根据伍德麦肯兹公司的数据，到2030年，小型模块化反应堆（SMR）的发电成本预计为每兆瓦时182美元，而传统核电的成本为每兆瓦时133美元。天然气发电的成本预计为每兆瓦时126美元，而陆上风能和太阳能发电，加上电池储能，预计成本将比核电低约三分之一。
美国能源政策正在上演一场豪赌——押注一种尚未商业化的小型核反应堆技术，试图一举解决AI数据中心暴增的电力需求与全球碳中和目标之间的矛盾。这场豪赌金额高达90亿美元，其中政府出资超60亿，私人资本跟投超30亿。乍一听，这像是科幻电影脚本：用微型核电站给英伟达的GPU集群持续供电，让AI大模型在零碳环境下疯狂训练。
但现实可没这么浪漫，多位能源专家直言，这波热潮充满泡沫风险，甚至可能重演2000年初互联网泡沫的惨剧。
从2019年至今，美国能源部和国防部等联邦机构通过拨款、贷款担保与成本共担协议，向小型模块化反应堆（Small Modular Reactors，简称SMR）开发商砸下超过60亿美元真金白银。与此同时，风投、私募与科技巨头也纷纷入场，私人融资规模突破30亿美元。这些钱投向的公司，很多连一座真正运行的反应堆都没有，营收几乎为零，却靠着PPT和概念图把估值炒上天。
这不禁让人想起当年“.com”公司只要名字带“e-”就能上市圈钱的荒诞局面。
小型模块化反应堆，顾名思义，就是把传统核电站“缩小+模块化”。一座标准商用核电站比如佐治亚州的Vogtle核电站，单机功率约1000兆瓦，而SMR单台最多只有300兆瓦，通常设计为50到200兆瓦之间。支持者宣称，SMR具备三大优势：工厂预制、现场组装、部署灵活，特别适合为偏远地区或高密度算力中心供电。尤其在AI算力爆炸式增长的背景下，数据中心耗电量正以每年两位数速度飙升。据彭博新能源财经（BloombergNEF）预测，到2035年，全球数据中心电力需求将翻倍以上，仅美国就可能新增数百太瓦时负荷。
SMR似乎成了“天选之子”——清洁、稳定、24小时不间断供电，完美匹配AI训练对电力可靠性的极致要求。
然而，理想很丰满，现实骨感得扎人。迄今为止，全球仅有三座SMR在运行，全部位于俄罗斯和中国，且无一例外严重超支：实际成本比最初预算高出300%到400%。更令人警觉的是，美国本土最被看好的NuScale公司——其SMR设计是首个获得美国核管会（NRC）认证的——在2023年被迫取消其首个商业项目。原因？成本飙升超过120%，原本预计每兆瓦时64美元的电价，根本无法兑现。
投资者和公用事业公司一看账单，直接退场。
问题出在哪里？首先就是“规模经济”的悖论。传统核电之所以单位成本较低，是因为单堆功率大，钢材、混凝土、安全系统、冷却管道等基础设施可以“摊薄”。而SMR恰恰相反：你要建10台50兆瓦的反应堆来替代1台500兆瓦的大型堆，意味着10套控制系统、10套安全壳、10套冷却回路——材料和人工成本非但没降，反而飙升。
正如核工程师尼克·图兰（Nick Touran）尖锐指出：“很多公司以为搞个核反应堆流水线，就能像福特T型车一样便宜量产。但他们完全忽略了核工业天然的规模经济逻辑。”
其次，燃料供应链极度脆弱。大多数SMR设计采用一种叫“高丰度低浓铀”（HALEU）的新型核燃料，铀-235浓度在5%到20%之间，比传统核电站使用的3%-5%更浓，能量密度更高。但问题来了：全球90%以上的HALEU产能掌握在俄罗斯手中。美国本土目前只有一家工厂——位于弗吉尼亚州的Centrus Energy——获得许可规模化生产，年产能远不足以支撑未来几十座SMR的部署。这意味着SMR开发商严重依赖美国能源部的战略储备库存，而库存有限且优先用于国防项目。
美银（Bank of America）清洁能源研究员迪普尔·戈赛（Dimple Gosai）估算，仅燃料成本一项，就可能让SMR每兆瓦时电价额外增加20美元。
成本数据更是一盆冷水。独立能源咨询机构伍德麦肯兹（Wood Mackenzie）预测，到2030年，SMR的平准化度电成本（LCOE）约为182美元/兆瓦时，而传统大型核电为133美元，天然气联合循环发电为126美元，配备电池储能的陆上风电和光伏更是低至约100美元/兆瓦时——比SMR便宜近一半。
即便如此，仍有SMR公司放出“卫星”：被山姆·奥特曼（Sam Altman）和能源部长克里斯·赖特（Chris Wright）力挺的Oklo公司声称其电价可压到90美元；NuScale更夸张，说能做到64美元。但这些数字要么基于理想化工况，要么依赖尚未验证的制造工艺，业内普遍视为“画饼”。
当然，SMR阵营也有反击理由。
