AI最尴尬的短板，中国科学院出手了

美国AI的“电力焦虑”：数据中心成吞电巨兽

随着大模型训练和推理需求爆发，美国数据中心电力消耗激增，甚至导致局部电网过载。王坚院士直言，美国AI发展的瓶颈并非算法或算力，而是电力供应。例如，GPT-4单次训练耗电约2.4万千瓦时，相当于一个美国家庭5年的用电量。而全美数据中心年用电量已超过3000亿千瓦时，逼近部分国家总用电量。这种“电力焦虑”迫使科技巨头不得不提前竞购核电站或可再生能源，但新建输电线路审批周期长达数年。

中国科学院亮出“王牌”：可控核聚变与超导输电

针对AI的电力短板，中国科学院旗下多个研究所已展开系统性攻关。中科院等离子体物理研究所的“东方超环”（EAST）装置，在2023年实现了403秒的稳态高约束等离子体运行，刷新世界纪录，为未来商用聚变堆奠定基础。同时，中科院电工研究所研发的超导直流输电技术，传输损耗比传统电缆降低80%，已应用于张家口可再生能源示范区，可高效输送风、光电力至数据中心。这些技术将从根本上解决AI对清洁、稳定电力的巨大需求。

王坚的“中国答案”：超大规模电网与绿电协同

王坚院士强调，中国拥有全球最强大的特高压输电网络，能将西部绿电高效输送到东部算力枢纽。此外，中科院联合国家电网推动“算力+电力”协同调度系统，通过AI预测数据中心负荷，动态调整发电与储能，使绿电利用率提升至95%以上。例如，在内蒙古乌兰察布，中科院技术支持的“东数西算”项目，直接利用当地风电、光伏为阿里云数据中心供电，年减排二氧化碳120万吨，彻底打破“算力增长必依赖化石能源”的魔咒。

不只是“够用”：中国正用AI反哺电力系统

中科院还利用自身AI研究优势，打造“智能电网超脑”。该平台通过深度学习预测风电、光伏出力波动，并将空中云层运动、风速变化纳入模型，将新能源并网功率预测误差从15%降低至3%以内。同时，中科院自动化所开发的“虚拟电厂”控制系统，已聚合数百万个分布式储能、充电桩及家用电池，在AI调节下形成等效于大型火电厂的调峰能力，让电力系统彻底摆脱对化石燃料的依赖——这恰恰是AI最尴尬短板的中国解法。