{"source":{"id":"raw_2c1f8fabbc51352c","title":"来看一组刚在 All-In 峰会上公开的数据。 光 Google 一家公司，一个月就要处理大约 3.2 万亿亿个 tok…","url":"https://mubeitech.com/p/raw_2c1f8fabbc51352c"},"method":"semantic-similarity","count":6,"items":[{"rank":1,"id":"mb-20260902-a249fc","account":"mubei","brand":"","title":"华尔街还在盯着芯片和高带宽内存的产能缺口","summary":"华尔街还在盯着芯片和高带宽内存的产能缺口","body":"华尔街还在盯着芯片和高带宽内存的产能缺口。\n但 AI 真正的硬天花板，已经撞上了物理电网。\nAnthropic 在政策白皮书《在美国构建 AI》里，抛出了一组颠覆性的数字。\n未来训练单个前沿大模型，可能就需要数吉瓦的电力。\n到 2028 年，全美 AI 行业的新增电力需求将突破 50 吉瓦。\n50 吉瓦是什么概念？\n这相当于把整整两个纽约市在盛夏用电最高峰时的全部负荷，统统塞进几百个机房里。\n更反常的是 Anthropic 首席执行官 Dario Amodei 的公开表态。\n他不仅呼吁加快电力基础设施建设，还主动立下承诺：\n数据中心引发的电网改造和变电站扩建成本，绝不能摊派给普通美国家庭。\n一家科技巨头为什么要主动把基建账单往自己身上揽？\n算力实验室账上有数百亿美元，为什么买不来即插即用的电线？\n把这笔账顺着物理电网拆到底，会看到两台互相死锁的冰冷机器。\n第一台机器，叫电网排队墙。\n在数字世界里，大模型参数每隔几个月就翻倍，算力以光速在芯片间流转。\n底层电网的世界，遵循着原子时代最漫长的官僚钟摆。\n劳伦斯伯克利国家实验室的统计显示，全美等待并网的电力项目总容量已经超过 2600 吉瓦。\n一个新能源或燃气电站从提交并网申请到真正获得通电许可，平均排队时间已经从十年前的不到 2 年，暴涨到现在的 5 年以上。\n如果涉及到跨州高压输电线路的建设，流程更加漫长。\n从联邦国家环境政策法的环境评估，到各州公用事业委员会的层层听证，再到土地征用与变电站选址，平均周期长达 10 到 15 年。\n更致命的是核心设备的物理产能。\n一台大型高压变压器的交货周期，已经从过去的 50 周被硬生生拉长到近 3 年。\n软件的迭代速度是几个月，重资产电网的扩产周期是十几年。\n芯片可以提前买进仓库，电网却无法用资本无限加速。\n第二台机器，叫公用事业费率基础转嫁。\n这正是 Dario Amodei 最忌惮的制度陷阱。\n美国受监管的传统电力公司，底层遵循着成本加成模式。\n电力公司为了满足数据中心的爆发性需求，斥资几十亿美元去加固输电网、升级变电站。\n这笔庞大的资本支出，会被直接计入电网的费率基础。\n电力公司拥有政府保证的固定资产回报率。\n它们会将这笔巨额投资，薄薄摊进辖区内每一个普通居民和中小企业的每月电费账单里。\n这就形成了一种隐蔽的成本社会化。\n科技巨头拿走了算力训练的全部商业红利。\n本地居民却要为电网扩建承担每月上涨 20% 到 40% 的生活成本。\n如果大模型技术路线发生转向，或者数据中心数年后迁往他处，留下来的巨额闲置电网资产，依然要由普通家庭在未来三十年的折旧期里继续还债。\n这种转嫁机制一旦引爆民意反弹，地方监管机构会立刻收紧数据中心的审批闸门。\n当传统的公共电网被漫长的审批排队与激化的社会矛盾彻底堵死，算力竞争的玩法被彻底颠覆。\n科技巨头被迫绕开公共电网，走向现场独立供电与基荷能源的直接买断。\n微软直接签下二十年长期购电协议，锁定重启的三哩岛核电站全部发电量。\n亚马逊直接把数据中心建在核电厂围墙之内，买断现场无碳基荷电力。\n越来越多的算力玩家开始自备燃气轮机，甚至自己出资铺设独立变电站。\n大众还在把 AI 竞争看作算法与代码的较量。\n底层的竞赛规则，早已被物理定律和电网制度重塑。\n真正的算力护城河，不仅是账上有多少张芯片。