作者：國盛通信團隊
摘要
站在當前時點，我們重新評估 AGI 的發展趨勢和投資者預期。市場以算力為起點，延伸出 GPU、光模塊、交換機、存儲等賽道，並借力海外映射，對 AI 應用翹首以盼，但忽略了當算力放量時對上游基礎設施的拉動。如果說應用是爆發力最強的方向，那基礎設施便需久久為功，不僅是液冷散熱，對能源的需求才是根本，這也是本文的出發點。
邊際變化：AIDC 與傳統數據中心最大的區別點之一，在於用電水平大幅提高。AIDC 具有數據量大、算法複雜以及 24/7 即時響應的特點，因此與傳統的數據中心相比，AIDC 需要消耗大量電量。隨著 AI 的迅速發展，預計集成大語言模型的 AI 軟件將會迅速發展，訓練需求和推理需求共振，未來數據中心用電量將大幅提升，AIDC 會成為新一代「電老虎」，數據中心消耗電力的比重會進一步提升。SemiAnalysis 預測，全球數據中心關鍵 IT 電力需求將從 2023 年的 49GW 激增至 2026 年的 96GW，其中 AI 將消耗約 40GW。Vertiv 指引在未來五年內，數據中心耗電量將增加 100GW，到 2029 年全球數據中心電力需求增至 140GW。
困境：美國電網難以支撐 AI 算力發展。相比於數據中心的建設速度，目前美國電網建設速度相對緩慢，且發電容量有限，因此短期內美國將面臨 AI 發展下的電力需求困境。目前美國電力供應面臨基礎設施建設週期長、基建設施短缺、勞動力緊張、從業人員缺乏經驗、建設電網需要協調多方利益相關者等阻力。而 AI 的迅速發展已導致部分地區電力供應短缺，北美公用事業公司 Dominion Energy 表示，其可能無法滿足弗吉尼亞州的電力需求，導致全球增長最快的數據中心樞紐建設項目推遲多年。
解決方案：短期 - 天然氣，中期 -SMR 核電，遠期 - 可控核聚變。AI 的崛起正在將資源競爭引向算力 + 能源。在 AI 驅動的數字世界中，算力是迭代和創新的基礎，而能源則是支撐這些算力運轉的關鍵。短期內，天然氣結合燃料電池為數據中心提供靈活且高效的發電方案，滿足當前快速擴張的需求。中期來看，小型模塊化反應堆（SMR）因其穩定性和適應分佈式部署的特性，成為應對數據中心功率瓶頸的關鍵路徑。遠期而言，可控核聚變有望徹底突破能源供給限制，為未來的算力生態提供無限、清潔的動力支持。在這一進程中，從能源技術的持續創新到算力生態的高效協同，不僅推動了 AI 技術的飛躍，也重塑了能源與計算深度融合的未來格局。
我們認為，目前尚處於算力之戰，但展望未來 5 年，能源基礎設施之爭或將成為主流。短期來看，今年三季度 CSP 巨頭資本開支均創新高，且傾向於算力側，而未來 5-10 年，結合 AI 算力投資持續加碼和美國目前的電力供應現狀，我們認為美國目前電力持平的時代即將結束，算力之戰將逐步轉變為能源之爭。亞馬遜、微軟、谷歌等算力巨頭對 SMR 等核電項目的投資計劃已初步證明了這一點，IT 巨頭的加入將大幅引進新技術並加速迭代，相關能源基礎設施的投資機會將逐步顯現。
投資建議：綜上所述，能源是科技競爭的下一場戰役，正如液冷從可選到必選的過程一樣，AI 上游基礎設施賽道也正在從傳統行業走向核心科技配套，搶佔佈局先機是未來勝出的關鍵。建議關注美股核心標的 ETN、EMR、SMR、OKLO、NNE、BE 等，A 股在核電、天然氣及基建供應鏈建議關注中國廣核、中國核電、新天然氣、中廣核礦業、金盤科技、英維克、麥格米特、能科科技、科華數據、歐陸通、壹石通等。
風險提示：技術與監管風險，高資本需求與融資壓力，市場需求與競爭風險
投資要件
OpenAI 創始人 Sam Altman 在訪談中曾說過一句話：未來的兩種重要資源，將是算力和能源。AI 對性能的追逐，在算力領域已經逐步呈現白熱化，而下一階段競爭的核心因子，將在能源基礎設施上初步顯現。
【從算力到能源：科技競爭的下一場戰役】
人工智能的崛起更直接地將資源競爭引向算力和能源。在 AI 驅動的數字世界中，算力是迭代和創新的基礎，而能源則是支撐這些算力運轉的關鍵。「未來最重要的兩種資源是算力和能源」，這一趨勢從算法優化到硬件突破，再到當前對高效能源系統的需求，將貫穿 AI 技術發展的每一階段。
【算力的加速需求與硬件極限】
AI 算力的需求呈指數級增長。以英偉達 H100 GPU 為例，60 TFLOPS 的計算能力正在推動大模型的規模化訓練，算力激增帶來了巨大的能耗挑戰。Vertiv 預計，到 2029 年，全球數據中心的總裝機功率需求預計將從 40GW 飆升至 140GW，而數據中心每 MW 價值量將從 250-300 萬美元提高到 300-350 萬美元。英偉達下一代產品 Rubin ultra 單機櫃高達 1MW 以上的功耗也表明，AI 算力提升正對電力基礎設施施加前所未有的壓力，算得多快很大程度上依賴於功率大小。
【能源瓶頸的突顯與基礎設施的挑戰】
數據中心的擴張暴露了電力供應體系的脆弱性。Elon Musk 曾經指出，變壓器等關鍵電氣設備的生產能力難以滿足當下 AI 需求，而這種電力基礎設施的短缺還會進一步放大電網負載的擺幅效應（load fluctuation），尤其是在 AI 訓練峰值期，功率需求可能瞬時超過平均負載的數倍，高峰低谷的用電模式對能源系統的穩定性構成巨大威脅。這種瓶頸在 AI 發展的初期並不明顯，而隨著集群規模擴大、AI 應用放量將愈發明顯，Sora 的落地過程就能看出這樣的窘境。
【能源技術革新與算力生態協同】
在算力需求飛速增長的背景下，能源瓶頸正成為限制 AI 發展的核心障礙。核能，尤其是小型模塊化反應堆（SMR），逐步顯露頭角，成為適配 AIDC 的最佳方案之一。以 OKLO\Nuscale 為代表的新興核能企業正在開發微型反應堆技術，Google 和 Microsoft 等雲服務提供商已經啟動 SMR 項目佈局，目標是通過分佈式小型核電站為未來的數據中心供電，提供持續、穩定的算力支持。天然氣 + 燃料電池 / 清潔能源 / 儲能等方案也作為快速落地的選項之一，積極推進中，以 Bloom Energy 為代表的初創公司也藉助行業東風快速崛起。
從投資角度看，市場對算力的重要性已有認知，對應用的落地也翹首以盼，不斷尋找映射，而忽略了 AI 基礎設施的重要性，這不僅僅是液冷、機房的機會，更大的視角來看，下一階段的競爭，正在各個能源（天然氣、核電等）領域逐步蓄力。
1、「電老虎」AIDC 與薄弱電網
1.1 用電：AIDC 下一個短板
1.1.1 美國用電的供與需
需求側：數據中心已經是「燒電大戶」，用電量佔比達到全美 4%。2023 年美國數據中心合計功率約 19GW，按此估算全年耗電量約 166TWh（太瓦時），在全國用電量中佔比 4%。
