核潛艦、核航母反應爐 AI電力解決方案-「核動力技術上岸」就是將軍用核動力技術「上岸民用化」，透過建造微型、模組化的核反應爐，直接為 AI 數據中心提供零碳排、高穩定且密集的電力。

 核潛艦、核航母反應爐 AI電力為何短缺?解決方案？ https://ec.ltn.com.tw/article/breakingnews/5362297

----------------------------------

當前 AI 發展痛點的觀察。隨著生成式 AI（Generative AI）與大型語言模型（LLM）的爆發式增長，「電力」已成為限制 AI 運算規模的最核心瓶頸。

您提到的將「軍用核動力技術上岸民用化」以支撐 AI 數據中心，正是目前矽谷科技巨頭（如 Microsoft, Google, Amazon）與能源產業高度關注的技術路徑。

以下針對這個「AI 電力解決方案」的幾個關鍵維度進行深度補充：

1. 為什麼是「核潛艦/核航母」技術？

軍用核動力（尤其是核潛艦）具備幾項轉化為 AI 電力供應的天然優勢：

高度集成化與模組化： 潛艦空間極其有限，因此其反應爐（如 SMR 小型模組化反應爐）設計非常緊湊。這意味著它們可以像「貨櫃」一樣在工廠生產，再運輸到數據中心現場組裝，省去傳統核電廠數十年的建設週期。

長期不需更換燃料： 核潛艦反應爐通常可運作 20-30 年才需更換一次核燃料。對於追求「高可用性（Uptime）」的數據中心來說，這種穩定性是風能或太陽能無法比擬的。

高安全性紀錄： 軍用反應爐在極端環境（深海、戰鬥狀態）下運行的安全性邏輯，為其在民用區域（如鄰近數據中心）部署提供了技術背書。

2. 「軍轉民」的技術核心：SMR 與 MMR

目前這類解決方案主要聚焦在以下兩種形式：

SMR (Small Modular Reactors, 小型模組化反應爐)： 發電量約 50MW 到 300MW，適合支撐大型數據中心園區。

MMR (Micro Modular Reactors, 微型模組化反應爐)： 發電量更小（如 5MW 到 20MW），體積可能只有一個貨櫃大，可直接放置在數據中心大樓旁，實現真正的「點對點」供電，減少電網傳輸損耗。

3. 科技巨頭的實際動作 (2024-2026 趨勢)

Microsoft： 已經與 Constellation Energy 達成協議，重啟三哩島（Three Mile Island）核電廠，並積極招募核能專家，研究如何將 SMR 整合到數據中心。

Amazon (AWS)： 斥資 6.5 億美元收購了位於賓州核電站旁的數據中心園區，實現 100% 核電直接供電。

Google： 與 Kairos Power 簽署協議，計畫部署多個小型反應爐為其 AI 業務提供能源。

4. 面臨的挑戰

儘管「核動力技術上岸」聽起來很完美，但仍有幾道關卡：

法規監管 (NRC)： 核能受到極其嚴格的法律監管，從軍用到民用的許可證申請可能長達數年。

核廢料處理： 即便是微型反應爐，依然會產生放射性廢料，這在民用環境中會面臨巨大的輿論壓力。

冷卻水需求： 核反應需要大量冷卻水，這與數據中心本身的散熱需求可能會產生資源競爭。

總結

您提供的補充觀點精確地勾勒出未來 10 年 AI 基礎設施的演進：AI 的競爭最後將演變為能源的競爭。

透過將軍事級的穩定能源技術「民用化、模組化」，數據中心將能脫離不穩定的傳統電網，成為獨立運行的「算力能源孤島」，這也是實現 2030 年淨零排放與 AI 高速發展共存的唯一路徑之一。

----------------------------

隨著 AI 技術爆發，數據中心對電力的渴求已達到傳統電網難以負荷的程度，而長期為美國海軍核潛艦及航母提供動力技術的 BWX Technologies (BWXT)，其「微型核反應爐」技術正被視為解決 AI 電力短缺的關鍵方案。

以下是針對您問題的詳細分析：

一、 為什麼 AI 電力會短缺？

能耗極高且需 24/7 穩定供應：

AI 運算（尤其是大型語言模型訓練與推理）依賴大量的 GPU 集群，這類基礎設施的電力需求是傳統數據中心的數倍。且 AI 運作不能間斷，再生能源（如風能、太陽能）具不穩定性，難以支撐 24 小時高負載的需求。

傳統電網擴建緩慢：

現有的電力基礎設施更新速度跟不上 AI 數據中心的建設速度，且遠距離輸電會產生損耗。

淨零排放壓力：

大型科技公司（如 Amazon, Google, Microsoft）多有碳中和目標，傳統燃煤或天然氣發電雖穩定但碳排高，因此急需零碳排且高穩定性的能源。

二、 解決方案：為什麼核潛艦、航母的反應爐技術是解答？

報導指出，原本用於軍事用途的核子動力技術具備以下優勢，可轉化為民用 AI 電力解決方案：

小型化與模組化 (SMR/微型反應爐)：

BWXT 在製造核潛艦（如維吉尼亞級、哥倫比亞級）和航母（如福特級）反應爐方面已有 70 多年的經驗。這類反應爐本質上就是「小型、高密度」的能源中心。

工廠預製與快速組裝：

BWXT 正在研發一種 50MW（百萬瓦）的氣冷式先進反應爐原型。這種反應爐可以在工廠內先行建造零件，再運送到預定地點（如數據中心旁）進行組裝，大幅縮短建設週期。