\n在于谁能穿透漫长的制度排队，在不激怒公众电表的前提下，把最沉重的物理能源抓在手里。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-09-02 12:19:57","created_at":"2026-09-02 12:19:57","url":"https://mubeitech.com/p/mb-20260902-a249fc","markdown_url":"https://mubeitech.com/p/mb-20260902-a249fc/markdown"},{"rank":2,"id":"raw_069abc370fda51ea","account":"mubei","brand":"@mubei","title":"问一次 AI 消耗的电量，现在只够把电视开 7 秒钟。 0.24 瓦时。 耗水 0.26 毫升，大约五滴水。 一年前，业…","summary":"问一次 AI 消耗的电量，现在只够把电视开 7 秒钟。 0.24 瓦时。 耗水 0.26 毫升，大约五滴水。 一年前，业界测算单次大模型对话要吃掉近 3 瓦时电，是传统网页搜索的十倍。 2025 年 8 月，谷歌副总裁 Amin Vahdat 与图灵奖得主 David Patte…","body":"问一次 AI 消耗的电量，现在只够把电视开 7 秒钟。\n0.24 瓦时。\n耗水 0.26 毫升，大约五滴水。\n一年前，业界测算单次大模型对话要吃掉近 3 瓦时电，是传统网页搜索的十倍。\n2025 年 8 月，谷歌副总裁 Amin Vahdat 与图灵奖得主 David Patterson 团队公布了全栈实测数据。\n涵盖专用芯片 TPU、服务器主机、空载等待以及整个数据中心的散热能耗。\n仅仅一年，Gemini 单次推理能耗降了 33 倍。\n碳足迹降了 44 倍。\n单次提问甚至比十年前一次传统谷歌搜索的 0.3 瓦时还要省电。\n如果单次提问已经省电到看几秒电视的地步，为什么科技巨头还在满世界抢核电站？\n电网为什么没有松一口气？\n因为很多人把「单机效率提高」当成了「总消耗会减少」。\n这台让电力需求不降反暴涨的机器，早在 1865 年就被英国经济学家威廉·斯坦利·杰文斯写进了《煤炭问题》。\n它叫杰文斯悖论。\n瓦特改良蒸汽机的时候，每吨煤产出的动力大幅提升，燃煤效率翻了数倍。\n当时英国舆论普遍认为，全国消耗的煤炭总量一定会大幅下降。\n结果刚好相反。\n蒸汽机变得越省煤、动力成本越低，工厂、轮船和火车就越疯狂地安装蒸汽机。\n英国的煤炭消耗量不仅没降，反而暴涨了十倍。\n大模型正在发生完全一样的事。\n当单次提问消耗 3 瓦时电、每次调用要花几美分时，AI 只能做一问一答的聊天框。\n你输入一行，它回答一行。\n人类一天问五次，只消耗 15 瓦时。\n当单次推理降到 0.24 瓦时、边际成本塌陷到几乎可以忽略不计，整个软件架构被彻底改写。\n大模型不再等人类提问。\n它变成了自主智能体，变成了推理期计算与长思考链。\n你给它一个复杂的软件重构任务，或者让它分析整座工厂的供应链漏洞。\n它在后台自问自答、写代码、运行测试、自我纠错、多路验证。\n人类只在最后看了一眼结论。\n机器在后台把大模型静默调用了上万次。\n单次提问省下来的那 97% 能耗，瞬间被放大一万倍的调用量吞没。\n还有机房里 24 小时不间断的合成数据生成，数万张芯片在后台左右互搏、生成数万亿词元的数据。\n这就是推理时代的算力定律。\n效率提升不会让资源消耗见顶。\n它只会让算力便宜到渗透进过去从未被自动化的每一个隐秘角落。\n单次提问耗电 7 秒电视，是扎实的工程奇迹。\n但数据中心不会因此降温。\n当每一次思考便宜到接近免费，全人类对电力的真正胃口才刚刚被打开。