數據中心燒電 166 TWh，超過紐約市全年耗電量，相當於 1538 萬家庭用戶全年耗電量。分地區來看，22 年紐約全年耗電量 143.2TWh，德州全年耗電量 475.4TWh，加州 251.9TWh，佛羅里達 248.8TWh，華盛頓 90.9TWh，美國數據中心全年耗電量超過紐約市全年耗電量。而 2022 年每位住宅用戶的年平均用電量為 10791kWh，照此估算，166TWh 相當於約 1538 萬家庭用戶一年的耗電量。
*1 TWh = 1000 GWh = 10^6 MWh = 10^9KWh
供給側：美國全年的發電量較為固定，目前仍以火電為主要來源，新能源發電增速較快，核能佔比進一步提高。美國全年的發電量大約在 4000-4300 太瓦時（TWh）之間，其中 2023 年火電（燃煤、天然氣、石油）佔比約 60%，是主要能源來源；新能源發電（風能、太陽能等）近年來快速增長佔比達到 21%；核能約佔 19%，佔比進一步提高。
電價：美國是全球電價最低的國家之一，且個別州因為能源優勢有更低的電價水平。美國電力消費結構主要劃分為 4 個領域：居民、商業、工業和運輸。2024 年 9 月居民用戶電價為 0.17 美元 / 千瓦時（約折 1.24 元 / 千瓦時，匯率截至 12 月 13 日），商業用戶電價為 0.135 美元 / 千瓦時（約折 0.98 元 / 千瓦時）；工業用電價為 0.09 美元 / 千瓦時，運輸用電價為 0.13 美元 / 千瓦時，2023 年批發電價為 0.036 美元 / 千瓦時。而一些州因為其能源優勢電價水平較低，截至 2024 年 4 月，德克薩斯州（天然氣和可再生能源豐富）的電價約為 0.147 美元 / 千瓦時、路易斯安那州（能源資源豐富）約為 0.115 美元 / 千萬時、田納西州（水電資源豐富）約為 0.125 美元 / 千瓦時。一些較為耗電的大型基建比如數據中心等，往往在低電價省份建設，上述州府也成為當今算力產業集中地。
數據中心全年用電成本測算：按照批發價 0.036 美元 / 千瓦時估算，美國數據中心（AI 尚未大規模應用情況下）一年耗電 166TWh，預估需要約 60 億美元。
1.1.2 邊際變化：AI 對電網的挑戰
【挑戰一：用電總量大幅提升】
與傳統的數據中心相比，AI 數據中心需要消耗大量電量。主要原因是數據量的大幅增長、複雜的算法以及 24/7 即時相應的需求。例如，一個 Google 傳統搜索的請求消耗約 0.3Wh，而一個 ChatGPT 請求需要消耗 2.9Wh，為前者的十倍；《焦耳》上發表的一篇論文稱，如果谷歌每一次搜索都使用 AIGC，其用電量將上升到每年 290 億 KWh，這將超過肯尼亞、克羅地亞等許多國家的總用電量；根據紐約客雜誌報道，ChatGPT 每天消耗超過 50 萬 KWh。
【挑戰二：用電擺伏加劇】
現象： AI 數據中心（無論是訓練還是推理）電流需求高度瞬變，會在幾秒內出現巨大的擺幅。隨著神經網絡模型任務負載的增加或減少，電流需求會有劇烈波動，每微秒變化甚至可達 2000A。
原理：1）高峰負載波動：AI 模型的訓練和推理對算力需求巨大，但並非持續運行，模型訓練啟動時會出現高峰負載，而低谷時則維持基礎運行，導致用電擺伏；2）資源動態調度：AI 任務具有周期性，例如大規模訓練需要集中資源，而推理階段相對分散，這使得功耗曲線更加不穩定；3）實時響應需求：生成式 AI 和大模型應用需要低延遲和高吞吐，驅動基礎設施實時擴展，進一步放大功耗波動性。
結果：影響電網穩定性。電網設計並不適應擺伏過大，電網基本針對用電負荷進行設計，希望看到一個比較平穩、有規律的緩慢變化的負載，例如，用電負荷 100GW 的用電設備接入電網後可能會有兩條 200GW 的傳輸線進行供電，兩條傳輸線有一條傳輸線正常就可以保證運行。而 AI 用電特徵會在幾秒內出現巨大擺幅，這種劇烈波動可能會影響電網的穩定性。
【挑戰三：後續用電需求更大】
AI 數據中心的推理由於用戶的大量請求，會比訓練更消耗能源。目前，谷歌已在今年上半年宣佈將加入新的 AI 功能完善搜索體驗，將推出基於 Gemini 的 AI Overviews，該功能已面向部分用戶開放試用；微軟推出名為 Microsoft Copilot 的個人 AI 助手，並已將 ChatGPT 集成到 Bing 中。而目前谷歌搜索引擎的訪問量已經達到每月 820 億次，Office 商業產品的付費用戶數量已超過 4 億，龐大的用戶基數意味著訓練好的大模型如果集成到公司產品中，用戶請求數將大量增長，AI 即時響應次數激增，導致模型推理耗能超過訓練耗能。根據麥肯錫估計，直到 2030 年美國數據中心電力負載可能佔所有新增需求的 30% 至 40%。
結論：隨著 AI 的迅速發展，預計集成大語言模型的 AI 軟件將會迅速發展，訓練需求和推理需求共振，未來數據中心用電量將大幅提升，AIDC 會成為新一代「電老虎」，數據中心消耗電力的比重會進一步提升。
1.2 現實困境：電網難以支撐
經濟發展結構決定了北美電網基建較為薄弱。近 20 年來，美國電力需求與經濟增長脫鉤速度急劇加快。自 2010 年以來，美國經濟累計增長 24%，而電力需求卻幾乎保持不變，2023 年，美國電力消耗甚至比 2022 年下降了 2%。其本質是區別於國內經濟主要靠工業和服務業帶動，美國的經濟增長主要並不依靠用電或能源的消耗，而主要依賴於高科技產業，能源消耗較低。且效率的提高（主要是用熒光燈和 LED 取代白熾燈）已經抵消了人口和經濟增長帶來的電力需求，使得公用事業公司和監管機構沒有擴大電網或發電能力。
現狀：缺時間、缺人、缺基建、缺經驗、阻力多。
缺時間：建設一個數據中心大概要兩年時間，但是電網的建設要慢得多，建設一個發電站可能需要三五年的時間，而建設一條長距離的高容量的傳輸線，則需要 8 年甚至 10 年的時間。根據美國區域輸電組織 MISO 的說法，其正在規劃的 18 個新輸電項目可能需要 7 到 9 年的時間，而歷史上類似的項目需要 10 到 12 年。據此推斷，電網的建設速度很可能無法追趕 AI 的增長速度。
缺基建：根據美國的電力投資趨勢，從 2016 年到 2023 年，美國公用事業的資本開支顯著增加，尤其是發電、配電和輸電領域，電網投資從 2018 年開始提速，主要由於製造業回流對電力需求的推動，在這種背景下，美國依舊沒有大規模擴建電網，根據 Grid Strategy 出具的調查報告，2010-2014 年美國平均每年安裝 1700 英里的新高壓輸電里程，但在 2015-2019 年下降到每年僅 645 英里。
缺人：勞動力緊張也是一個制約因素，尤其是實施新電網項目所必需的電氣專業工人的短缺問題。根據麥肯錫的估計，根據預計的數據中心建設和需要類似技能的類似資產，美國可能出現 40 萬名專業工人的短缺。
缺經驗：對於美國來說，整個電力行業的從業人員，在過去 20 年中沒有見過電力需求的大規模增長，而且這 20 年很可能意味著有整整一批工程師、工作人員都沒有大規模建設新電網的經驗。
阻力多：電網的建設需要電站、傳輸線等基礎設施，而這些可能需要無數利益相關者共同努力，就線路走向和承擔費用達成妥協。
