人工智能基础设施的核心问题：搁浅资产风险——那些今天依赖过时架构的人，明天将付出代价。

Xpert 预发布版

在线联系方式（Konrad Wolfenstein）

语言选择 📢

发布日期：2026年4月11日 / 更新日期：2026年4月11日 – 作者：Konrad Wolfenstein

人工智能基础设施的核心问题：搁浅资产风险——那些今天依赖过时架构的人，明天将付出代价。

人工智能基础设施的关键问题：搁浅资产风险——那些今天依赖过时架构的人，明天将付出代价——图片来源：Xpert.Digital

游说陷阱而非进步：人工智能电力需求的隐秘真相

耗能巨大的人工智能：巨型核数据中心的巧妙（却被忽视的）替代方案

缺乏透明度是人工智能基础设施的核心政治问题。

人工智能的能源需求正呈指数级增长——随之而来的是政治恐慌。为了满足规划中的人工智能数据中心巨大的电力需求，一种所谓的新解决方案突然在欧洲和美国引起关注：小型模块化核反应堆（SMR）。然而，尽管政客和行业游说者将这种核能救星奉为唯一选择，但一场前所未有的经济误判却在暗中酝酿。.

爆炸式增长的建设成本、长达数十年的实施周期以及所谓“搁浅资产”的巨大风险，使得核动力人工智能超级工厂的梦想变成了一场高风险的赌博。而真正具有爆炸性影响的是这场辩论中被系统性忽略的一点：去中心化的人工智能基础设施。本文将深入剖析小型模块化反应堆（SMR）辩论中隐藏的成本真相，并阐明我们为何可能在未来的技术发展中重蹈覆辙，犯下过去代价高昂的结构性错误。.

因此，这场辩论的真正导火索并非哪种基础设施更好这一技术问题，而是政治问题：为什么关于面向未来的AI基础设施的讨论几乎完全集中在一种实现期限超出AI路线图规划期限、成本历史存在数百倍超支、且补贴情况大多不明朗的技术上？

与此相关：

人工智能超级工厂：隐性成本——美国和中国超大规模数据中心扩张如何加剧资源紧张

人工智能基础设施缺乏透明度是其核心政治问题：能源问题被用作转移视线的策略

在围绕欧洲人工智能超级工厂建设的辩论中，一个问题主导了公众讨论：电力从何而来？在政界和行业论坛上，越来越多的人给出的答案是：小型模块化核反应堆，即所谓的小型模块化反应堆（SMR）。这个答案听起来技术先进，政治上可行，并且能够赢得现有利益集团——核工业、国有能源供应商和核研究机构——的支持。然而，这场讨论几乎完全缺失的是对经济的客观评估：由SMR反应堆供电的集中式人工智能超级工厂，真的是应对日益增长的计算能力需求的最经济合理的解决方案吗？或者，这个问题是否转移了人们对一个更为根本的结构性替代方案——去中心化的人工智能基础设施——的关注？

国际能源署 (IEA) 预测，到 2030 年，全球数据中心的电力消耗将增长一倍以上，达到每年近 1000 太瓦时。即使在今天，一个大型人工智能数据中心的耗电量也相当于一个拥有 5 万人口的城市，而真正的大型设施的运行能耗已达到吉瓦级。IEA 预测，仅美国，到 2029 年，数据中心和人工智能应用就需要额外 60 吉瓦的电力——相当于约 60 座核电站的发电量。这些数字令人震惊，但却引出了一个错误的逻辑：它不加思考地将当今集中式数据中心的架构直接套用到未来，而没有认真考虑其他的基础设施模式。.

SMR承诺背后的隐藏成本真相

围绕小型模块化反应堆（SMR）的讨论充斥着令人瞩目的乐观情绪，但仔细分析就会发现，这种乐观情绪缺乏实证依据。SMR的支持者承诺，与传统的大型反应堆相比，SMR的建造时间更短、通过大规模生产降低成本，并且能够更快地实现规模化。然而，现实情况却远比这严峻得多。.

全球核电站市场已停滞多年。2024年，全球仅有六座新建核电站投入运营，同时有四座核电站退役——净增两座。其原因在于结构性因素：极高的投资成本、长达10至15年的建设周期，以及几乎只有国有企业才能承担的融资风险。成本飙升的典型例子是法国弗拉芒维尔3号核电站：该电站最初于2006年估算造价为32亿至33亿欧元，计划建设周期为五年，但最终耗时17年，总成本高达237亿欧元。.