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2095362017141936373","translated_status_id":"2095362017141936373","published_at":"2026-09-02 14:46:16","created_at":"2026-09-02T14:46:16.570182","url":"https://mubeitech.com/p/raw_069abc370fda51ea","markdown_url":"https://mubeitech.com/p/raw_069abc370fda51ea/markdown"},{"rank":3,"id":"mb-20260901-76693c","account":"mubei","brand":"","title":"所有人的目光都盯在芯片制程、显存带宽和模型参数上","summary":"所有人的目光都盯在芯片制程、显存带宽和模型参数上","body":"所有人的目光都盯在芯片制程、显存带宽和模型参数上。\n但真正卡死下一代 AI 算力的，是一根快要被烧红的铜线。\n2027 年，AI 数据中心将迎来一场底层的电力革命：全面转向 800V 直流供电。\n产业链上，碳化硅与氮化镓两类第三代半导体材料被推上了最前线。\n一个跑算法的数据中心，为什么突然要用上电动车和高铁级别的高压电？\n是芯片厂商在盲目堆料，还是底层的物理世界已经撞到了南墙？\n把这笔账算到底，会看到一台支配着现代工程的硬核机器。\n焦耳定律税。\n过去十年，数据中心的标准供电电压是 48V。\n在单机柜功耗只有十几千瓦的年代，这套架构运转得很平稳。\n算力需求在两年内被暴力拉升。\n单机柜功耗从数十千瓦飙升到 100 千瓦，接下来要直接冲向 600 千瓦甚至兆瓦级别。\n问题就在这里爆发了。\n初中物理学过一条铁律：功率等于电压乘以电流。\n在 48V 的低电压下要输送 600 千瓦的功率，电流会直接突破 12000 安培。\n12000 安培是什么概念？\n这需要比成年人手臂还要粗的实心铜排。\n沉重的铜排塞满机柜，既压垮承重结构，又彻底堵死散热风道。\n更致命的是发热损耗。\n导线上的发热量，和电流的平方成正比。\n电流扩大一倍，导线发热就会翻四倍。\n一万多安培的电流流过机柜，算力还没开始跑，海量电能已经在铜排上变成了滚烫的废热。\n铜线的物理极限，直接给算力扩张封了顶。\n要打破这个僵局，唯一的出路就是提升电压。\n把机柜供电电压从 48V 一路拉升到 800V，电压放大了 16 倍。\n在相同功率下，电流直接缩减到原来的十六分之一。\n根据焦耳定律，导线上的发热损耗瞬间暴降到原本的二百五十六分之一。\n铜排的用量直接被砍掉近九成。\n电压升阶把物理瓶颈砸开了一道缺口，却把难题甩给了半导体器件。\n传统的硅基功率芯片在 800V 高压和高频切换下，会产生巨大的开关损耗，甚至直接击穿烧毁。\n第三代宽禁带半导体，在这个节点接管了战场。\n两批材料分工明确。\n碳化硅的耐击穿场强是传统硅的十倍，充当高压主干上的重装盾牌，把电网的高压稳稳降为 800V 直流电。\n氮化镓拥有极高的电子迁移率，充当芯片身旁的高频突击手，在兆赫兹级别的高速开关下，把电感元器件体积压缩数倍，贴身把电切碎成亚伏特级别的低压大电流喂进 GPU。\n碳化硅扛主干高压，氮化镓做贴身转换。\n这套组合拳把供电模块直接拍到了算力芯片的背面。\nAI 的竞争，表面看是算法和数学的较量。\n底色从来都是能量搬运的物理工程。\n当算力密度推到极致，算力战争的胜负手，就已经从纳米尺度的晶体管，转移到了机柜背后的输电母线上。\n先看懂物理瓶颈并重构能源管道的人，才能拿到下一代超级算力的入场券。","category":"科技","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-09-01 14:49:05","created_at":"2026-09-01 14:49:05","url":"https://mubeitech.com/p/mb-20260901-76693c","markdown_url":"https://mubeitech.com/p/mb-20260901-76693c/markdown"},{"rank":4,"id":"raw_b364f5abdb4c66e1","account":"mubei","brand":"@mubei","title":"一家做半导体芯片的高科技公司，最核心的监控指标是什么？ 