結論：相比於數據中心的建設速度，目前美國電網建設速度相對緩慢，且發電容量有限，因此短期內美國將面臨 AI 發展下的電力需求困境。比如，北美公用事業公司 Dominion Energy 表示，可能無法滿足弗吉尼亞州的電力需求，導致全球增長最快的數據中心樞紐建設項目推遲多年。而根據 Wood Mackenzie 機構的說法，在電力行業，新的基礎設施規劃需要 5 到 10 年的時間。此外，大多數州公用事業委員會在經濟增長環境中監管經驗不足。由此推斷，未來幾年電力能源可能將成為 AI 發展的最大制約因素之一。雖然市場關注可控核聚變等創新方案，但遠水解不了近渴，形成短期、中期、長期的綜合解決方案是必然。
1.3 多角度測算：AIDC 究竟多耗電？
* 總電量（GWh）=總功率（GW）×時間（h）
* 總功率（GW）=IT 設備功率（GW）×PUE（能效比）
1.3.1 測算角度一（保守）：AI 芯片
測算邏輯：測算角度一是從芯片數量角度出發，推演到 2030 年，再用芯片數量 * 芯片功耗來預測用電總量，未考慮服務器整體功耗會大於單芯片 * 數量，未考慮將來芯片升級迭代後可能發生的單芯片功耗提升情況，因此我們認為測算角度一屬於「保守型」測算，測算數據是幾種方法中較小的，2030 年 AIDC 用電需求為 57GW。
在用 GPU、TPU 數量：根據 DCD 報道，2023 年英偉達、AMD 和英特爾三家企業數據中心 GPU 總出貨量預估為 385 萬個，2023 年為谷歌生產的 TPU 數量預計為 93 萬個。進一步追溯供應鏈，臺積電預測，2024 至 2029 年 AI 服務器製造的需求的同比增長率約為 50%。以此計算，2030 年 GPU 出貨量約為 6578 萬，TPU 出貨量約為 1589 萬。而根據英偉達官方說法，大部分 H100、A100 的使用壽命平均為 5 年，因此我們假設 2030 年在用芯片數量為 26-30 年芯片出貨量的總和，因此 2030 年在用 GPU、TPU 數量約為 17136 萬和 4139 萬。
GPU、TPU 功耗： H100 NVL 的最大功率可達到 800W。則 2030 年預計將有 17136 萬個 GPU，假設 GPU、TPU 能耗佔 IT 設備總能耗的 90%，假設美國佔比 34%，利用率為 80%，PUE 為 1.3 計算，2030 年美國 AIDC 中 GPU 電力需求約為 54GW（GPU 數量 *GPU 功耗 * 美國佔比 *PUE* 利用率÷芯片佔比=17136 萬個 *0.8kW*34%*1.3*80%÷90%=54GW）；
而根據谷歌官方說法，TPU v4 芯片平均功率為 200W，結合上述 2030 年在用 TPU 量約為 4139 萬的估計，我們預計 2030 年 TPU 總功耗約為 3.3GW（其他指標假設與 GPU 相同）。
角度一結論：2030 年美國 AIDC 用電總量為 57GW。23-26 年芯片存量僅考慮 23 年之後的芯片出貨量進行加總，其他計算方法與上述方法相同，27 年至 30 年與上述計算方法相同，最終加總 GPU 與 TPU 功耗得出美國 AIDC 所需電容量在 24-30 年將分別達到 3/6/10/17/25/38/57GW。
假設一：芯片增速為每年 50%（參考臺積電說法）。
假設二：假設芯片平均壽命為 5 年（參考英偉達給出的 GPU 壽命）。
假設三：IT 設備平均功率利用率為 90%（考慮 IT 設備中 NVSwitches、NVLink、NIC、重定時器、網絡收發器等功耗，假設 GPU、TPU 耗能佔比 90%，其他 IT 設備耗能佔比 10%）。
假設四：考慮 IT 不可能都滿負荷運行，且不可能永遠 24 小時運行，參考 Semi analysis，將可能利用率設置為 80%。
假設五：PUE 為 1.3（PUE 為數據中心總耗電量除以 IT 設備所用電量）。
假設六：美國算力需求佔比全球 34%（經中國信息通信研究院測算，美國在全球算力規模中的份額為 34%）。
1.3.2 測算角度二（樂觀）：數據中心
測算邏輯：測算角度二是從數據中心建設角度出發，參考第三方預測的全球數據中心建設進度（複合增速 25%），同時由於預測數據截至 2026 年，我們假設 2027 至 2030 年依舊維持 25% 的複合增速，對全球數據中心電力需求進行預測，並假設其中 AIDC 的用電量和佔比，因此我們認為，該預測角度得到的數據較為「樂觀」，最終預測到 2030 年美國 AIDC 用電需求最高為 91GW。
研究公司 SemiAnalysis 利用了 5000 多個數據中心的分析和建設預測，並將這些數據與全球數據以及衛星圖像分析相結合，預計未來幾年數據中心電力容量增長將加速至 25% 的複合年增長率，同時 AIDC 佔比將進一步提升，數據中心方面，根據預測數據，全球數據中心關鍵 IT 電力需求將從 23 年的 49GW 激增到 26 年的 96GW，我們假設 27-30 年繼續保持數據中心 25% 的複合增速（參考 2023 到 2026 年增速，為 25%），那麼到 29、30 年全球數據中心關鍵 IT 電力需求分別增長至 188、234GW；參考 Semi Analysis 數據，結合 AI 算力蓬勃發展、下游應用陸續爆發大背景，我們認為未來 AI 在數據中心中佔比有望持續加速提升，因此我們假設 23-30 年全球 AIDC 佔比分別達到 12%/16%/30%/44%/56%/68%/78%/88%，從而計算出 29、30 年全球的 AIDC IT 設備電力需求分別為 65GW、91GW。
角度二結論：以美國佔比為 34%，PUE 為 1.3 計算，到 2030 年美國 AIDC 電力需求將達到 91GW。
假設一：結合 AI 算力蓬勃發展、下游應用陸續爆發大背景，我們認為未來 AI 在數據中心中佔比有望持續加速提升，因此我們假設 23-30 年全球 AIDC 佔比分別達到 12%/16%/30%/44%/56%/68%/78%/88%。
假設二：PUE 為 1.3（PUE 為數據中心總耗電量除以 IT 設備所用電量）。
假設三：美國算力需求佔比全球 34%（經中國信息通信研究院測算，美國在全球算力規模中的份額為 34%）。
1.3.3 總結一：AIDC 佔比全美總耗電比例提升
（1）AI 耗電量佔全美耗電量比重提升，佔比有望超 1 成
根據 Statista 預測數據，2022 年，美國的電力使用量約為 4085 太瓦時，預計未來幾十年美國的電力使用量將繼續上升，到 2030 年達到 4315 太瓦時（對應 493GW），到 2050 年將達到 5178 太瓦時。根據我們前面的「測算角度一」，假如 2030 年 AIDC 總功耗最高為 57GW，那麼佔全美用電量的比重將提升至 12%（57GW/493GW），較 2023 年的 4% 大幅提升。
