文章核心观点 - 美国人工智能的繁荣正引发前所未有的能源短缺，可能重塑国家能源结构 [1] - 科技巨头面临在两种截然不同的能源（天然气与核能）之间做出高风险选择的局面 [1] - 人工智能发展最大的制约因素并非技术或资本，而是电力基础设施的严重瓶颈 [2][4] 人工智能的能源需求 - 训练单个AI模型（如GPT-4）需要30兆瓦的持续电力，足以供应2万户家庭 [3] - 数据中心电力需求预计将从2024年的35吉瓦激增至2030年的78吉瓦，增幅超过一倍 [3] - 弗吉尼亚州北部“数据中心巷”的电力需求可能从目前的4吉瓦猛增至2030年的15吉瓦，占该州总电力负荷的一半 [5] 电网瓶颈制约 - 新数据中心的电网连接延迟现已长达五年，成为AI扩张的最大制约 [4] - 部分地区电网互联请求激增700%，全球多达20%的规划数据中心项目可能因电网限制而延迟 [5] 天然气作为即时解决方案 - 天然气可在18-24个月内提供可靠的离网电力，远快于五年的电网连接时间线 [6] - 主要公用事业公司正为AI应用建设新的天然气基础设施，例如WEC Energy Group的We Energies制定了20亿美元的新天然气发电计划 [7] - 微软对部署结合碳捕获技术的天然气持开放态度，称其为AI实施的“即时解决方案” [7] - 主要天然气生产商股价大幅上涨，其中Expand Energy上涨超过24%，EQT和Range Resources分别上涨超过40%和13% [6] 核能作为长期战略 - 核能代表行业的长期愿景，相关承诺规模空前 [8] - 亚马逊投资了小型模块化反应堆开发商X-energy，计划部署5吉瓦核能 [8] - 谷歌宣布计划与Kairos Power合作建造多达七座小型模块化反应堆，首座预计2030年投运 [8] - 甲骨文宣布计划建造由三座小型模块化反应堆供电的吉瓦级数据中心，这是最雄心勃勃的承诺 [9] 能源的经济与环境考量 - 核电厂容量因子超过92.5%，远高于风能的35%、太阳能的25%和天然气的56% [10] - 小型模块化反应堆的平准化电力成本约为每兆瓦时36美元，而大型核电站参考成本为每兆瓦时92美元 [11] - 天然气发电的温室气体排放比煤炭低57%，但与核能相比仍产生大量二氧化碳 [11] - 埃克森美孚正在德克萨斯州东南部建设结合碳捕获技术的天然气发电厂，预计消除90%以上的二氧化碳排放 [12] - 核能生产每千瓦时二氧化碳当量在5.1-6.4克范围内，基本与风能相当 [12] 政策支持与投资 - 政府通过税收优惠等有利条件推动各州数据中心与能源协同扩张 [13] - 宾夕法尼亚州通过州和联邦经济激励措施，从技术、能源和金融公司获得了超过900亿美元的投资，以成为AI中心 [13] 未来发展路径 - 最可能的情景是在核能基础设施建设期间，使用天然气作为过渡桥梁进行管理式转型 [14] - 结合即时天然气部署与计划核能整合的多年期方法，可能提供最佳的经济和环境结果 [14] - 这场竞赛已超越构建最佳AI技术，演变为如何可持续且高效地为其供电 [16]