即使是美国的旗舰项目——位于佐治亚州的沃格特勒核电站，最初的预算也仅为140亿至155亿美元，最终却耗资340亿美元，是最初预算的两倍多。世界领先的核技术公司之一西屋公司随后不久便申请破产。英国欣克利角C核电站的成本也飙升至327亿英镑（约合413亿美元），尽管该项目的最初预算仅为20亿英镑。如今，经验丰富的业内人士普遍采用的经验法则是：将核工业的初始成本估算乘以十，即可得出较为实际的数字。.

对于小型模块化反应堆（SMR）而言，其成本前景更加不明朗。迄今为止，西方世界尚无任何商业化部署的SMR模块化系统。海因里希·伯尔基金会2024年初的一项分析（注：年份已更正为2024年，而非未来的2026年）得出结论：大多数SMR概念仍处于早期研发阶段，尚未获得欧盟监管部门的批准，且在2050年之前不太可能产生大量电力。能源经济与金融分析研究所（IEEFA）也证实了这一关键评估：SMR成本过高、建设周期过长且风险过大，在未来10至15年内难以在能源转型中发挥重要作用。电气电子工程师协会（IEEE）指出，对SMR的投资将挤占原本可用于目前已有的无碳且更具成本效益的可再生能源的资源。.

这场辩论中一个常被忽视的方面是隐性补贴。根据绿色和平组织委托生态与社会市场经济论坛（Forum for Ecological and Social Market Economy）的计算，1950年至2008年间，德国对核电的历史性支持至少达到1650亿欧元的国家补贴，此外还有925亿欧元的可预见未来成本。然而，德国政府在其补贴报告中仅披露了不到2亿欧元——这相差几个数量级，原因在于其对补贴的定义极其狭隘。这种计算未能将税收减免、政府担保、研究经费、核废料储存库的成本，以及——最重要的是——一旦发生灾难，政府实际上承担的无限责任考虑在内。根据这些计算，如果要求核电站运营商支付标准的市场责任保险，核电成本将增加至多每千瓦时2.70欧元——从而失去竞争力。.

透明度缺失：当游说利益左右基础设施决策时

关于人工智能超级工厂能源供应的讨论为何几乎完全集中在核能上，而没有同时考虑分散式替代能源，这并非技术问题，而是政治问题。它暴露出公共基础设施讨论中存在结构性透明度不足的问题。.

欧盟已将人工智能超级工厂的建设列为战略重点，并启动了一项200亿欧元的“人工智能投资计划”（InvestAI），旨在建设多达五座此类工厂。欧盟对人工智能超级工厂的定义是：一座超级工厂包含10万个或更多专用芯片，每座工厂（包括能源供应）的建设成本估计在30亿至50亿欧元之间。德国已拨出8.05亿欧元的种子资金用于建设一座超级工厂，并正在积极讨论最终的合同授予对象——德国电信、施瓦茨集团、Ionos公司或一个巴伐利亚财团。这种融资结构本身就存在巨大的激励机制缺陷：它有利于集中式的大型项目，因为只有这些项目才能满足欧盟对“超级工厂”的定义标准。规模较小、分散式的方案则被排除在这一融资机制之外，尽管从经济角度来看，它们往往更具吸引力。.

成本数据的选择性呈现也体现了透明度的缺失。当政界人士和行业代表谈论小型模块化反应堆（SMR）时，他们引用的是制造商乐观的估算。当批评者指出过去成本超支的问题时，这些都被轻描淡写地归咎于个别事件或前代技术固有的缺陷。然而，没有任何可靠的经验证据表明，小型模块化反应堆在商业规模上会比作为反面例子的大型反应堆项目更经济——尤其因为目前还没有一个符合西方标准的、具有商业价值的小型模块化反应堆项目投入运营。.