Terrestrial Energy公司CEO西蒙·欧文（Simon Irish）强调：“任何首座工厂经济性都很难看，但一旦量产，成本曲线会快速下坠。”他相信公司最终能将电价压到69美元/兆瓦时。
Valar Atomics创始人以赛亚·泰勒（Isaiah Taylor）则主打“本征安全”牌：“SMR功率小，衰变热少，事故风险天然更低，因此可简化安全系统，加快审批和建设速度。”
X-energy公司CEO J·克莱·塞尔（J Clay Sell）则强调核能的长期价格稳定性：“天然气价格波动剧烈，而一座核电站可用60年，铀价长期看反而更可预测。”
这些论点并非毫无道理。
尤其在AI数据中心选址日益受限的今天——既要靠近电网枢纽，又要规避极端天气，还得满足ESG评级——SMR提供的“一站式零碳基荷电源”确实诱人。
自2023年以来，SMR公司已与电力公司和科技巨头签下超过32吉瓦的供电意向协议。最重磅的莫过于谷歌与Kairos Power达成的协议：后者承诺在2035年前为谷歌提供500兆瓦清洁电力。
虽然多数协议仍是“探索性”（非约束性），但伍德麦肯兹能源转型业务总监大卫·布朗（David Brown）认为，这已是重大突破：“资本市场对核能向来谨慎，融资成本远高于风电光伏。如今连非绑定协议都签了，说明投资者开始相信商业化路径存在。”
但关键问题仍未解决：谁来承担首座商业化SMR的“死亡谷”风险？
从工程角度看，SMR要真正落地，必须跨越三重障碍：
一是验证工厂化制造能否真正降本；
二是打通HALEU燃料供应链；
三是通过首个示范项目跑通全生命周期运营。
这三件事，每一件都需要数十亿美元和十年时间。而AI数据中心等不起——它们现在就要电。
于是，一种折中方案正在浮现：不是用SMR直接供电，而是作为“碳抵消工具”或“绿色认证资产”。比如微软或亚马逊购买SMR项目股权，用于冲抵其数据中心碳排，实际电力仍来自电网。
这种“账面脱碳”虽遭环保组织批评，却可能是SMR短期内最现实的商业模式。
更深层的矛盾在于：SMR真的适合数据中心吗？
AI算力集群的电力需求并非匀速稳定，而是呈现“脉冲式”高峰——训练大模型时GPU满载，推理或空闲时负载骤降。而核反应堆本质是“基荷电源”，启停缓慢、调节能力差。
强行让SMR匹配动态负载，反而可能降低效率、增加运维复杂度。
相比之下，液冷数据中心+可再生能源+长时储能的组合，在灵活性和成本上可能更具优势。这也是为什么，像Meta、苹果等公司仍坚定押注风电光伏，而非核能。
回到开头那句警告：这波SMR热潮，真的很像2000年的互联网泡沫。当时无数公司宣称自己将“重构商业模式”，结果90%在三年内倒闭。如今，SMR公司也在讲类似故事：“我们用模块化颠覆核电”“我们为AI量身定制电源”“我们成本明年腰斩”……但核工业不是软件行业，代码可以快速迭代，钢筋混凝土和放射性材料不行。
一次设计失误，轻则延宕数年，重则引发安全事件，整个行业可能再被冰封二十年。
值得肯定的是，美国政府愿意为前沿能源技术承担早期风险。能源部设立的“先进反应堆示范计划”（ARDP）确实在推动创新。
但问题在于，是否把太多鸡蛋放进一个未经验证的篮子？与其孤注一掷押注SMR，不如多线并行：加速电网升级、扩大储能部署、推动数据中心能效革命（比如用液冷替代风冷，PUE可从1.5降至1.05以下）、探索氢能备用电源……这些措施见效更快、风险更低。
最后，我们不妨换个角度思考：
AI真的需要这么多电吗？还是说，我们正在用“算力军备竞赛”掩盖算法效率的停滞？
当一家公司训练一个万亿参数模型花费数亿美元电费时，是否考虑过模型压缩、稀疏化、混合注意力等工程优化手段？
作为前基础设施架构师，我深知：真正的能效提升，从来不在电源端，而在负载端。与其幻想用微型核电站填满内华达沙漠，不如先让每一瓦电力都用在刀刃上。
当然，这并不意味着SMR毫无未来。长远看，如果能解决燃料、制造与安全验证三大瓶颈，SMR在偏远矿区、军事基地或海岛微网中仍有独特价值。但把它包装成“AI电力救世主”，未免过于天真。
90亿美元赌注背后，是资本对确定性回报的渴望，也是政策制定者对“技术速胜论”的迷恋。然而能源转型没有捷径，更没有魔法子弹。
历史告诉我们，最可靠的能源方案，往往是那些低调务实、日拱一卒的渐进式创新，而非万众瞩目的“颠覆性突破”。
所以，当下一轮SMR公司高调宣布“突破性融资”或“历史性协议”时，请记住NuScale项目的崩盘、俄罗斯SMR的超支、以及那条冰冷的成本曲线。AI需要电力，但不需要泡沫。真正的绿色算力未来，建立在扎实的工程、透明的成本和可持续的商业模式之上，而不是PPT里的核电站渲染图。