1.3.3 總結二：AIDC 耗電量有望比肩比特幣挖礦
在我們 2024 年 8 月 6 日發佈的報告《AI 東風已至，比特幣礦場開啟第二增長曲線》中，對比特幣礦場用電量進行過假設和預測，在該報告中，據我們預測 2024/2025/2026/2027/2028 年得州比特幣礦場負荷分別為 4.7/6.5/8.3/10.1/11.9GW（假設得州比特幣礦場年新增負荷為 1.8GW），關於得州比特幣礦場負荷在美國的份額，我們假設保持 28.5% 不變，因此據我們預測美國比特幣礦場年負荷分別為 17/23/29/36/42GW。
為了方便對比，我們將數據預測至 2030 年，假設：1）得州比特幣礦場年新增負荷為 1.8GW，2）假設 2029 年和 2030 年德州礦場份額保持 28.5% 不變。因此得出 2024/2025/2026/2027/2028/2029/2030 年，美國比特幣礦場每年耗電分別為 17GW/23GW/29GW/26GW/42GW/48GW/54GW。
結論：保守預測下，美國 AIDC 耗電量將在 2030 年趕超比特幣挖礦電力需求；樂觀預測下,美國 AIDC 電力需求將在 2029 年超過比特幣挖礦。
2、困境何解：短期「天然氣 +」是主流
2.1 短期內最快落地方案是天然氣
2.1.1 變電站成為傳統用電瓶頸
【數據中心供電的現狀】
購買電力與變電站：數據中心通常通過與電力公司簽訂合同來購買電力，這意味著數據中心的電力供應是從發電站生成的電流經過傳輸網絡輸送到數據中心。然而，電力經過長距離輸送後，電壓通常需要通過變電站進行調整，以確保電力符合數據中心的電壓需求。
變電站的必要性：變電站將高電壓的電力轉化為適合本地使用的低電壓。大多數電力系統都需要經過變電站進行電壓轉換和分配。若沒有本地變電站，電力就無法直接用於數據中心。
變電站的建設難度較大、週期較長、成本較高：變電站的建設通常需要大量資金投入，涉及到土地、基礎設施建設、設備採購和人力儲備等。此外，變電站建設的週期較長，且需要滿足嚴格的環境和安全標準。
結論：目前現有買電方式下，變電站成為制約 AIDC 用電的瓶頸。由於數據中心的電力需求不斷增長，新建變電站或擴容現有變電站需要較長的時間，而且需要大量的審批和建設時間，可能無法迅速跟上數據中心的需求。
【天然氣不需要變電站，是分佈式供電的優選】
天然氣發電不依賴變電站。天然氣發電是通過燃燒天然氣產生電力，天然氣發電站通常與數據中心通過專用管道連接，直接將天然氣輸送到發電設施進行燃燒發電，然後生成的電力通過當地的電網或專用線路供應給數據中心，通常可以在數據中心附近的發電設施中完成，與傳統電力傳輸方式不同，天然氣發電不需要經過高壓電力傳輸網，因此不依賴於遠程變電站和電力輸送設施。天然氣發電可以在數據中心附近建造小型的天然氣發電站（如分佈式發電系統），降低對外部電網的依賴，同時縮短電力供應的響應時間。
2.1.2 AI 快速發展與 SMR 核電落地存在時間差
雖然核電在諸多方面具備優勢，但北美算力市場當下最重要的需求是「快速實施」，迅速點亮 GPU 獲得算力，天然氣成為當下首選。
儘管 2023 年 2 月美國核管理委員會批准核電公司 Nuscale Power 設計首個 SMR（Small Modular Reactors 小型模塊化反應堆），且中俄等世界各國都在競相將 SMR 技術付諸實踐，但 SMR 的商業化仍需要一段時間，安全審批流程複雜且較為耗時。目前已經可以看到 SMR 已喚起全球對核能的興趣。在美國核裂變行業已獲得《通脹削減法案》提振，該法案包括多項稅收抵免和激勵措施，同時為核能辦公室提供 7 億美元資金，用於支持發展高純度低濃縮鈾（SMR 所需的燃料）的國內供應；全球有 70 多種商業 SMR 設計正在開發中，且目前已經有兩個 SMR 項目在中國和俄羅斯運營。但根據美國能源監管部門的說法，核反應堆是極其複雜的系統，必須符合嚴格的安全要求，並考慮到各種各樣的事故情景，且許可流程繁瑣且因國家而異。這意味著 SMR 需要一定的標準化才能進入商業市場，因此需要尋找其他方案解決短期的能源短缺問題。
2.2「天然氣 + 多能源」搭配更穩健
天然氣 + 其他多能源的搭配方案，是目前能適應 AI 電力需求的最快落地方案。相比 SMR 核電這種高能量密度但部署週期較長的獨立解決方案，天然氣發電因其高效性和靈活性，可作為基礎能源快速響應負載需求，同時與可再生能源、燃料電池、儲能系統協同使用，有效彌補間歇性和穩定性不足。這種多能源組合既能滿足 AI 數據中心對穩定供電的需求，又在碳排放和成本之間提供平衡，成為當前數據中心能源戰略的重要選擇。
協同不是必需，但對於需要綜合平衡穩定性、環保性和成本的大規模 AI 數據中心，協同使用多能源方案是更靈活且長遠的選擇，有明確目標（如低成本、超快速部署）的情況下，單一方案也可以滿足：
【僅用天然氣發電（單一方案）】
優點：天然氣發電本身可以作為獨立的供電方案，適合對電力需求穩定、快速部署要求高的場景，尤其是需要高可調度性的 AI 數據中心；
侷限：雖然部署速度快，但長期來看碳排放較高。
【多能源協同的必要性】
更穩定安全：AI 數據中心對電力連續性要求極高（不允許短時斷電），可以採用天然氣 + 儲能系統或燃料電池作為後備支持；
更環保：天然氣 + 風能、太陽能等低碳能源搭配。
2.3 天然氣方案：以 xAI 為例
天然氣發電技術路徑成熟、配套設備完善、且性價比較高，在短期內是能夠最快解決 AI 電力短缺問題的選擇，特斯拉 xAI 採用天然氣方案作為應急電力供應。天然氣發電機是一種使用天然氣而不是汽油或柴油的發電機。相比於柴油，天然氣購買成本較低且不存在「溼堆積」問題。因此從短期的能源解決方案來看，天然氣發電機相比於燃油等其他使用化石燃料的發電機相比具有成本效益、運行效率高、更環保等優勢。根據 DCD 報道，目前特斯拉 CEO 馬斯克已從 Voltagrid 採購了 14 臺移動天然氣發電機，每臺發電機可提供 2.5 MW 電力，用以緩解其初創公司 xAI 的數據中心電力短缺問題。
* 補充細節 1：馬斯克 xAI 主要採用英偉達 H 系服務器，集群散熱採用液冷方案。xAI 數據中心中的每個液冷機架包含 8 個英偉達 H100 GPU 服務器，總計 64 塊 GPU，密集佈局要求每個計算節點都能高效散熱，傳統風冷方式難以適應，因此 xAI 選擇了超微的液冷方案。
* 補充細節 2：xAI 數據中心同時採用了 Megapack 儲能系統。xAI 表示其團隊在建設計算集群時發現 AI 服務器並不會全天候以 100% 的功率運行，而是存在許多功耗的峰值和谷底，因此在中間添加特斯拉的電池存儲產品 Megapack 來緩衝波動，從而提高整體系統的可靠性，減少電力損耗。
2.4 燃料電池：以 Bloom Energy 為例
