文 | 产业观察室，作者 | 方建华, 国科新能创投创始合伙❤️人 文 | 产业观察室，作者 | 方建华, 国科新能创😂投创始合伙人 AI作为新一轮科技革命的核心驱动力，凭借🙌“数据+算法+算力”的组合，为突破传统增长模式瓶颈提供了新路❤️径，在开启生产要素重构革命、成为中国高质量发展“新动能方程式😅”的同时，更已上升为一场关乎国运的战略博弈。 然而，A😉I的核心在算力，而算力之根脉，终归于能源。当前，AI大模型正🤔从技术探索冲刺应用爆发期，厂商扎堆卡位、用户规模几何级暴涨的🤗“产业狂欢”之下，能源危机早已悄然蛰伏。 有关数据显示😁，全球数据中心的耗电量，已从十年前的100亿瓦增加到如今的1⭐000亿瓦水平。ChatGPT聊天机器人每天耗电超过50万度🙌，用于处理约2亿个用户请求，相当于美国家庭每天用电量的1.7🥳万多倍。 而国际能源署（IEA）预测的数据更是戳破幻象😊，2030年全球数据中心电力需求将近千亿兆瓦时，美国数据中心🔥电力增量中，AI相关消耗占比将近半，能耗规模或将超过钢铁、化❤️工等传统高耗能产业。 可见，稳定、廉价、大规模的能源供😁给，是掌握算力竞赛的关键。显然，AI数据中心已成“电老虎”。🤗 这场AI算力革命与能源供给间的矛盾，正在催生一场重要😎的技术颠覆。而固体氧化物燃料电池（SOFC）或将成为“破局救😜场”的关键所在。SOFC的复兴，不是简单的技术迭代，而是对数⭐据中心能源体系的“范式重构”。 传统供电体系存重大短板🤗，AI算力遇能源瓶颈。 国内一些一线城市电力负荷在趋近❤️饱和的现实下，新建数据中心获取电力指标需排队2-3年，柴油发😊电机成了"应急救星"，单台机组日均油耗超2吨的背后，是电网扩😍容严重滞后的无奈。 可关键是，传统UPS+柴发方案35🎉%-45%的综合能效，在AI训练集群1.5以上的PUE面前不😴堪一击，电力成本占运营支出60%的沉重负担，正让数据中心从"🥳数字金矿"沦为"能耗机器"。 2025年全国数据中心碳💯排放强度需下降30%的硬约束，已在广东、上海等地化作能耗双控🌟的利剑，传统供电方案随时面临限电风险。而2024年国内天然气😂价格40%的波动幅度，让依赖单一燃料的供电系统如同风中残烛。😁 当电力需求、效率瓶颈、碳排放压力、燃料波动“四大死穴🙌”交织，传统供电体系的短板正愈发凸显，AI算力的持续增长亟需😂全新的能源解决方案。 SOFC何以成为破解AI能源困局😍的"六边形战士"？ 实际上，SOFC技术早在1899年😆就诞生了，而在AI时代迎来了技术重生。其核心在于固态陶瓷电解🎉质构建的电化学反应体系，无需燃烧即可将天然气、氢气等燃料的化🎉学能转化为电能，55%-65%的电效率、超90%的热电联产综👏合效率，直接将燃气轮机甩于身后。 展开全文 以天🚀然气3.05美元/MMBtu计算，SOFC0.09美元/kW💯h的发电成本，仅为柴油机组的三分之一，这种效率碾压式的优势，🔥使其在能源成本高企的当下成了“及时雨”一样的存在。 模🥳块化设计赋予SOFC"闪电部署"的能力，90天完成MW级系统🌟安装的速度，对比燃气轮机1-2年的建设周期，重写了数据中心能😢源设施的建设逻辑。Bloom Energy为Oracle数据😜中心许下"90天供电"的承诺，正是对传统基建模式的降维打击。😜 更关键的是，SOFC兼容天然气、氢气、生物气、氨气的😡燃料灵活性，使其既能衔接现有能源网络，又能无缝对接氢能未来，👏这种"过渡与终极"兼备的特性，在能源转型中堪称独一档。 🙌 而近乎零排放的环保属性，让SOFC高度契合科技巨头的ESG😊诉求；直流输出无需交直流转换的特性，使其电压波动远低于传统方⭐案，恰好匹配服务器芯片对电能质量的严苛要求。 从效率、😘部署、燃料、环保到供电质量，SOFC的全面优势，使其成为破解😂数据中心能源困局的“六边形战士”。 SOFC迎来黄金十🤩年，能否重构能源格局“隐形冠军”？ 行业预测显示，20😜27年全球SOFC市场规模将达700亿元，未来三五年内有望突🤯破2300亿元，数据中心应用占比将从当前1.1%快速跃升，每🤔1GW部署对应100-200亿元市场空间。 这场爆发式🤔增长的背后，是AI算力需求与碳中和目标的双重驱动，SOFC不🚀再是边缘的备选方案，而是成为能源转型的核心力量。 在“💯碳金融”领域，SOFC的价值更显独特。每发1MWh绿电可产生🤯0.7-0.9吨CCER，按当前60元/吨计价，10MW电站😘年碳收益超300万元；在欧盟CBAM体系下，采用SOFC的钢😊铁企业较传统工艺可节省23%碳关税。 这种“发电+碳资😡产”的双重收益模式，让SOFC成为企业对抗碳成本的利器，更使🌟其在能源转型中化身“隐形冠军”。 从数据中心到分布式发🙄电，从工业供能到家庭热电联供，SOFC的应用场景正不断拓宽。🔥随着技术迭代与成本下降，SOFC不仅将重塑数据中心能源格局，🚀更将在工业减排、交通转型等领域发挥关键作用。 如今，A🥳I算力需求的爆发式增长与全球碳中和目标的推进形成历史性交汇，🥳能源供给的“高效化”与“低碳化”已成为不可逆转的趋势，SOF😊C的“黄金十年”也由此正式开启。 而以壹石通为代表的中😅国企业，正凭借从核心部件到系统集成的全栈技术实力，在这场重塑❤️全球能源秩序的革命中，加速抢占技术高地、争夺行业话语权，为中👍国乃至世界的能源转型注入更多确定性力量。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新🙄一期的国际权威期刊Nature（自然）中，DeepSeek-🔥R1推理模型研究论文登上了封面。该论文由DeepSeek团队🤩共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发🎉大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na😅ture封面，也是全球首个经过完整同行评审并发表于权威期刊的😀主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🤯可。 Nature在其社论中评价道：“几乎所有主流的大😊模型都还没有经过独立同行评审，这一空白终于被DeepSeek❤️打破。” 