在2024年,随着数据中心行业面临日益增长的电力限制和长期能源可持续性问题,核能和小型模块化反应堆 (SMR) 作为满足这些需求的潜在解决方案备受关注。
去年初,Data Center Knowledge 特约撰稿人兼 Apolo CEO Bill Kleyman 大胆预测"核能将成为能源密集型社区的主导能源"。到年底,各大超大规模数据中心运营商竞相签订核能协议,凸显了 SMR 技术日益增长的发展势头。
尽管对核技术的兴趣与日俱增,但目前美国尚未有任何运营中的 SMR。这引发了一个反复出现的问题:首批核能数据中心何时能够投入运营?随着像 Oklo 这样的能源公司计划最早在2027年交付首批 SMR 系统,当前局势可能很快就会发生转变。
2025年伊始,我们盘点了核能数据中心发展的里程碑式一年,并咨询行业专家对未来几个月的展望。
2024年核能数据中心发展概况:
Blackstone 对数据中心的25亿美元投资(包括收购数据中心运营商 QTS)引发了内部员工对微型核反应堆能够使该股权投资巨头摆脱本地电网依赖的讨论。
白宫科技政策办公室进一步增强了业界对 SMR 数据中心技术的信心,认可核能作为数字基础设施设施的可靠和可持续能源源。
Bechtel 在怀俄明州开工建设一座使用钠而非水作为冷却剂的核反应堆。
Oracle 创始人 Larry Ellison 在9月宣布公司将投资 SMR,为打破长期以来对核技术的禁忌作出贡献。
Microsoft 签署电力购买协议,重启宾夕法尼亚州三里岛核电站,以满足其不断增长的能源需求。
NextEra Energy 表示有意重启爱荷华州杜安阿诺德核电站。
Amazon 承诺在宾夕法尼亚州的一座核电站旁建设数据中心园区,尽管联邦能源监管委员会在11月拒绝了 Talen Energy 增加其核电站供电量的请求。
Google 开始与美国和国际公用事业公司合作,评估核能为 AI 热潮供电的潜力。
Meta 向开发商征求提案,以生产高达4千兆瓦的新核能。
Oklo 表示通过与数据中心开发商 Switch 签订的总电力协议,未来20年可部署12千兆瓦的新反应堆容量。
核能数据中心:SMR 塑造的未来?
Omdia 云计算和托管服务首席分析师 Alan Howard 评估2024年核能数据中心市场时表示:"Amazon、Google 和 Microsoft 都签署了核能协议...而 Meta 也公开寻求合作,这令人振奋。"
不过,按照数据中心行业的标准,这些协议规模相对较小。Howard 提醒不要过于急躁,称最早要到2030年代中期才能看到核能在数据中心供电方面实现广泛商业可用。"现实是,这些(在建的核反应堆)本质上是测试反应堆,这是核技术公司必须遵循的漫长监管之路的一部分。"
CBRE 美洲数据中心研究主管 Gordon Dolven 同意核能最终将在数据中心供电中发挥重要作用,但行业广泛采用还需要十年左右时间。
据数据中心公司 Flexential 的首席运营官 Ryan Mallory 表示,数据中心公司面临的主要挑战之一是核设施需要五到七年的许可和建设周期。
"数据中心公司必须开始获取许可、场地和运营专业知识,为2030年代 SMR 实现可扩展和可重复做好准备,"Mallory 说。
施耐德电气首席数据中心和 AI 倡导者 Steven Carlini 表示,还存在技术挑战。"将 SMR 整合到现有生态系统将是一项复杂的工作,"他说。
然而,Carlini 表示,长期准备时间和高成本最终是值得的。这位施耐德高管表示,国际原子能机构 (IAEA) 和核能机构 (NEA) 等组织将在制定安全标准和促进国际合作方面发挥关键作用。
"稳定和可持续能源带来的长期效益将超过初始投资,"他说。
正如 DataBank 的 Jenny Gerson 所描述,核能已成为可靠且环保的解决方案。"作为零排放能源,核能支持大规模运营商的能源需求,同时支持他们的净零倡议,"她说。
由于没有迹象表明超大规模和数据中心运营商的能源需求会很快减少,一些人希望能够采取更快的行动。"业内所有人都同意,我们希望我们的预测是错的,能够更早看到核能的应用,"Howard 说。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。