AI与数据中心的用电需求增长，远比我们一般设想的还要猛烈得多。以过去十年为例，云计算产业一路从传统的企业级IT外包，演化到如今每小时可调度数百上千PFLOPS的超级集群，而AI大模型的训练更是呈几何倍数扩张。换言之，当我们看到大厂一口气下单数万张GPU、一年内训练成本高达数亿美元，实际上背后对应的“电力支撑”早已逼近当前电网可承受的上限。
美国及欧洲部分地区的能源规划，一度还寄希望于天然气机组或风光电配合储能来填补这个缺口（但是峰值用电不稳定），但随着碳排放监管趋严和储能技术尚未成熟，最现实的选择很可能就是重启对核能的投入。尤其是小型模块化反应堆（SMR），它的工厂化预制与模块拼装，能在18到36个月内完成建设并网，不再像传统大型核电站那样动辄五到八年才能投产。
这里有几个极具价值的现象值得关注：首先，伊利诺伊州已在2023年底部分解除对新建核电的禁令，明确放宽300 MWe级别的SMR；其次，亚马逊与Dominion Energy正在弗吉尼亚州探讨在Lake Anna部署一座或多座SMR，以此为当地即将扩张的数据中心提供24小时不间断电力。再者，微软和谷歌也在评估与NuScale或X-Energy达成更深层次合作的可行性；前者主打轻水堆模块化方案，后者主推高温气冷堆。根据美国能源部（DOE）公开资料，过去近十年间政府为推动SMR商业化累计投入超过6亿美元，且在更多州积极布局示范项目。
最近我们判断了一个趋势：Oklo、NuScale、X-Energy、Holtec这些企业正逐渐被传统投资机构和科技巨头同时关注，背后是对数据中心基荷电力的强劲需求与对“碳减排”定量指标的迫切追求相叠加。而Oklo那种钠冷快堆，虽然因为化学活性和金属腐蚀带来争议，但他们引入了Argonne国家实验室的THETA平台测试和EBR-II快堆技术经验，也打算证明自己在现代材料和自动化控制领域能够化解过去几十年钠冷堆的风险点。就算Oklo最终在规模化商用上还有一段路要走，NuScale或GE Hitachi BWRX-300这些轻水堆SMR方案已相对成熟，审批环节更顺畅，接下来只要在爱达荷国家实验室和田纳西河谷管理局（TVA）的示范工作按照计划推进，就会真正拉开“小堆”为超算和AI基础负荷供能的序幕。
关于核聚变，我个人的判断是：目前聚变还停留在“科研试验”和“风险投资”交织的阶段。虽然我们能看到Helion、Commonwealth Fusion Systems（CFS）、TAE Technologies、General Fusion等初创企业不断拿到巨额融资，但从技术本身来看，聚变要进入可靠的商业化，至少还面临两大难题：
一是材料学难关。能在高中子通量、高温等离子体环境下长期保持物理与化学性质稳定的结构材料，工业界并没有现成成熟方案；
二是经济可行性难关。即使实现了净能量增益，还得解决氚燃料循环、放射性部件更换、堆体维护成本等一系列现实运营难题，这些远非“纸面热效率”或“试验室Q值”能完全说明。
因此很多业内人士更倾向于先把焦点放在核裂变SMR上，一方面是因为核裂变几十年的海军堆与商用堆经验，至少让人对燃料供应、退役流程、安全机制有相对成熟的认知；另一方面，对于像亚马逊、微软和Meta这种需要“立刻”解决算力基建电力负载的企业来说，他们等不起十年或更久去验证聚变能否实用。
像Oklo主张的钠冷快堆方案，更是把海外一些退役乏燃料的再利用纳入计划，希望借此降低铀浓缩与废料管理成本。如果这个策略能被监管机构和公众接受，那对整个核裂变产业而言意义深远：不但能消化现有高放废料储存难题，还能在经济账上进一步让核能具备吸引力。这背后的情报含金量其实很高，它意味着未来若某个快堆路线真能稳定运行十年左右且出事概率极低，那么很多过去对核能持观望态度的私募基金或公募机构，就会迅速向这条赛道加码，或许会带来一波不亚于当年互联网产业的大规模投资潮。
最后不得不提到一个容易被忽视的因素：公共认知。核能要想成为真正的主流能源，技术安全性和经济性固然是基础，但能否有效化解公众对于核辐射、核废料乃至“邻避效应”的普遍担忧，也是一场同样重要的博弈。三哩岛、切尔诺贝利与福岛这三大事故在全球留下的心理阴影尚未消散，媒体和社区团体对核能项目的审视仍然严苛。很多SMR公司其实已经在学习互联网公司的话术与信息透明化手段：比如公开核心组件的材料检测结果、实时展示堆芯监控数据、以及采用区块链或分布式台账记录关键运维流程，以此向公众“直播”安全现状。我们也看到，美国核管会（NRC）对NuScale与X-Energy的审查速度明显提升，因为该机构意识到“零风险”并不现实，但只要把熔毁概率、放射性泄漏概率降到极低，再做好应急预案，公众接受度也在逐步升高。对想加码SMR的投资者和科技巨头而言，也许更应该和地方政府、社区保持高频沟通，搞清楚邻近居民最担心的是辐射、废料还是经济补偿不足等问题。毕竟数据中心和大模型的能源渴求是确凿无疑的，只要能在安全与效率之间找到更好的平衡点，核能就能少些政治和舆论上的阻力，成为AI时代不可或缺的底层基石。如果再往长远看，当许多国家都有了成熟的SMR建造体系和运营经验，等到真正可商用的核聚变问世时，或许两者还能联手为全球带来更大规模的零碳能源革命。毕竟对那些动辄要算几千亿参数的深度学习模型来说，电力就是生命线，而核能如果在保障算力稳定这一方面持续发力，那它就不仅是一种备选能源，而会成为整个AI产业拓展边界的“幕后推手”。
大家如果对核能——尤其在AI大算力和数据中心时代的应用前景——感兴趣，那一定要去看看ARK 的新文章。从投资视角切入但内容生动易懂，也能让我们重新审视：为何核能复苏已成为当下各界热议的焦点，而核裂变与核聚变之间究竟存在哪些关键区别。文章里面提到的几个重要概念，比如科学盈亏（Q>1）、工程盈亏以及商业盈亏，本质上就是在提醒我们：一个核能技术即使突破了实验室瓶颈，距离真正商用依然可能有漫长的工程化与市场化路程。
对核聚变来说，目前看似“离实用还差一口气”，但其实这“一口气”可能包含若干个难题：从高温超导磁体、等离子体约束和材料学，到启动阶段的氚燃料短缺，都需要一整套庞大的科研与产业配合。相较之下，核裂变虽已在电网服役几十年，技术成熟度与监管流程更为明晰，但也因为公众对核废料、核事故的印象尚存，需要继续在安全机制与建造模式上迭代，比如小型模块化反应堆（SMR）就是一个方向。这文章也提供了一个思考框架：从科学突破到工程可行，再到能否收回建厂成本并跑赢其他电源，缺一不可。如果有哪一步不通，即便再惊艳的核能原理，也只能是“实验室原型”而已。
说到底，无论是看好核裂变SMR还是核聚变，最核心的一点都是——能否真的实现稳定供电、能否在长期经济账上算得过来，以及能否得到监管和社会的双重认可。
（报告已上传，还有份SMR 营收测算）