与此相关：

斯坦福大学研究：本地人工智能是否突然在经济上更具优势？云计算教条和千兆数据中心是否即将终结？

被忽视的替代方案：为什么去中心化的人工智能基础设施在经济上可能更胜一筹

在关于人工智能超级工厂及其能源供应的整个辩论中，令人惊讶的是，很少有人问到这样一个问题：我们为什么需要超级工厂？如果我们确实需要它们——为什么它们必须是集中式的？

目前，本地化和去中心化的人工智能基础设施正在经历一场悄然但意义深远的经济重新评估。弗劳恩霍夫研究所的研究表明，与传统的云计算相比，边缘计算系统可以节省高达35%的电力成本，因为它们所需的带宽和冷却能力更低。一个拥有1000个物联网传感器、每秒发送测量数据的工厂，如果没有边缘计算，每天将向云端传输8600万个数据点；而通过本地数据过滤（边缘过滤），这个数字减少到约800万——带宽和云存储成本节省了90%。这些数字具有显著的经济意义，但在公共基础设施讨论中却很少被提及。.

分散式边缘数据中心还提供本地热回收功能，可用于为住宅区、办公楼或工业设施供暖。当废热被视为一种经济可行的副产品时，这种协同效应显著改善了整体成本效益。集中式超级工厂也会产生同样的废热，但其所在地区对废热的需求不足。.

值得注意的是，德国联邦政府的联合执政协议明确旨在支持分布式边缘计算等去中心化基础设施。然而与此同时，至少有一家欧洲人工智能超级工厂正在德国落户——这种做法在结构上与去中心化原则相悖。这种矛盾反映出，在基础设施决策方面，政治声望和经济理性之间可能存在多么巨大的分歧。.

由少数几个大型集中式设施构成的人工智能基础设施模式，复制了过去通过大型发电厂集中供应能源的过时模式——而此时能源行业本身才刚刚开始意识到分散式发电结构的优势。在数字化基础设施领域重蹈能源行业的覆辙，犯下历史性的错误，将是一个巨大的损失。.

与此相关：

去中心化、联邦式、反脆弱的人工智能基础设施、人工智能超级工厂还是超大规模人工智能数据中心更好？

杰文斯悖论与效率的欺骗性逻辑

针对小型模块化反应堆（SMR）去中心化困境的常见反驳论点是，人工智能硬件的效率越来越高，因此能耗将会趋于稳定。这种论点并非完全错误，但也并非完全正确，而且忽略了所谓的杰文斯悖论。.

微软首席执行官萨蒂亚·纳德拉早在2024年就曾在柏林表示，人工智能系统的性能每六个月翻一番。而目前的数据显示，人工智能系统的能力甚至每七个月就能翻一番——这远远快于经典的摩尔定律（预测每两年翻一番）。中国人工智能初创公司DeepSeek在2024年末和2025年初令人印象深刻地证明，只需以往所需资源的一小部分，就能取得类似的成果：DeepSeek V3仅用了2048块NVIDIA H800 GPU，历时两个月就完成了训练，而Meta开发类似模型则需要3080万GPU小时。.

然而，认为技术效率的提升可以缓解整体能源需求的观点，由于结构性原因而站不住脚。随着人工智能系统成本降低、效率提高，其应用也将更加广泛——而需求增长速度远超效率提升速度。国际能源署（IEA）证实，尽管人工智能相关的能源消耗增长速度低于产能扩张速度，但到2030年，全球数据中心的电力消耗量将翻一番以上，达到945太瓦时（TWh）。仅在德国，数据中心的能源需求就已从2024年的200亿千瓦时和2015年的120亿千瓦时增至2025年的213亿千瓦时。效率提升与需求增长始终处于竞争状态，而从历史数据来看，需求总是占据主导地位。.

此外，DeepSeek 的例子还有一个重要的细微差别：尽管训练效率很高，但该模型在运行（推理）过程中消耗的能量比拥有 700 亿个参数的同类元模型高出 87%。能够实现更高效训练的架构的复杂性会增加运行过程中的能耗。因此，系统某一部分的效率并不一定能转化为整个系统的效率——集中式基础设施的规划者在规划容量时经常忽略这一点。.

我们在业务拓展、销售和市场营销方面拥有全球行业和经济方面的专业知识。

我们在业务拓展、销售和市场营销方面拥有全球行业和经济方面的专业知识 - 图片来源：Xpert.Digital

行业重点领域：B2B、数字化（从人工智能到扩展现实）、机械工程、物流、可再生能源和工业

更多信息请点击这里：

专家商业中心

一个提供见解和专业知识的主题中心：

涵盖全球和区域经济、创新和行业特定趋势的知识平台
汇集了我们重点关注领域的分析、见解和背景信息。
这里汇集了有关商业和技术最新发展的专业知识和信息。
一个为寻求市场、数字化和行业创新信息的企业提供的信息中心。

模块化、可逆、面向未来：这就是政策制定者避免代价高昂的基础设施错误的方法。

电池储能能否改变游戏规则？钠离子电池革命及其影响

重新评估集中式小型模块化反应堆（SMR）战略最令人信服的论据之一在于储能技术的快速发展，尤其是钠离子技术（俗称盐电池）。这一发展并非空穴来风，而是有实证依据的，并且对去中心化人工智能基础设施的经济可行性有着直接的影响。.

