训练一次GPT-4级别的大模型，耗电约1000万度——这相当于1万户中国家庭一年的用电量。

这个数字，是理解AI巨头为何集体“押注”核聚变的第一把钥匙。它引出的，是一连串更为惊人的数字传导链。

电力需求，五年内要增长100个“三峡”

AI智算机柜的功率是传统机柜的10倍以上，这直接导致数据中心用电量激增。根据高盛研报，未来五年，仅美国AI相关的电力需求就将增长100GW。这是什么概念？

中国三峡电站的总装机容量约为22.5GW，这意味着，未来五年美国需要新增近5个三峡电站的发电能力，才能喂饱AI的胃口。

更紧迫的是时间。在美国，一个新AI数据中心想要通电，电网接入的排队周期长达4到7年。电网扩容的速度，远远追不上算力需求的指数级爆发。微软、OpenAI等巨头已经因为缺电，被迫闲置了部分昂贵的GPU。

现有能源，为何都“喂不饱”AI？

AI数据中心需要的是7×24小时不间断的稳定电力。但现有的主力能源方案，在数据面前都暴露了短板：

风电/光伏：清洁但间歇性强，无法直接满足稳定需求。要配套使用，预计到2030年，全球算力中心需要配套200GW的储能来“削峰填谷”。火电：稳定但碳排放高，与全球科技公司的ESG（环境、社会和治理）目标严重冲突。传统核电：建设周期动辄10年以上，且选址苛刻，无法匹配AI算力快速、灵活的部署节奏。

这些局限，将科技巨头的目光逼向了一个终极答案。

核聚变的数字优势：一杯海水等于300升汽油

核聚变的吸引力，同样可以用一组颠覆认知的数字来量化：

燃料无限：每升海水中提取的氘，聚变释放的能量相当于300升汽油。能量密度极高：1克氘氚混合物聚变释放的能量，相当于燃烧10吨标准煤。更直观的换算：100克核聚变燃料，理论上可以让一辆家用车行驶14万公里，相当于绕地球赤道3.5圈。零碳排放：运行过程不产生二氧化碳，只产生惰性的氦气。

这些特性，完美击中了AI的痛点：在极小的空间内（高能量密度），提供无限、稳定（燃料无限）、且完全清洁（零碳）的电力。它被称作“AI的终极能源方案”，逻辑正在于此。

巨头已下注：从50MW到50000MW的购电单

面对如此确定的未来需求，科技公司不再等待。他们用真金白银的合同和投资，将赌注压在了核聚变商业化的时间表上。

微软：2023年与Helion Energy签订协议，锁定从2028年起供应50MW聚变电力，这是全球首份商业聚变购电协议。OpenAI：计划采购50吉瓦（即50000MW） 聚变电力，这是目前已知规模最大的未来采购计划。阿里与美团：通过投资国内企业诺瓦聚变，累计投入12亿元，卡位小型模块化聚变堆（FRC-SMR）路线，瞄准的是未来在数据中心旁直接部署的场景。

这些行动的本质是“能源期货”交易。科技巨头们以今天的投资，锁定二三十年后的廉价、清洁电力供应，以解决AI发展的最大瓶颈。

时间表竞赛：从“永远还有30年”到“2028年供电”

核聚变领域那句著名的调侃——“永远还有30年”，正在被改写。企业的激进布局，正倒逼技术时间表不断提前。

目前，一条相对清晰的时间线正在浮现：

2028年：微软的供应商Helion Energy计划实现首个聚变电厂投产供电。2030年：中国科学界目标实现“第一度聚变电”。美国CFS公司计划在此时段将首座商业聚变电站接入电网。2035年：中国计划建成首个工程实验堆；全球范围内，多个示范堆项目瞄准此时间点。2045年：中国目标建成首个商用示范堆，核聚变有望开始成为可规模应用的能源选项。

虽然挑战依然巨大，但从实验室“点火”到企业签订“购电协议”，意味着核聚变已从一个遥远的科学梦想，变成了有明确时间表和客户需求的工程学问题。

所以，AI企业争相布局核聚变，并非追逐科幻概念，而是在进行一场基于冷酷数字计算的战略卡位。当AI的耗电量以“1次训练=1万户家庭一年用电”为单位飙升时，寻找一种能量密度是汽油14000倍、燃料取自海水、且零碳排放的终极能源，就从一个选择题，变成了生存的必答题。

这场布局，赌的是AI的未来，更是企业自身在能源时代的“电力生命线”。