是晶圆良率？先进制程的线宽？还是下一代架构的晶体管数量？ 换作任…","summary":"一家做半导体芯片的高科技公司，最核心的监控指标是什么？ 是晶圆良率？先进制程的线宽？还是下一代架构的晶体管数量？ 换作任何一个芯片工程师，答案大概都在这几样里。 但在高盛的技术大会上，黄仁勋讲了一句让在场投资人全部愣住的话。 他说：英伟达现在正在全球范围内，监控每一座变电站、每一…","body":"一家做半导体芯片的高科技公司，最核心的监控指标是什么？\n是晶圆良率？先进制程的线宽？还是下一代架构的晶体管数量？\n换作任何一个芯片工程师，答案大概都在这几样里。\n但在高盛的技术大会上，黄仁勋讲了一句让在场投资人全部愣住的话。\n他说：英伟达现在正在全球范围内，监控每一座变电站、每一片土地，以及每一座空壳机房。\n原话甚至更夸张：\n我们监控着地球上的每一个吉瓦，我们清楚每一处资源在哪里。\n\n一个卖显卡的半导体公司，怎么突然干起全球电网抄表员的活了？\n很多人的第一反应是：这老头是不是又在给资本市场吹泡泡？\n还真不是。\n因为眼下的 AI 算力军备竞赛，撞上了一堵极其冰冷、不可逾越的物理硬墙。\n\n过去两年，科技圈所有人都在盯着台积电的产能。\n大家天天查先进封装的配额够不够，高带宽内存的良率高不高。\n科技巨头们觉得，只要英伟达把芯片造出来，大模型就能无限扩张下去。\n但真正冲在最前线、替微软、谷歌、甲骨文建数据中心的开发者，现在最恐惧的早就不是芯片缺货了。\nThe Information 的记者菲比·刘在独家报道里，点出了一个让整个行业直冒冷汗的词：\n无电可用的芯片过剩。\n\n什么叫无电可用的芯片过剩？\n算力订单还在疯狂暴涨，各大公司的支票还在一张接一张地开。\n但买回来的显卡，很可能连电闸都拉不开。\n\n这背后是一场极其荒诞的时间尺度撕裂。\n台积电造一批顶尖 GPU 芯片，需要多久？\n几个月。\n工程队去平整土地、搭好一座现代数据中心的水泥外壳，需要多久？\n一年到一年半。\n但是，你要去找当地的公共电力公司，申请接入高压输电网，需要多久？\n在美国几大主要电网区域，并网排队的平均等待时间，是整整五到七年。\n\n更要命的是变电站的核心硬件：大型高压变压器。\n这玩意儿不是消费电子，不是多雇几个工人就能三班倒赶工出来的。\n造一台大型变电站变压器，需要高等级的取向硅钢，需要极其重型的卷铁芯设备，全球产能极度紧张。\n行业数据显示，现在一台大变压器的标准交付周期，已经排到了 128 周以上。\n也就是整整两年半，稍大一点的规格甚至要等三四年。\n\n两套完全不同维度的时钟，在这个节点上迎面撞毁了。\n一边是十八个月翻倍的摩尔定律，一边是五年起步的重工业电网改造。\n假设你是一家算力开发商，手里拿着上百亿资金，咬牙订了五万张顶级显卡。\n半年后，大卡车把密密麻麻的服务器机架送到了你的机房门口。\n结果当地电力局发来一封公函：\n扩容申请原则上批准，但新变电站正式通电预计要等到 2029 年。\n\n这时候会发生什么？\n芯片不是黄金，它是有技术半衰期的。\n显卡在技术上的黄金寿命，通常只有两到三年。\n三年之后，下一代新架构一出来，老芯片的计算效率直接腰斩。\n这意味着，那批总价上百亿的精密硅片，一次机都没开过，甚至还没通电发过热，就只能躺在库房的木头托盘上，每天以几十万美元的速度折旧贬值。\n在产业经济学里，这叫资产搁浅。\n\n如果买回来的卡只能在仓库里落灰，下一个季度谁还敢给英伟达下订单？\n那些向华尔街承诺无限增长的云巨头，现金流会当场被这批死资产卡死。\n\n黄仁勋看明白了这层致命危机。\n他知道，如果英伟达还像传统硬件厂商那样，只管把芯片卖出去、收钱走人，自己的增长曲线迟早要撞死在电网审批上。\n于是，英伟达在过去一年里，把自己的角色做了一次极其激进的重构：\n它直接跨过戴尔、超微这些服务器代工厂，把商业模式从单纯卖芯片，硬生生变成了一座全球电力与机房的超级清算所。\n\n它是怎么调度的？\n简单来说，就是把分配芯片的逻辑，从看谁钱多，改成了看谁先通电。