钠离子电池的成本已接近锂离子电池。根据IDTechEx的数据，目前钠离子电池的平均价格约为每千瓦时87美元。随着产能的进一步扩大，电池级生产成本预计将降至每千瓦时40美元左右。对于固定式储能而言，价格趋势更为显著：彭博新能源财经预测，到2025年，固定式储能电池组的价格将降至每千瓦时70美元，同比下降45%，是所有电池细分市场中降幅最大的。.

长期预测对于战略基础设施规划尤为重要。假设技术进步迅速，到2050年，钠离子电池的储能成本有望降至每兆瓦时11至14欧元，这将使其比锂离子电池技术更经济，后者预计成本在每兆瓦时16至22欧元之间。这些数据从根本上改变了分布式太阳能数据中心的经济可行性计算。如今，分布式数据中心白天储存可再生太阳能，并在夜间或风能和太阳能输出较低时使用，在这样的储能成本下即可实现经济运营，而这在五年前是根本无法想象的。.

钠离子电池还具有一些结构优势，这些优势对于构建可扩展的基础设施至关重要：钠储量丰富，是欧洲本土原材料，因此无需依赖战略性进口。由于钠离子电池不含铜或钴，其回收利用比锂电池容易得多。电池放电深度可达100%，而不会损坏电池。此外，德国，特别是图林根州和萨克森州，已经具备钠离子电池的技术基础设施。.

坦诚面对其局限性至关重要：钠离子电池的能量密度低于锂离子电池，这导致其重量和体积更大。其平均效率约为79%，远低于锂离子电池的96%。然而，对于重量和体积并非主要限制因素的固定式大规模储能应用而言，较低的能量密度并非决定性的劣势。而对于分布式数据中心的电网级储能而言，锂离子电池的效率优势远不如其全生命周期的成本效益分析重要。.

除了钠离子电池技术外，固态电池也正经历着指数级增长。全球固态电池市场正以高达36.4%的年均增长率增长。乐观预测显示，到2027年，固态电池的成本将降至每千瓦时80至120美元，并且预计在未来十年内，随着规模化生产，成本还将进一步大幅下降。.

与此相关：

重新调度2.0和大规模电池储能：对电网来说是祸是 Segen ？巨型电池储能系统的双重角色

搁浅资产风险：当未来比计划提前到来时

或许，反对不加思考地建造小型模块化反应堆（SMR）驱动的人工智能超级工厂的最有力经济论据，是所谓的“搁浅资产”风险。这个术语指的是由于技术变革、市场环境变化或监管要求等外部因素，导致投资价值大幅缩水，最终无法产生收益。.

技术发展史上充斥着这样的例子：基础设施建设决策在规划之初被认为是合理的，但仅仅几年后，就被证明是代价高昂的错误配置。在能源领域，许多在2010年代新建或扩建的燃煤电厂已经大幅贬值或提前关闭——尽管预计剩余使用寿命还有30到40年。国际可再生能源机构（IRENA）估计，在一切照旧的情况下，搁浅资产风险可能高达20万亿美元。.

人工智能基础设施面临的风险尤为显著，因为技术发展速度异常迅猛。即使在对审批、建设时间和供应链做出乐观假设的情况下，一座小型磁共振（SMR）反应堆最早也要到2035年至2040年才能投入使用。根据目前的研究结果，人工智能系统的性能每六到七个月就会翻一番。在建造一座SMR所需的10到15年时间内，人工智能系统的能力将提升2万到30万倍——如此巨大的提升幅度，使得对特定基础设施需求的可靠预测变得不可能。.

问题不仅仅在于硬件的不确定性。人工智能系统的整个架构正在经历一场变革。正如DeepSeek令人印象深刻地展示的那样，巧妙的算法优化可以将硬件需求降低十倍——而且不会损失任何质量。超越冯·诺依曼架构并克服所谓“内存墙”的新型芯片架构正在研发中。基于光子的计算机、神经形态芯片和量子计算机——所有这些技术一旦达到商业成熟阶段，都有可能大幅降低每次计算的能耗。这些技术的未来将在小型模块化反应堆（SMR）投入实际应用所需的10到15年内得到决定。.