公司概況：Bloom Energy 專注於開發高效、低排放的能源技術，致力於通過創新的固體氧化物燃料電池（SOFC）和固體氧化物電解槽（SOEC）技術，推動全球能源轉型。作為一家領先的清潔能源公司，公司通過其先進的氫氣和燃料電池技術，致力於為工業、商業以及數據中心等高需求領域提供可持續、可靠的能源解決方案。公司成立於 2001 年，總部位於美國加利福尼亞州，並在全球範圍內拓展業務。
核心技術：公司核心技術包括固體氧化物燃料電池（SOFC）和固體氧化物電解槽（SOEC），SOFC 系統在使用 100% 氫氣時提供高效的電力輸出，電氣效率高達 65%，遠超傳統能源系統。Bloom Energy 的燃料電池系統還能夠集成熱電聯產（CHP）技術，使得總能效高達 90%，從而有效降低能源消耗和碳排放。此外，SOEC 技術可用於高效的氫氣生產，是清潔能源轉型中的關鍵技術之一。
產品應用：公司產品廣泛應用於多個領域，包括工業電力供應、商業能源管理和數據中心能源解決方案。特別是在數據中心領域，隨著對能源高效性和碳中和目標的需求不斷增加，Bloom Energy 的燃料電池技術的高效、低排放的特點更為突出，其氫氣解決方案不僅可以滿足大規模能源需求，還能為企業提供可靠的備用電源，確保運營的連續性和穩定性。目前 Bloom Energy 的市場已經覆蓋北美、亞洲和歐洲等多個地區，尤其是在韓國與 SK Ecoplant 的合作中，Bloom Energy 的氫氣燃料電池項目預計將在 2025 年上線。此外，公司已經宣佈與 AEP 達成千兆瓦燃料電池採購協議，為 AI 數據中心提供動力。
3、中期方案：SMR 核電脫穎而出
3.1 為什麼是核電：更適配 AI
3.1.1AIDC 的特徵：分佈式與高密度
AIDC 算力中心與傳統 IDC 數據中心相比較，有兩大最顯著的區別，也是 AIDC 的重要特徵。
【AIDC 特徵一：分佈式部署】
AI 的應用場景和任務要求等決定了 AIDC 需要採用分佈式部署方式。AIDC 與傳統的 IDC 在計算需求、應用場景、資源消耗等方面有顯著差異，AIDC 的任務通常是計算密集型的，尤其是 AI 領域的大規模深度學習、機器學習、數據分析等任務，單個計算節點無法承載所有的任務，因此，AIDC 需要將計算任務拆分成多個小任務，通過分佈式計算框架將任務分發到多個節點並行計算，這就需要多個地理位置的數據中心或計算節點協同工作。
【AIDC 特徵二：24 小時高密度計算】
AI 計算任務的持續性與高負載決定了 AIDC 必須 24 小時高負荷運轉，對電力資源和冷卻支持的要求更高。AI 模型訓練往往是一個長週期的過程，需要持續的計算力支持，因此 AIDC 通常會進行長時間持續的計算任務；傳統 IDC 的負載一般會根據業務需求有所波動，且很多應用不需要如此長期、不間斷的計算支持。因此 AIDC 的高功耗計算硬件需要全天候的強電力供應和冷卻支持。
AIDC 的分佈式部署 + 高密度計算特徵，決定了其他能源難以滿足適配，而小型核電 SMR 最符合供電需求。
推力——其他能源不適配 AI 需求，穩定性和地理區域選址均難以滿足 AIDC：
水電的季節性較為明顯，難以滿足穩定大量的供電需求，同時水資源豐富的地理位置是固定的，難以滿足 AIDC 的分佈式部署需求，同時水電需要配電網傳輸電力，整體成本較高，新建成本和時間更高；
火電的燃料成本較高，且碳排放限制嚴格，即便購買碳排放指標，也會使得火電的綜合成本更高，因此並不適用需要大量耗電的 AIDC，同時火電也面臨配電網導致成本較高的問題；
其他新能源（如太陽能、風能等）雖然清潔，但其發電能力受到天氣條件和地域限制的影響較大，間歇性和不穩定性使得它們無法在高負載的情況下確保 AIDC 全天候穩定運行，此外部分新能源比如光伏的轉化效率尚低，且後期運維成本較高，從性價比角度出發也不適用於 AIDC。
吸引力——SMR 核電比較優勢更強，模塊化設計適應分佈式部署，同時也適配碳排放減少的環保要求。SMR 技術的模塊化特點使其能夠在分佈式部署場景中靈活應用，可以根據不同區域的需求靈活增加或減少模塊，確保 AIDC 分佈式數據中心的電力供應不受地理位置、天氣、能源價格波動的影響，而且核電作為清潔能源，符合全球碳排放減少的趨勢，適合 AIDC 對綠色能源的需求，因此核電 SMR 適合作為 AIDC 的主電力供應來源。
3.1.2 核電 SMR 落地速度最快
SMR 是什麼——模塊化、更小、更便於部署的核反應堆。SMR（Small Modular Reactor，小型模塊化反應堆）是核能技術的一種新型發展，SMR 是核電站的一種類型，但與傳統的核電站有明顯的不同。SMR 是一種小型、模塊化的核反應堆，其設計目的是提供較小規模的電力輸出，並且在建造時採用模塊化組件，便於工廠化生產和運輸，通常 SMR 的輸出功率相比傳統的大型核反應堆更小。在 AIDC 出現之前 SMR 常應用於遠離電網的偏遠地區、小島嶼、軍事基地，或者作為工業用電的補充來源。
相較於傳統核電站，SMR 具備規模小、建設時間短、（建設和維護）成本更低、安全性更高、更清潔綠色、壽命更長等特點：
模塊輸出功率小：SMR 的輸出功率比傳統核電站小，通常在幾十到幾百兆瓦之間，而傳統核電站的規模通常為 1000 兆瓦以上，比如 NuScale 的 SMR 模塊單個能提供 77MW 的電力，最高拼裝 12 個模塊後能提供 924 MW 的電力；
建設時間較短：因為 SMR 採用模塊化設計，允許工廠化預製和快速組裝，比如 NuScale 的 SMR 核電站只需要 36 個月（3 年），而傳統核電站的建設週期通常較長，可能需要五到十年以上。
佔地面積小：傳統核電站佔地面積較大，通常大於 1 平方英里（約等於 2.6 平方公里），而模塊化的 SMR 佔地面積通常更小，NuScale 預測的 SMR 核電站佔地面積 0.06 平方英里，接近一個小型公園的面積。
成本更低：傳統核電站的建設成本通常較高，且受規模效應影響，但 SMR 的建設成本相對較低，部分原因是採用標準化、模塊化設計，使得各個模塊能夠批量生產，降低單個反應堆的建設和維護成本。
安全性更高：SMR 設計往往具備更高的被動安全特性和抗災能力，能夠在出現故障時自動停堆，不需要人為干預，而且 SMR 反應堆體積更小，因此具備更高的安全性和可靠性。
更清潔：SMR 採用先進的反應堆設計，可以更高效地使用燃料，並且減少核廢料的產生，更符合清潔能源的要求；
壽命更長：SMR 的設計使用壽命長達幾十年而無需換燃料，壽命遠超傳統發電模式，比如 Nuscale 的 SMR 設計壽命長達 60 年。
