中国人工智能初创公司DeepSeek发布R1模型，震惊业界。尽管该公司声称仅使用相对少量GPU训练，但模型表现已接近Google和OpenAI的领先模型。
DeepSeek展现出的高效率，令专家与投资者质疑AI是否真需此前预测的巨额硬件投入，这可能重塑数据中心需求及其能源供应格局。
据称，DeepSeek仅用2,048块Nvidia H800 GPU运行两个月便完成旧版模型训练，算力消耗远低于传闻中OpenAI的水平。
英伟达（Nvidia）受此消息影响股价下跌16%，风险敞口显著。相比之下，押注新建核能与天然气产能的初创企业及电力生产商处境或更为脆弱。
核电虽因燃料与反应堆设计进步而处于复兴边缘，有望提升安全性并降低成本，但此前缺乏加速推进的动力。相比风能、太阳能及天然气，核电成本依然高昂，且下一代技术尚未在商业规模上得到验证。
AI引发的电力需求激增改变了这一局面。预计数据中心将消耗美国高达12%的电力（是2023年的三倍以上），且2027年可能出现供电缺口。科技巨头正斥资数十亿美元抢占新电源：Google承诺向Kairos购买500兆瓦核电容量；Amazon牵头向X-Energy投资5亿美元；Microsoft则联合Constellation Energy斥资16亿美元翻新Three Mile Island反应堆。
然而，若电力需求被高估了呢？
提升AI性能并非只有增加算力一条路径。该策略曾长期有效，但近期边际效益递减。研究人员一直在寻求突破，DeepSeek R1模型或许提供了一种新思路。
当然，市场对此仍存疑虑。
花旗集团分析师Atif Malik指出：“尽管DeepSeek的成就可能具有突破性，但我们对其在未使用先进GPU情况下达成如此 feats 的说法持怀疑态度。”
即便如此，历史经验表明，即便DeepSeek有所保留，行业终将找到更廉价、高效的AI实现方式。毕竟，研发优化模型比建造发电厂更容易，甚至更快。
新一代反应堆预计2030年才能投运，新天然气电厂最快也要本世纪末才能启用。在此背景下，科技公司的电力投资更像是一种对冲策略，以防软件路线不及预期。
若软件押注成功，科技公司大概率会缩减电力领域的雄心。当面临实体资产与软件之间的巨额投资选择时，科技企业几乎总是倾向于后者。
这将使核能初创公司和能源公司陷入何种境地？答案取决于具体情况。部分企业若能以足够低的成本发电，即便AI电力需求回落也无碍大局。全球电气化趋势未改，早在AI泡沫膨胀前，电力需求增长便已被普遍预期。
但若失去AI需求的支撑，成本压力或将加剧。风能、太阳能及电池不仅成本低廉且持续下降，还具备模块化与大规模生产特性。开发商可分阶段建设可再生能源电站，在项目完工前即实现供电与创收，从而在面对不确定需求时掌握主动权。这是反应堆或燃气轮机无法比拟的优势。科技公司深谙此道，因此一直低调布局可再生能源以为数据中心供能。
鲜有人精准预测到本轮AI热潮，未来五年走向同样难以预料。因此，能源领域更稳妥的投资应流向经市场验证、能快速部署扩展的技术。目前来看，可再生能源最符合这一标准。