如今投资小型模块化反应堆（SMR）驱动的人工智能超级工厂，就等于承诺在未来40到60年内——核电站的典型运行寿命——依赖单一能源。他们这样做，是寄希望于人工智能行业在这段时间内持续需要这类集中式、高能耗的基础设施，而这些反应堆正是为此类基础设施提供动力。从今天的角度来看，这无疑是一场风险极高的赌博。.

技术瓶颈：核电被低估的结构性问题

反对小型模块化反应堆（SMR）战略的另一个关键论点是核工业技术工人严重短缺，而这一论点在公众讨论中却鲜少受到关注。过去三十年间，由于项目暂停、逐步淘汰以及缺乏新的建设项目，核工业遭受了严重的机构知识流失。.

如今，核电站市场仅依赖于少数几家公司——其中大部分是国有企业——才具备建造和出口核电站的能力。全球核电项目实施所需的供应商、工程师和认证专家网络规模很小。这意味着，即使政府出台有利于小型模块化反应堆（SMR）建设的政策，瓶颈也不在于许可证或资金，而在于可用的专业技术。如果美国、加拿大、英国、法国和欧盟各国都想同时启动SMR项目，它们将争夺同一批数量有限的核工程专业人才。.

这与可再生能源和储能技术领域的现状形成了鲜明对比。过去十年，全球太阳能产业经历了指数级增长，可再生能源领域的专业人才数量稳步提升，太阳能组件、逆变器和储能技术的供应链也已发展成熟并实现了国际化多元化。去中心化的人工智能基础设施可以充分利用现有的知识、供应链和监管经验。而小型模块化反应堆（SMR）行业则仍需在巨大的时间和成本压力下构建这样的基础。.

国民经济核算：直接比较

对各种因素进行系统比较后，得出以下经济形势：

标准	SMR支持的AI超级工厂	分布式人工智能基础设施，配备太阳能和储能系统
首次电力交付	2035–2040 年（乐观估计）	立即生效至2027年
资本密集度（入门）	每个超级工厂和小型模块化反应堆（SMR）的成本为30亿至50亿欧元。	模块化扩展，更小的单次用量
成本风险	极高（历史最高纪录为 100%–600%）	成本低；技术成本持续下降。
技术搁浅风险	非常高（40-60年的投入）	低调；模块化可扩展和适应性强
技术诀窍的可用性	瓶颈；全球供应商少。	庞大且不断增长的技能型劳动力
隐性补贴	高（责任、处置、研究）	少量
储能成本（2025 年）	不相关（基本负荷）	70 美元/千瓦时（稳定，呈下降趋势）
储能成本（2050 年预测）	无关	11–14 欧元/兆瓦时
用水量	高（冷却系统）	几乎没有
监管不确定性	非常高	中等的
灵活应对需求变化	不	高的
环境风险	高（核安全、长期废物处理）	低的

对比结果显示，基于小型模块化反应堆（SMR）的人工智能超级工厂最早也要到2035-2040年（乐观估计）才能供电，而采用太阳能和储能技术的去中心化人工智能基础设施则可在2027年立即投入使用。就资本密集度而言，SMR方案需要极高的初始投资，每个超级工厂加上SMR大约需要30亿至50亿欧元，而去中心化方案则允许模块化扩展，单笔投资额显著降低。SMR的成本风险极高（历史超支率高达100%-600%），而太阳能+储能方案的成本风险较低，因为技术成本正在持续下降。由于SMR需要40-60年的长期投入，其技术搁浅的风险非常高，而去中心化基础设施由于其模块化可扩展性和适应性，搁浅风险较低。技术诀窍是SMR的瓶颈，全球供应商数量有限，而去中心化方案则拥有庞大且不断增长的专业人才库。小型模块化反应堆（SMR）的隐性补贴（责任、处置、研发）较高，而太阳能+储能系统的隐性补贴较低。由于SMR主要用于基荷电力，因此其储能成本并不重要；而对于分散式系统，预计到2025年，储能成本将达到约70美元/千瓦时（稳定状态，呈下降趋势），到2050年将达到11-14欧元/兆瓦时。由于冷却系统的存在，SMR的用水量较高，而太阳能+储能系统的用水量则很低甚至为零。SMR面临的监管不确定性非常高，而分散式方案的监管不确定性则处于中等水平。SMR几乎完全缺乏应对需求变化的灵活性，而分散式方案则具有很高的灵活性。最后，SMR面临的环境风险较高（核安全、长期废物处理），而太阳能+储能系统的环境风险较低。总体而言，SMR方案在几乎所有方面都表现不佳——唯一例外是其能够提供可靠且不受天气影响的基荷电力供应。然而，随着储能技术的进步，例如具有更长充放电循环的大规模钠离子储能，可以储存大量能量数天甚至数周，这种论点的重要性正在降低，从而在很大程度上否定了基本负荷论点。.