SMR 的原理——與大型核反應堆基本相同，還是通過核裂變反應產生熱能形成蒸汽，進而驅動發電機發電。（1）核裂變反應：與傳統核電站一樣，SMR 的核心是核反應堆，通過核裂變反應產生熱量，反應堆中的鈾 -235 等可裂變材料（如鈾或鈈）吸收中子後發生裂變，裂變過程會釋放出大量的熱能和中子；（2）熱交換和蒸汽產生：反應堆中的裂變反應產生的熱量可以用來加熱冷卻劑，冷卻劑在核反應堆內流動，將熱量帶走，並傳遞到蒸汽發生器或直接通過熱交換器將熱量傳遞給水，形成蒸汽；（3）蒸汽驅動發電機：產生的蒸汽被導入渦輪機，通過渦輪機的轉動來驅動發電機，發電機再將機械能轉換為電能，供給電網或用戶；（4）冷卻系統和安全機制：SMR 通常採用天然循環冷卻系統或被動安全系統，利用自然的物理過程（如熱對流）來保持反應堆冷卻，從而減少對外部電力和設備的依賴，這些系統可在出現故障時自動關閉反應堆並降溫。
SMR 的構成——通常包括多個模塊，採用標準化的組件，可以快速組裝和部署。（1）反應堆核心：包含核燃料、發生核裂變、產生大量熱能；（2）冷卻系統：通過循環冷卻劑將熱量從反應堆核心帶走，冷卻劑可以是液態金屬（如鈉）、氣體（如二氧化碳或氦氣）、或者水，一些 SMR 設計採用自然對流或被動安全系統，不依賴外部動力來保持冷卻，增強了系統的安全性；（3）蒸汽發生器：將熱交換後的冷卻劑傳遞給水，從而產生蒸汽，蒸汽導入渦輪機，驅動發電；（4）渦輪機和發電機：將機械能轉換為電能；（5）控制系統：SMR 採用數字化控制系統，部分還引入 AI 技術；（6）安全系統：採用被動安全系統，即在無外部電源或操作員干預的情況下，系統能夠自動冷卻反應堆，常見的設計包括自然對流冷卻、蓄熱裝置等，這些設計能在出現緊急情況時，通過物理原理（如熱對流或重力）維持反應堆的安全；（7）核廢料處理系統：存儲或處理核廢料和放射性物質。
目前小型模塊化反應堆 SMR 主要有幾種不同的技術路線，最主流的是輕水反應堆（LWR-SMR），因為技術基礎成熟，容易獲得監管批准。截至 2021 年，全球各國提出 70 多種不同的 SMR 核電方案，包括壓水堆方案、氦氣冷堆方案（HTGR）、高溫氣冷實踐堆方案、鈉冷快中子堆方案（SFR），這些方案中約有一半是輕水堆反應，是從第二代核電技術演變而來，技術承接性較高，能快速商業化。但是由於 2011 年福島核電站問題，關於核電的科技樹選擇變得更為複雜，對輕水堆的安全擔憂更加突出，更安全的非輕水堆方案受到青睞，高溫氣冷堆方案也逐步流行：
輕水反應堆（LWR-SMR）：基於成熟的輕水冷卻技術，如 NuScale 的設計，最主流且靠近商業化；
高溫氣冷反應堆（HTGR）：使用惰性氣體（如氦氣）冷卻，適用於高溫工藝熱需求，如國內的華能高溫氣冷堆；
液態金屬冷卻反應堆（如鈉冷堆）：如 TerraPower 開發的 Natrium 反應堆，具有高效散熱能力；
熔鹽反應堆（MSR）：使用高溫熔岩作為冷卻快中子反應堆（FNR）：利用快中子高效率裂變燃料，如俄羅斯 BREST 堆型。
3.3 SMR 核電現狀與產業鏈
3.3.1 雲巨頭大力部署核電
電力緊缺，各家雲巨頭紛紛佈局 SMR 核電，一方面是數據中心對電力需求巨大，SMR 提供長期穩定的清潔能源，可以減少對傳統電網的依賴，另一方面，長期來看 SMR 可以降低電價波動風險，並優化長期運營成本，並且幫助公司實現碳中和承諾：
亞馬遜：早在今年 3 月已開始尋找核電支持方案，以 6.5 億美元收購了位於賓夕法尼亞州 Susquehanna Steam Electric Station 核電站旁的 Talen Energy 數據中心園區；並於今年 10 月公佈了三項重大核電投資協議，分別與 Energy Northwest、Dominion Energy 合作在華盛頓、弗吉尼亞建設 960MW、300MW 的 SMR；領投了核能初創公司 X-energy 獲得的 500 億美元 C-1 輪融資；
微軟：對於核電的支持力度同樣不小，比爾蓋茨在今年 6 月表示將通過其創辦的初創公司 TerraPower LLC 繼續對美國懷俄明州「下一代」核電站投資數十億美元，預計首座商業反應堆將於 2030 年完工；在 9 月與星座能源達成策略協議，旨在重啟 Three Mile Island（三里島）核電站，約為微軟的數據中心提供 835 兆瓦的電力。
谷歌：10 月表示已同意購買一家名為 Kairos Power 的初創公司正在開發的小型模塊化反應堆的核能，開發超過 500MW 的電力，並預計第一座反應堆將於 2030 年投入運行；
甲骨文：創始人拉里·埃裡森 9 月稱甲骨文計劃建設一個由三個 SMR 支持的 1GW 數據中心園區；
Meta：正積極向核電開發商徵求提案，旨在通過增加核能發電能力來推動其人工智能技術的發展並實現環境目標，計劃在 2030 年代初增添 1 至 4 千兆瓦的美國核能發電能力。
AI 數據中心產生的龐大電力缺口以及 CSP 面臨的迫切電力要求使得 SMR 核電產業趨勢越發明顯，預計後續將會有更多 SMR 佈局公佈。
3.3.2 SMR 核電上下游
SMR 核電產業鏈涵蓋了從上游燃料鈾礦、中游研發建造、下游運營與廢料處理的各個環節。相對而言，上游設計與製造對專業性和技術壁壘有較高門檻，因此上游廠商議價權較高，下游運維環節由於運營週期長且穩定，能夠帶來長期的現金流，也是利潤較厚的環節，中游項目建設環節利潤空間受制於施工成本、項目週期和工程風險等因素，利潤率相對不如上游或下游穩定。
【上游：原材料與加工】
上游產業鏈主要涉及核能開發所需的基本原材料、關鍵設備和核燃料的供應，主要包含鈾礦開採與鈾濃縮。
（1）鈾礦開採和鈾加工
鈾礦開採：全球的鈾供應市場高度集中，美國的鈾礦主要依賴進口，全球鈾礦主要由哈薩克斯坦、加拿大和澳大利亞三國主導。
主要鈾礦開採國家及在當地進行開採的典型公司：哈薩克斯坦 Kazatomprom、加拿大 Cameco 和 Orano（前 Areva，法國公司但在全球開採鈾礦）和 Denison Mines、澳大利亞 BHP（必和必拓）和 Rio Tinto（力拓集團）、俄羅斯 Rosatom 等。此外，美國本土也有部分鈾礦公司，如 Energy Fuels（NYSE: UUUU）、Uranium Energy（NYSE: UEC）等。
鈾加工：鈾濃縮技術對安全性、成本和技術要求非常高，因此主要由幾家跨國公司主導。天然鈾主要由鈾 -235 和鈾 -238 組成，當中子與鈾 -235 碰撞時，會通過裂變反應釋放出巨大的能量，而鈾 -238 的裂變性比鈾 -235 小，天然鈾中僅含有約 0.7％的鈾 -235，因此需要同位素分離（鈾濃縮）將其含量提高到 3％至 5％，以用作輕水反應堆的燃料。濃縮方法包括氣體擴散法、激光濃縮法和離心法。
* 離心法原理：將氣態鈾化合物六氟化鈾送入離心機快速旋轉的轉子中，分離出 U-235 和 U-238，較重的同位素 U-238 被向外推，而較輕的同位素 U-235 則聚集在轉子中心。U-235 濃度較高的氣體被抽出並送入另一臺離心機，重複此過程數次可產生 U-235 含量更高的鈾。
主要鈾濃縮公司：Centrus Energy（NYSE: LEU，美國，主導全球市場）、Orano（法國，同時佈局開採與加工）、Rosatom（俄羅斯）、Urenco（歐洲）。