\n黄仁勋要求生态圈里的所有伙伴：\n不管你是微软、甲骨文这样的超级巨头，还是 CoreWeave 这样的新兴算力云，或者是给他们组装服务器的代工厂。\n谁想拿到最新架构的算力配额，谁就必须把底层基建的家底彻底交代清楚。\n你的机房地皮在哪个州？\n你的水泥外壳封顶了没有？\n当地供电局批了多少兆瓦的负荷？\n变压器哪个月进场？哪一天正式合闸通电？\n\n英伟达拿到了这套全球独一无二的产业情报网。\n他们把全球每一个吉瓦的土地、机房和电力批文，实时标注在一张超级地图上。\n给谁供货、不给谁供货，全看你的通电时间表。\n你的机房下个月并网，芯片下个月直接从工厂送到你门口，开箱即点亮。\n你的电力审批还在排队？对不起，你的订单往后顺延，配额先让给通电更快的客户。\n通过这种对互补品资源的绝对摸底，英伟达硬生生把可能砸在库房里的天量存货，在物理世界上给熨平了。\n\n除了在外面找电，英伟达还在机房内部动起了手术。\n因为单台机柜的吃电速度，也已经把物理学逼到了极限。\n比如最新的 GB200 NVL72 机架，单机柜运行功耗直接冲上了 120 到 132 千瓦。\n这是个什么概念？\n一个普通三口之家的生活用电，峰值功率也就几千瓦。\n一台机柜的耗电量，相当于把上百个家庭的全部电器，压缩在一个两米高的大铁柜里。\n过去传统的风冷散热彻底失效了。\n如果还用风扇去吹，吹出来的热风足以把机房变成烤箱，单是空调电费就能把运营方吃破产。\n所以英伟达强制推行全液冷，用液体导管直接贴死芯片吸热。\n\n更绝的是电源架构的重造。\n机房外部送来的是几千伏的高压交流电，过去机柜内部普遍采用 48 伏甚至 12 伏直流电供电。\n物理学常识告诉我们：在功率固定的情况下，电压越低，电流就越大；而导线发热损耗，与电流的平方成正比。\n在 130 千瓦的恐怖功率下，如果继续跑低压直流，机柜背面的铜电缆得做得像人的大腿一样粗，大量的电能直接变成无用的废热。\n英伟达联合生态直接推行 800 伏高压直流架构。\n电压拉高十几倍，电流瞬间缩小，不仅甩掉了几百公斤昂贵的铜线，还省掉了多次交直流转换的能量损耗。\n\n他们甚至还在跟加州的公用事业电力公司合作，让数据中心变成电网的柔性负荷。\n居民白天开空调、电网负荷吃紧的时候，算法自动降低大模型训练的运行功率；\n等到深夜大家入睡、电网有多余负荷的时候，机房再全力拉满功率狂飙。\n\n当一项颠覆性技术跑得太快的时候，最先被扯住后腿的，从来不是最前沿的科学。\n卡住整个数字世界的，恰恰是那些人类用了一百年的重工基建。\n大家都在谈论超级智能的诞生，谈论数字世界的无限可能。\n但走到最后，决定这场革命推进速度的，依然是荒野上那一根根高压输电线、变电站里那个傻大黑粗的变压器，以及现实物理世界对能量守恒的冷酷裁决。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2101801886315622587","translated_status_id":"2101801886315622587","published_at":"2026-09-20 23:47:41","created_at":"2026-09-20T23:47:41.141328","url":"https://mubeitech.com/p/raw_b364f5abdb4c66e1","markdown_url":"https://mubeitech.com/p/raw_b364f5abdb4c66e1/markdown"},{"rank":5,"id":"raw_15664e857d3b36ee","account":"mubei","brand":"@mubei","title":"Anthropic 一家做大模型的软件公司，正在把 15 个吉瓦（GW）的算力直接压给博通的专用芯片。 15 个吉瓦是什…","summary":"Anthropic 一家做大模型的软件公司，正在把 15 个吉瓦（GW）的算力直接压给博通的专用芯片。 15 个吉瓦是什么概念？ 相当于 15 座大型核电站机组的满负荷输出，或者整座纽约市在用电高峰时的全部电力负荷。 