规划逻辑的盲点：为什么决策者总是反应迟钝

政府和大型工业公司的决策者反复做出事后看来是糟糕投资的基础设施决策，这其中存在结构性原因：制度规划周期与技术变革的速度从根本上来说是不相容的。.

政府项目、议会决议、拨款计划和公共招标通常以四到十年为一个周期。像公共交通中转站（SMR）这样的基础设施项目，其决策是在政治和技术环境发生根本性变化的情况下做出的，而这些变化往往发生在项目投入使用之前。官僚程序造成的制度惯性、有影响力的行业团体的游说，以及人们对特定时期决策的心理依赖，都意味着施工时的实际需求和选择与规划时的假设不再一致。.

过去几个世纪的技术发展生动地展现了这种加速：工业革命用了大约100年才产生其主要的经济影响；电气化用了大约50年；互联网在大约20年内改变了全球经济。人工智能及其相关的硬件发展正在以不到十年的周期改变着基本的框架条件，而且这种改变的速度还在不断加快。适用于20世纪基础设施决策的逻辑，在结构上已不再适用于21世纪。.

对于那些不可逆转、摊销期长的大规模投资而言，这一点尤为重要。太阳能发电场可以在几个月内建成，并且如果需要，可以相对容易地进行改造或拆除。基于模块化架构的数据中心可以进行扩展和现代化改造。而核电站一旦建成，在40到60年内将是一个基本固定的结构，其退役成本高达数十亿美元。灵活性和选择性——即应对不断变化的环境的能力——的战略价值在传统的投资计算中被系统性地低估了。.

一个更细致的结论：这不是非此即彼的问题，而是优先顺序的问题。

如果断言小型模块化反应堆（SMR）完全没有价值，或者去中心化基础设施可以满足所有需求，那就过于简单化了。实际情况要复杂得多。.

在某些特定应用场景下，至少在训练大型人工智能模型方面，短期内仍然需要集中式计算能力。此外，核能作为多元化、低碳能源结构的一部分，也具有合理的优势，尤其是在缺乏充足可再生能源的国家。法国拥有现有的核电站基础设施，但这些设施已经老化数十年，因此其处境与那些今天就想从零开始建造小型模块化反应堆（SMR）的国家截然不同。.

真正的问题不在于小型反应堆本身，而在于三个因素的综合作用：首先，小型模块化反应堆（SMR）能够供电的时间与人工智能基础设施需要电力的时间存在差距；其次，缺乏关于真实总成本的透明度，包括隐性补贴和搁浅风险；第三，战略上忽视了这样一个事实：人工智能硬件和储能技术的发展，可以在比典型建设周期更短的时间内，从根本上改变这些投资决策的基本假设。.

在人工智能时代，对能源问题而言，经济上负责任的答案并非在小型模块化反应堆（SMR）和可再生能源之间、集中式和分散式能源之间做出选择。关键在于设计基础设施决策，以最大限度地提高灵活性并最大限度地降低搁浅风险。这意味着模块化、可逆性、技术中立性和透明度。这也意味着不能在今天将利润私有化的同时，将成本转嫁给子孙后代的纳税人——不幸的是，这种模式在欧洲核电发展史上屡见不鲜。.

因此，这场辩论的真正导火索并非哪种基础设施更优这一技术问题，而是政治问题：为何关于面向未来的AI基础设施的讨论几乎完全集中在一种实现期限远超AI路线图规划期限、成本超支幅度高达数百倍、且补贴情况鲜为人知的技术上？这个问题的答案并非技术性的，而是政治经济性的——而这恰恰是它在公共讨论中始终被刻意回避的原因。.