（2）核燃料組件製造
SMR 反應堆使用的燃料包括鈾燃料棒、燃料元件和控制棒等，組件必須符合特定的標準以確保反應堆的安全和高效運行。
參與者：如 Westinghouse、Orano 等，提供核燃料組件和技術支持。
（3）反應堆組件製造
反應堆組件是 SMR 的重要組成部分，包括反應堆壓力容器、冷卻系統、控制系統、堆芯和其他相關設施，這些組件需要高度的耐輻射性、抗高溫性能以及可靠性。由於 SMR 的模塊化設計，反應堆組件通常在工廠進行大規模製造，再運輸到現場進行快速組裝，減少了現場建設時間。
參與者：如 NuScale Power、Rolls-Royce 等。
【中游：設計、研發與建造】
（1）SMR 設計與研發
設計與研發：設計公司負責 SMR 反應堆的技術開發、設計標準化工作，SMR 的研發通常包括核反應堆的結構設計、冷卻系統設計、控制系統的集成等，設計研發公司與政府部門、監管機構緊密合作，確保設計符合核安全標準。
參與者：SMR 設計與研發公司如 NuScale Power、OKLO、TerraPower、Rolls-Royce 等；政府機構如美國能源部（DOE），提供資金支持並對 SMR 的設計進行監管與驗證。
（2）反應堆建造與安裝
SMR 的模塊化設計允許大部分組件在工廠預製，然後運輸到現場進行快速安裝。建造階段相較於傳統核電站更為簡便，因為 SMR 的規模較小、模塊化程度高，可以在不需要大規模建設的情況下投入運行，比如建造公司負責將 SMR 反應堆的各個模塊組裝成一個完整的核電站，完成現場安裝，工廠預製的組件將大大縮短現場建設週期。
參與者：建設公司如 Bechtel、Fluor 等，負責 SMR 電站的建設與組裝。
【下游：運營、銷售與廢料處理】
（1）SMR 核電站運營
運營商負責電站的長期管理、維護、監控反應堆運行，並確保反應堆處於安全狀態。SMR 核電站其運營管理的複雜度較傳統核電站更低，此外運營商還負責 SMR 系統的定期維護，包括燃料更換、設備檢查和技術升級等。
參與者：如美國電力公司（AEP）、英國電力公司（EDF）、Southern Company、Exelon Corporation、Duke Energy (NYSE: DUK) 、Entergy Corporation (NYSE: ETR) 、PSEG (Public Service Enterprise Group, NYSE: PEG)、Dominion Energy 等，部分運營商可能會購買 SMR 電站並進行運營；管理與監控公司會提供智能監控、數據分析與系統優化的服務。
（2）電力銷售與電網連接
SMR 電站生產的電力通過電力購買協議（PPA）出售給電網公司或工業用戶。SMR 適用於小型電網，尤其適合遠程地區、偏遠城市或工業項目等特定市場。
* 電力購買協議（PPA）：運營商與電力購買方（如電網公司、大型工業用戶、政府等）簽訂長期合同，確保穩定的現金流和盈利模式。
參與者：電力購買方如地方電網公司、大型工業企業、政府機構等。
（3）廢料及核電退役處理
SMR 反應堆在生命週期結束後需要廢料管理，核廢料的長期存儲和處理是核電行業的重要環節，廢料管理公司負責廢料的安全處理、運輸與存儲，確保符合核安全標準。
參與者：廢料處理公司如 Waste Control Specialists，專門從事核廢料的處置。
4、遠期展望：可控核聚變
核聚變是通過兩個輕原子核結合形成一個較重原子核，並釋放大量能量的過程。可控核聚變反應釋放的能量比燃燒煤炭、石油或天然氣高出約 400 萬倍，比核裂變多 4 倍，如果核聚變過程可以實現工業化複製，則能夠提供無限的清潔且價格低廉的能源。目前已有 50 多個國家正在開展核聚變研究，但由於核聚變發生條件嚴格，實現可控核聚變仍需要新材料和新技術上的突破。而實現可控核聚變具體需要多長時間將取決於行業的技術開發進度，同時需要開發必要的基礎設施並制定該項技術的管理要求和標準。根據 space 報道，英國 Tokamak Energy 公司首次在新型反應堆中將氫等離子體加熱到 2700 萬華氏度，溫度高於太陽核心。該公司表示利用核聚變生產商業電力可能於 2030 年實現。
5、能源之戰的商業模式與參與者
5.1 SMR 核電美股
5.1.1 SMR（NuScale，研發製造商）
公司概況：NuScale Power 是首家上市的 SMR 核電廠商。公司起源是愛達荷國家實驗室與俄勒岡州立大學於 2002 年合作開展的 SMR 研究項目，並得到美國能源部（DOE）的支持，於 2007 年成立 NuScale Power. LLC，2020 年成為首個獲得 NRC（美國核管理委員會）設計批准的 SMR，2022 年成為首個上市的 SMR 技術提供商。
核心產品：公司核心產品 SMR 電源模塊。NuScale 電源模塊是最小的輕水 SMR，高 76 英尺，直徑 15 英尺，單模塊可產生 77 MW 電力。模塊（包括密封裝置）完全在工廠製造，並通過卡車、鐵路或駁船運送到工廠現場，無需現場製造或施工，降低了與現場施工相關的進度和成本風險。
競爭優勢：公司擁有自己的核電工廠——VOYGR Plant Models。VOYGR Plant Models 是 NuScale 為其小型模塊化反應堆 SMR 設計的標準化核電廠，電力輸出靈活且運營效率更高，可以滿足不同規模的電力需求，是首個也是唯一一個獲得美國核管理委員會 (NRC) 設計批准的小型模塊化反應堆。
VOYGR Plant Models 不同參數模塊：
VOYGR-4：由 4 個 NuScale SMR 模塊組成，提供約 308 兆瓦電力輸出，適合為中小型社區和工業應用提供電力；
VOYGR-6：包含 6 個模塊，提供約 462 兆瓦電力，適合中型電力需求的應用，例如小城市或較大工業設施；
VOYGR-12：由 12 個模塊組成，總計約 924 兆瓦電力輸出，這是 NuScale 最大容量的 VOYGR 佈局，適合用於滿足大規模電力需求的城市和工業應用，甚至可以作為國家級電網的基荷電力，即使發生災難性損失，VOYGR-12 可以在不使用新燃料的情況下，以 154 MW 的功率供電 12 年。
業務佈局：公司為下游客戶提供從申請執照、建設調試到運營維護的全套服務支持。公司提供的服務可以分為商業化應用（COD）前和後兩類：
商業化應用前：啟動和測試、ITAAC 管理（檢查、測試、分析和驗收標準）、COLA 管理（VOYGR™ 發電廠的聯合許可申請）；
商業化應用後：設計工程管理、O&M 工程項目管理、資格重新認證培訓和模擬器支持、採購和備件管理、核燃料和燃料中斷、系統驗證和確認。
項目進展：已經與全球多個國家的客戶合作 SMR 核電項目。目前為止，公司已經與 RoPower Nuclear S.A.（羅馬尼亞）、KGHM Polska Miedź S.A.（波蘭）、Kozloduy 發電廠（保加利亞）、Standard Power（俄亥俄州和賓州）、Prodigy Marine 發電站（加拿大）、Indonesia Power（印度尼西亞）、GS Energy（韓國）有項目合作。