这家原本给谷歌和亚马逊做模型的软件实验室，2027 年要部署…","body":"Anthropic 一家做大模型的软件公司，正在把 15 个吉瓦（GW）的算力直接压给博通的专用芯片。\n15 个吉瓦是什么概念？\n相当于 15 座大型核电站机组的满负荷输出，或者整座纽约市在用电高峰时的全部电力负荷。\n这家原本给谷歌和亚马逊做模型的软件实验室，2027 年要部署 5 个吉瓦的 TPU v8i，2028 年还要再追加 10 个吉瓦。\n它将一举超过谷歌，变成博通全球最大的定制芯片客户。\n另一边的 OpenAI 也在干同一件事。\nOpenAI 自研的第一代推理专用芯片 Jalapeño 刚刚开始量产出货，2027 年要部署 1.3 个吉瓦，2028 年目标直接拉到 5 个吉瓦以上。\n华尔街大部分人还在盯着英伟达卖了多少张通用显卡。\n为什么两家最顶尖的模型公司，算力规模一旦冲到吉瓦级别，都不约而同绕开了英伟达？\n答案藏在半导体物理与电网配电的一条硬约束里：定制硅分流。\n算力扩张到了吉瓦这个量级，真正的瓶颈早就不是买芯片的预算，是变电站的审批和电网的物理承载力。\n电力成了限制智能扩张的硬天花板。\n英伟达的通用显卡为了兼顾各种科学计算、图形渲染和前沿算法探索，芯片上留了大量冗余电路、复杂的通用调度模块和高精度计算单元。\n这些通用设计，每分每秒都在耗电。\n但当模型架构在工业级推理场景下固定下来，每天要处理几十亿次请求时，那些为了通用性保留的电路就变成了纯粹的电力浪费。\n专用芯片做的事情，是把所有多余的电路全部砍掉。\n它把模型最核心的矩阵乘法和数据传输通道直接固化在硅片上。\n在固定的电力预算下，专用芯片的能效比可以达到通用显卡的 2 到 3 倍。\n同样是一座 5 吉瓦的数据中心，用专用芯片能跑出来的推理吞吐量，能翻上一倍到两倍。\n省下几十亿美元电费只是附带结果，更关键的是直接突破了电网给每个数据中心划定的功率死线。\n很多人会问：既然是自研芯片，为什么它们都要找博通？\n因为把数十万颗芯片连在一起，算力只占一半，另一半全在高速互联。\n芯片算得再快，数据如果卡在传输通道上，芯片就会在空转中白白烧电。\n博通手里握着全球顶级的 SerDes 高速接口技术、Tomahawk 交换机芯片和先进封装连接专利。\n模型公司负责出算法架构，博通负责把这些计算核心用极低延迟的高速通道绑成一个庞大的算力集群。\n这条路径让模型公司同时甩掉了两道枷锁：一道是第三方通用芯片 70% 以上的毛利溢价，另一道是公有云厂商层层加价的租赁成本。\n算力竞赛的底层规则已经变了。\n探索期买通用显卡找方向，规模化部署就必须走专用芯片抢电网。\n未来的顶级人工智能竞争，不看谁囤了更多显卡。\n看谁能把变电站输进来的每一瓦电力，以最高的效率换成智能。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2095429617913930059","translated_status_id":"2095429617913930059","published_at":"2026-09-03 10:27:47","created_at":"2026-09-03T10:27:47.421982","url":"https://mubeitech.com/p/raw_15664e857d3b36ee","markdown_url":"https://mubeitech.com/p/raw_15664e857d3b36ee/markdown"},{"rank":6,"id":"mb-20260902-b69c1a","account":"mubei","brand":"","title":"为了给 AI 找电，Google 把一份接近 1 吉瓦的订单开给了德州油田的钻井队","summary":"为了给 AI 找电，Google 把一份接近 1 吉瓦的订单开给了德州油田的钻井队","body":"为了给 AI 找电，Google 把一份接近 1 吉瓦的订单开给了德州油田的钻井队。\n没给光伏，没给风电，也没给被资本炒上天的核反应堆。