能源需求的增长预测从相对温和的每年 5% 到高达 35% 不等。
为满足数据中心潜在的巨大电力需求增长,目前有多种可能的解决方案,各有优势和挑战。Rhodium Group 推荐地热能源,因为它具有可再生性、低碳或零碳排放以及高可用性等特点。
具体而言,报告强调了增强型地热系统 (EGS),这是"一种新一代地热技术,利用水力压裂和水平钻探技术创建裂缝,通过注入流体被地球热岩层加热"。
换句话说,这是压裂技术,但目的是提取热能而非石油或天然气。
这种技术受青睐是因为它不需要像传统地热系统那样依赖"天然渗透的水热储层",而且能够"在更广泛的全球范围内获取热能"。
然而,压裂本身具有争议性,在许多地方遭到强烈反对,特别是在英国,那里在 2019 年叫停了石油和天然气压裂,原因是出现了被归咎于这一过程的地震。
即使在广泛使用压裂技术的美国,根据皮尤研究中心最近的调查,53% 的美国人反对扩大石油和天然气的水力压裂。
Rhodium Group 做出了两个假设。首先,未来数据中心电力需求的增长主要来自超大规模设施的 AI 训练和推理。其次,地热装置在并网方面面临着与其他能源项目相同的延迟问题。
由于后者的原因,该机构主张绕过电网直接接入数据中心园区,称地热能源特别适合这种"电表后端"应用,理由是其清洁能源特性和最小的地表基础设施占用。
报告估计,到 2030 年,数据中心的总电力负载将达到 80 GW,相比 2022 年水平年增长 22%,其中约 27 GW 来自超大规模数据中心。
报告称,在美国 15 个最大市场中的 13 个市场(全球大多数数据中心都集中在这里),地热能源将能够满足数据中心所有预期的需求增长,在全国 28 个市场中的 20 个市场中至少能满足 15% 的需求。
"我们发现的机会大多在西部,但地热能可以为中部和东部的增长市场提供部分或全部电力,包括华盛顿特区/北弗吉尼亚集群、芝加哥、俄亥俄州哥伦布市和孟菲斯,"报告指出。
在主要增长市场中,只有亚特兰大和纽约市在电表后端地热方面没有显示出"有意义的前景"。
不过,这里还有一个注意事项。报告称,地热能在多大程度上能满足扩大的能源需求,取决于运营商愿意为清洁能源支付的绿色溢价。
基准情景假设运营商愿意支付高于区域零售电价 20% 的溢价。若没有这个溢价,在包括凤凰城和华盛顿特区/北弗吉尼亚地区在内的几个关键市场,经济性"将不再合理",导致地热部署降低 38-55%。
情况可能更糟。报告指出,"持续的联邦支持对这些技术的部署也至关重要",因为地热设施有资格获得税收抵免,这对早期项目的可行性起着重要作用。
报告称:"如果国会或财政部限制这些抵免的使用,或完全废除它们,早期项目可能难以获得融资和有竞争力的价格输出。"最近的事态表明,绿色能源项目的税收抵免可能会被废除,如果尚未废除的话。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。