「軟實力」：注重科研、培養人才，在全球多個大學開設 E2 核能探索中心實驗室。此外，公司還設置了 E2 中心（能源探索中心），通過模擬的真實核電站運行場景，為用戶提供應用核科學和工程原理的實踐機會，E2 在全球多個大學和多個區域設有中心點，如得克薩斯州大學城、布加勒斯特理工大學（羅馬尼亞）、韓國首爾國立大學、俄勒岡州立大學等。
財務分析：公司財務情況目前處於波動階段，現金流充盈且無債務，降本增效成果優異。公司最新發布的三季報顯示， 2024 三季度：
營收：公司營業收入為 50 萬美元，去年同期公司營收 700 萬美元，營收減少主要是與 CFPP 合約終止導致（2023 年 11 月 8 日，UAMPS 和 NuScale 宣佈雙方同意終止無碳電力項目 CFPP）；
淨利潤：公司淨虧損 4550 萬美元（其中 720 萬美元是已發行認股權證公允價值相關的非現金費用），去年同期公司淨虧損 5830 萬美元，淨虧損進一步縮窄；
費用：運營費用為 4120 萬美元，而去年同期為 9390 萬美元，運營費用同比減少 5270 萬美元，公司進一步提高降本增效能力；
現金：截至 24 年三季報，現金、現金等價物和短期投資為 1.6 億美元（其中 510 萬美元受限制），並且沒有債務。
資方背景：
Fluor Corporation：全球知名工程和建設公司，是主要股東，擁有大量股份，對 NuScale 的投資始於 2011 年，幫助公司在技術研發和商業化方面獲得支持；
美國能源部 (DOE)：美國政府通過能源部對 NuScale 的研發提供了大量的資金支持（超過 3 億美金），支持 SMR 技術的研發和部署；
日本商社 JGC 集團；
公共和私募股權：2021 年 NuScale 宣佈將通過與 Spring Valley Acquisition Corp.合併的方式進行上市，通過這次與 SPAC（特殊目的收購公司）的合併，NuScale 進入了公開資本市場，為 NuScale 帶來了約 2.35 億美元的資金；
韓國公司 Doosan Heavy Industries：全球領先的重工業公司，不僅參與投資，還計劃為 NuScale 的反應堆提供部分零部件和製造支持；
5.1.2 OKLO（研發製造商）
公司概況：公司由 Jacob DeWitte 和 Caroline Cochran （創始人均具有核能工程背景）於 2013 年正式成立，專注於開發小型模塊化反應堆 (SMR)，總部設在加利福尼亞州，2014 年 OKLO 進入知名初創企業加速器 Y Combinator 並拿到啟動資金，24 年 9 月 OKLO 獲得愛達荷州迷你反應堆的場地授權並計劃於 2027 年部署。公司的 Aurora 微型反應堆採用金屬燃料（區別於其他使用鈾燃料的核反應堆），目前公司主要為數據中心、工廠、工業場所、社區和國防設施提供 24/7 全天候清潔能源。
核心產品：公司核心產品「Aurora 微型反應堆」，單模塊功率 1.5 MW，Aurora 模塊每十年加註一次燃料（因此主要的預期停機時間是電力轉換系統的維護），Aurora 發電廠提供從 15 MW 到 50 MW 不等的電力，電廠佔地面積僅幾英畝，運營和維護成本低，且工廠可以選址在客戶需要電力的地方，避免貴且長的電力線傳輸。
競爭優勢（燃料與其他不同）：
微反應堆更適合分佈式需求：OKLO 的 Aurora 微型反應堆屬於中等規模的 SMR，發電廠通常功率在 50MW 左右，在滿足中型的分佈式、偏遠和獨立電力需求上具有競爭優勢，相比之下 NuScale 電力更大、更適配電網級別的能源解決方案；
燃料和冷卻技術更清潔環保、成本更低：Oklo 的 Aurora 反應堆採用金屬燃料，而非傳統的輕水反應堆燃料，其冷卻系統也不同於常見的水冷，使用液態鈉作為冷卻劑。這樣的燃料和冷卻設計一方面可以提升反應堆的熱傳導性和效率，另一方面減少了核廢料的產出，進而降低了核廢料處理的成本和環境影響。相比之下，像 NuScale 使用傳統輕水作為冷卻介質，並使用鈾作為燃料，更適合現有核電站技術和供應鏈。
財務分析：公司持續擴大投入為初步商業化做準備，目前公司現金流較為充盈，公司最新發布三季報顯示，2024 三季度：
費用：運營費用為 1228 萬美元，而去年同期為 466 萬美元，公司持續擴大投入；
淨利潤：公司淨虧損 996 萬美元，去年同期為 867 萬美元，淨利潤虧損擴大主要由持續投入導致；
現金充足：截至 24 年三季報：現金和有價證券總額為 2.9 億美元，其中包括 9180 萬美元的現金和現金等價物，以及 1.97 億美元的有價證券。
資方背景：
Sam Altman（Open AI 創始人）：Oklo 的主要資助者之一，2014 年，奧特曼將 Oklo 納入了 Y Combinator 孵化器。在 2024 年，Altman 進一步幫助 Oklo 通過與他的特殊目的收購公司（SPAC）AltC Acquisition Corp.合併，使 Oklo 成功在紐約證券交易所上市，籌集了約 3.06 億美元的資金，用於支持其核能項目的商業化和未來發展；
Y Combinator：OKLO 是 Y Combinator 孵化的初創公司，早期融資主要來自 YC 的孵化項目，獲得了啟動資金支持，Oklo 與 AltC Acquisition Corp 合併後，Oklo 以約 8.5 億美元的投資前估值上市，早期支持者 Y Combinator 可能會保留對 Oklo 的間接持股，但尚未宣佈針對 IPO 後階段的額外投資；
DCVC (Data Collective)：一家知名風險投資公司，專注於科技和深科技領域的投資，為 OKLO 提供了資金支持，幫助其技術開發和市場拓展；
美國能源部 (DOE)：DOE 對 OKLO 的研發提供了資助，用於先進燃料循環和製造技術商業化，DOE 的資助項目在推動 OKLO 技術成熟和驗證方面發揮了關鍵作用。
5.1.3 NNE（NANO，研發製造 + 燃料加工）
公司概況：Nano Nuclear Energy 主業涵蓋 4 塊 SMR 相關內容，囊括製造、燃料、運輸等多環節，旨在打造多元化垂直整合產業鏈。NNE 是一家美國的初創企業，創始人兼董事長 Jay Jiang Yu 曾是德意志銀行投行部分析師，CEO 兼研發總核物理學家 James Walker 曾擔任新羅爾斯 - 羅伊斯核化工廠的項目負責人，公司專注於開發小型模塊化反應堆，致力於成為一家以商業為重點、多元化和垂直整合的公司，涵蓋四個業務線：
微型核反應堆技術開發：NANO Nuclear 的主要產品包括固體核心電池反應堆「ZEUS」和低壓冷卻劑反應堆「ODIN