\n他们在犹他州荒漠里，用挖页岩油的重型设备，往地下两万英尺的滚烫花岗岩里打压裂泵。\n一家硅谷顶级科技巨头，为什么要用石油公司的看家绝活，去地底死磕几百度的致密硬岩？\nAI 算力是一台 24 小时不能停的吞电巨兽。\n训练大模型需要的是基荷电力。\n容量因子必须稳定在 90% 以上。\n只要电网一断，或者电压发生波动，几万张 GPU 跑了几天的模型权重就可能直接报废。\n但过去二十年被大力推广的绿色能源，底色全写着靠天吃饭。\n光伏有昼夜，风电看天气。\n它们的平均容量因子通常只有 20% 到 35%。\n配上电池储能，最多也就能顶四到八个小时。\n核电虽然稳定，但从项目立项、监管审批到并网投产，动辄需要耗上十年以上，根本赶不上 AI 算力指数级爆发的节奏。\n算力跑得越快，电网这根缰绳就勒得越紧。\n地下的热能其实一直都在。\n地表之下几公里，到处是超过 200 摄氏度的高温岩石。\n但在过去一百年里，传统地热发电始终是一场极小概率的地理彩票。\n发电必须同时凑齐三个条件：地下有高温、有充沛的水源、地层还得有天然的裂隙让水流动。\n全球能同时凑齐这三样东西的地方，不到陆地面积的 2%。\n没有天然裂隙，岩石里的热量就等于被锁在死胡同里。\n终结这个僵局的转折点，来自实验室之外。\n它来自过去二十年美国页岩油气革命砸出来的工业副产品。\n为了把深埋在致密页岩里的油气榨出来，石油公司烧掉了几千亿美元。\n打磨出了一整套水平钻井、金刚石复合片钻头、分段水力压裂和分布式光纤传感技术。\nFervo Energy 的创始人蒂姆·拉蒂默，此前就是德州油田的钻井工程师。\n他把这套在石油行业打磨成熟的工具箱，直接搬到了犹他州 Beaver 县的 Cape Station 项目。\n地下没有天然裂隙，就用压裂泵注入高压水，在地下 19000 英尺、460 华氏度的致密花岗岩里，硬生生压出成千上万条人工微裂缝。\n地下没有天然水循环，就钻出两口相隔数百米、水平延伸 7500 英尺的水平井。\n一口井往地下注入冷水。\n冷水流经被压开的花岗岩裂缝网络，被岩石充分加热。\n另一口井顺着压差，把滚烫的过热水蒸气抽回地表，推动汽轮机 24 小时发电。\n这台机器的名字，叫增强型地热系统（EGS）。\n它把不可预测的自然地热勘探，变成了一台人工可控的地下热交换器。\n更致命的突破发生在成本曲线上。\n一旦地热开发脱离了勘探博彩，变成标准化的工程施工，制造业的学习曲线就会立刻接管一切。\n在 Cape Station 项目的前四口水平井里，团队把单井钻探时间从最早的 70 天压缩到了 21 天，效率提升了 70%。\n单井建造成本从 940 万美元直接腰斩到 480 万美元。\n每英尺钻探成本从 1000 美元降到了 300 美元以下。\n这是页岩油当年击垮传统油气周期的同一套打法。\n用标准化的作业模块、高频迭代的钻头和现成的工业供应链，把单位建造成本沿着经验曲线逐代打掉。\n这也是为什么 Google 会在 2026 年 9 月果断签下这份 396 兆瓦、并附带扩展至 1 吉瓦选择权的 15 年长协。\n硅谷谈论算力扩张时，习惯用软件思维去推演未来。\n但物理世界只认能源的硬约束。\nAI 数据中心要的是 24 小时永不停机的基荷电力，拒绝依赖天气与补贴的波动。\n最激进的技术突围，往往不是在象牙塔里从零发明一套新理论。\n是把一个传统重工业在残酷市场中熬出来的工程硬实力，跨界搬到了下一代科技革命的死穴上。\n当多数人以为页岩压裂技术只能用来开采化石燃料时，那套在油田里滚打出来的铁家伙，已经钻开了下一代清洁算力的地底开关。","category":"经济","score":null,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-09-02 12:19:55","created_at":"2026-09-02 12:19:55","url":"https://mubeitech.com/p/mb-20260902-b69c1a","markdown_url":"https://mubeitech.com/p/mb-20260902-b69c1a/markdown"}]}