中国AI大模型的“Nature时刻” 😘自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终👍缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡🙄有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🎉 DeepSeek以其公开性和透明性打破了这一局面。D😆eepSeek-R1模型的研究论文最早于今年年初发布在预印本🙄平台arXiv上。自今年2月14日向Nature投递论文至今🙄，历经半年，8位外部专家参与了同行评审，DeepSeek-R👍1推理模型研究论文终获发表，完成了从预印本到Nature封面🤗的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方🤔法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😅和可重复性的可喜一步。 因此，Nature也对Deep🤩Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😜主流的大模型都还没有经过独立同行评审，这一空白终于被Deep🌟Seek打破。”全球知名开源社区Hugging Face机器🙌学习工程师Lewis Tunstall也是DeepSeek论😢文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这😡种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的😅潜在风险。” 据了解，DeepSeek本次在Natur🤔e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🤯不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细😂节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😴提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行😂了全面评估。 其中，在训练成本方面，R1-Zero和R⭐1都使用了512张H800GPU，分别训练了198个小时和8😀0个小时，以H800每GPU小时2美元的租赁价格换算，R1的👏总训练成本为29.4万美元（约合人民币209万元）。不到30🤯万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可👍谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏🚀”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😀然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😜的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型😘输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O😀penAI称它发现DeepSeek使用了OpenAI专有模型😁来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 😍 R2何时问世引发关注 自今年年初发布R1以来，D🙄eepSeek在全球树立了开源模型的典范，但过去数月，外界对😎于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2💯的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有👍关。 展开全文 值得注意的是，今年8月21日，D🤩eepSeek正式发布DeepSeek-V3.1，称其为“迈🚀向Agent（智能体）时代的第一步”。据DeepSeek介绍🚀，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同🤗时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🙄时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新😜模型在工具使用与智能体任务中的表现有较大提升。 由于R🥳1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路🎉上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🤯强调DeepSeek-V3.1使用了UE8M0 FP8 Sc🚀ale的参数精度，而UE8M0 FP8是针对即将发布的下一代🙄国产芯片设计。这也表明未来基于DeepSeek模型的训练与推🌟理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🎉态一度带动国产芯片算力股股价飙升。 中国银河证券研报指😘出，DeepSeek从V3版本就开始采用FP8参数精度验证了😎其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟😅制程（12-28nm）上接近先进制程英伟达GPU的算力精度，😁DeepSeek-V3.1使用UE8M0 FP8 Scale😅参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😉的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😜拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😍换取数量级性能的提升，国产算力芯片将迎来变革。 责编：👏万健祎 校对：王朝全 版权声明 " Typ😡e="normal"@@--> 证券时报各平台所有原创⭐内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关🙌行为主体法律责任的权利。 转载与合作可联系证券时报小助👍理，微信ID：SecuritiesTimes " Ty👏pe="normal"@@-->返回搜狐，查看更多