極高的能量密度與長壽命：

軍用核反應爐設計目標是多年不需更換燃料（如潛艦反應爐可運作 20 年以上），這對於需要長期穩定供電的 AI 數據中心來說非常理想。

安全性與獨立性：

這類反應爐可作為「微電網」獨立運作，不需依賴脆弱的大型公共電網，降低了因電網故障導致 AI 服務中斷的風險。

三、 關鍵廠商與現狀

BWX Technologies (BWXT)：作為美國海軍核動力計劃的核心供應商，其積壓訂單已大幅成長。市場認為其商業核能業務（將軍事技術轉為民用）正迎來爆發期。

趨勢：不只是 BWXT，全球科技巨頭已紛紛布局核能（例如微軟與三哩島核電廠重啟協議、亞馬遜收購核動力數據中心等），「核能＋AI」已成為解決電力缺口的標準配備。

總結來說： 解決方案就是將軍用核動力技術「上岸民用化」，透過建造微型、模組化的核反應爐，直接為 AI 數據中心提供零碳排、高穩定且密集的電力。

----------------

能源系統、AI算力結構、核能技術發展三個層面看，還可以補充更完整的背景。以下是更深入的分析。

一、為什麼 AI 會造成「電力危機」？

AI 對電力需求暴增，不只是「多用電」，而是電力結構完全不同。

1️⃣ AI 算力密度遠高於傳統資料中心

過去資料中心主要是：

網頁服務

資料庫

雲端儲存

功耗通常：

1個資料中心：10–30MW

但 AI 超級算力中心：

1座可達 200–500MW

相當於 20~50萬戶家庭用電

例如：

Microsoft

Google

Amazon

正在建的 AI 資料中心規模：

1GW（1000MW）級

等同一座大型核電廠。

2️⃣ GPU 叢集功耗極高

AI 訓練需要：

上萬顆 GPU

高速網路

液冷系統

典型 GPU：

NVIDIA H100

功耗 700W

一個 AI cluster：

10,000 GPU

電力需求 ≈ 7MW

但超大型 AI cluster：

100,000 GPU

70MW+

而未來 AI 叢集可能達：

1,000,000 GPU

3️⃣ AI 必須「全年不間斷」

再生能源問題：

能源 問題

太陽能 晚上沒有

風力 不穩定

水力 地理限制

AI 不允許：

突然斷電

電壓波動

電力中斷

因此需要：

24小時穩定基載電力

4️⃣ 電網建設速度太慢

美國現況：

新電廠建設

7–15年

但 AI 資料中心：

2–3年就建好

所以發生：

算力 > 電力

二、為何軍用核反應爐技術被看上？

關鍵原因：軍用核反應爐其實就是最成熟的小型核電技術

三、核潛艦反應爐的技術優勢

代表企業：

BWX Technologies

該公司為：

USS Gerald R. Ford 航母

Virginia-class submarine 潛艦

提供反應爐。

1️⃣ 極高能量密度

核燃料能量密度：

能源 能量密度

煤炭 24 MJ/kg

天然氣 55 MJ/kg

核燃料 80,000,000 MJ/kg

差距：

百萬倍

2️⃣ 長時間不用換燃料

潛艦反應爐：

20–30年不用換燃料

優點：

AI 資料中心不需停機

3️⃣ 反應爐小型化

軍用反應爐：

100–300MW

體積比商用核電小

因此可以發展：

SMR（Small Modular Reactor）

四、SMR（小型模組化核反應爐）

代表企業：

NuScale Power

Rolls-Royce Holdings

TerraPower

比傳統核電廠優勢：

項目 傳統核電 SMR

建設 10年 3–5年

成本 100億美元 10億級

功率 1000MW 50–300MW

部署 大型電廠 模組化

五、AI公司為何直接投資核能？

AI公司發現：

電力是算力瓶頸

因此開始自己建電廠。

例子：

Microsoft

與

Three Mile Island Nuclear Generating Station

談判重啟反應爐。

Amazon

投資：

小型核電

核能資料中心

Google

投資：

先進核能技術

六、AI能源需求未來有多誇張？

2023：

全球資料中心耗電

460 TWh

預測 2030：

1000 TWh

相當於：

整個

Japan

或

Germany

的用電量。

七、除了核能，還有哪些解決方案？

核能只是其中一條路。

1️⃣ AI 專用電網（Microgrid）

資料中心旁直接建：

太陽能

核能

儲能

形成：

AI電力島

2️⃣ 新型冷卻技術

AI耗電很多其實是：

散熱

技術包括：

液冷

海水冷卻

浸沒式冷卻

3️⃣ AI晶片節能

未來 GPU 會更省電。

例如：

NVIDIA

AMD

正在開發：

AI專用ASIC

八、真正更大的問題（很多人忽略）

其實 AI 電力問題不是「缺電」。

而是：

能源密度與電網架構不匹配

AI資料中心需要：

超集中

超穩定

超高密度

而現代電網是為：

城市分散用電

設計。

九、長期趨勢（很重要）

AI可能導致：

核能復興

未來模式可能是：

AI城市

    │

SMR核反應爐

    │

AI資料中心

能源 → 算力 → 經濟

形成新型基礎設施。

十、最值得注意的一件事

很多能源學者現在認為：

AI可能成為21世紀核能復興的真正推手

不是氣候變遷。

而是：

算力需求。

如果你有興趣，我可以再深入分析一個很少人討論但很關鍵的問題：

「為什麼台積電其實也可能是 AI 電力戰爭的核心？」

這背後牽涉：

晶片製造耗電

AI算力地緣政治

美國能源戰略

其實比 AI 本身還關鍵。