AI数据中心找上加拿大水电：纽芬兰向提案敞开大门

9月29日，CBC新闻报道称，已有企业就开发AI数据中心一事与纽芬兰与拉布拉多省政府接触。能源与矿业部长Lloyd Parrott在关于新的丘吉尔瀑布协议的特别会议上对议会说，“我们的大门向企业敞开”。CBC的报道说，该省能源与矿业部证实了这些接触，但以商业谈判敏感为由，拒绝透露提出方或项目名称。

这件事之所以重要，是因为AI数据中心已成为北美最大的新增电力需求来源之一。另一个原因是，该省的主要优势与聚变研究吸引人的地方相同：一份已经建成或已经规划的大型低碳电力供应。TechNL首席执行官Andrea King对CBC说，拉布拉多符合数据中心提出方看重的若干条件，包括低碳水电、寒冷天气和大量土地。她同时表示，这本身并不足以说明项目就是好主意，因为该省必须权衡经济成本，以及把这些电用在别处会带来什么机会成本。

这种谨慎正是整篇报道的分析核心。数据中心是安置并为计算机服务器、网络设备和其他技术供电的设施，随着AI产业兴起，对这种算力的需求大幅上升。CBC引用科技记者、《Hyperscale》作者Paris Marx的话说，这些产品算力消耗很大，科技公司发现需要多得多的算力来支撑它们。Marx还质疑项目的长期价值，问在可能有更好用途的情况下，把电给数据中心是否合理。

该省尚未公布框架、条件清单或有名有姓的提出方。据CBC报道，新斯科舍省省长Tim Houston列出了任何数据中心提出方必须满足的五项起始条件，EverWind Fuels已表示有兴趣在该省建设数据中心。在同一篇CBC报道中，阿尔伯塔省Sturgeon County规划中的Meta数据中心预计耗资130亿，并在两到三年内上线，报道还指出该项目在该省引发了分歧。

档案里没有出现任何聚变成果。这一点值得直说，因为近期围绕聚变的头条新闻，包括英国的承诺和一台中国氢硼装置，都不属于本次分析所依据的源材料，这里也不予引用。档案里有的，是一批关于计算、能源与研究如何交汇的文件。要理解一个拥有水电的省份为什么会收到数据中心提案，这些文件比任何单个实验室的声明都更有用。

Hannah Ritchie 9月29日在她Substack专栏《By the Numbers》上的一篇文章，梳理了牛津大学教授Nick Eyre给出的数字，说明电气化对终端能源需求的影响。文章称，在转型后情景中，电力需求从110艾焦升至189艾焦，而终端能源总需求从416艾焦降至247艾焦。这大约是40%的降幅，而且是在除电气化和转向氢能之外不假设任何效率提升的情况下实现的。

Ritchie的文章明确说明了其中的简化。所有未电气化的部门都假设由氢能驱动。模型没有考虑各国发展带来的能源增长，不过她认为这不应影响两种情景之间的比例。它比较的是终端能源而非一次能源，因此排除了按一次能源口径核算会包含的废热。她还说，这一估算可能低估了降幅，因为它假设没有其他效率措施。

分部门的细节让论证变得具体。道路交通和建筑大幅下降，因为汽车和厢式车可以电气化，燃气锅炉可以换成热泵。Ritchie写道，电动车把约80%的能量转化为运动，而汽油车约为20%，转型后汽车和厢式车的能源需求约为当前的四分之一。高温工业流程更难：有些可以转向氢能，钢铁行业则假设电弧炉使用比例从约25%提高到50%，即目前经合组织的结构。

对一个正在权衡数据中心的省份来说，相关的教训不是确切的艾焦数字，而是即便能源总需求下降，电力需求预计仍会上升。这意味着对清洁电力的争夺会变得更激烈，而不是更宽松。同一篇文章指出，转型后的体系中电力占终端能源需求四分之三，而今天是四分之一。每一份新增的大型负荷，都是对这份电力的索取。

反对在稀缺清洁电力上建设数据中心的论据，正用硬件来表述。9月29日，Efficient Computer宣布完成由TQ Ventures领投的9700万B轮融资，据该公司自己的博客文章，其累计融资达17300万，估值65000万。首席执行官兼联合创始人Brandon Lucia写道，公司技术相比传统CPU架构带来10至100倍的能效提升，Electron E1正批量上市，面向嵌入式物理AI系统，包括机器人、无人机、基础设施和可穿戴设备。

Lucia的文章是厂商论证，应按厂商论证来读，但它提出的架构观点原则上可以检验。他引用Amdahl定律，认为计算中未加速的部分会限制系统的整体效率，而高度专用的固定功能AI加速器在算法变化时会产生过时风险。无论Efficient的数字在其自家基准之外是否站得住，效率而非原始供给决定一定电量能买到多少算力，这一主张正是数据中心提案在政治上引发争议的原因。

档案里最新的两项，描述的是消耗算力来做研究本身的AI系统。9月29日，CoreWeave发布了ARIA，一个内置于Weights & Biases的编码智能体，能读取实验、生成实时可视化、提出假设，并通过W&B Launch发起运行。据页面所示，该公司的博客文章最初于2026年7月29日发表在Weights & Biases博客上，文章称ARIA可以跨项目工作，访问训练代码、实验日志、损失曲线、指标、工件和检查点。CoreWeave说，该智能体接受了平台细节的训练，因此能在有20次或2万次运行的项目间高效划定查询范围。

另一项9月29日的内容是Matthew Schwartz、Isaiah Andrews和Jesse M. Shapiro的NBER工作论文，它把一套LLM工作流应用到已发表的经济学研究上，规模意味着真实的算力消耗。论文摘要称，在五本经济学期刊的4452个已发表复现包中，该工作流标记出3460篇文章或其附录存在差异。论文称，在496篇文章中，工作流把某项计算的运算时间缩短了10倍以上，准确度相当或更高；在923篇文章中，它做出了原文没有的扩展。论文披露，分析和写作中使用了LLM，Schwartz曾作为承包商为Anthropic工作，结果和观点未获Anthropic背书。

这些数字本身就足以构成数据中心需求信号，但档案没有把它们与任何具体设施或省份联系起来，本分析也不这样做。这两项内容显示的是，研究工作流本身正在变成电力消费者，而这正是纽芬兰与拉布拉多被要求承载的那类负荷。

9月29日两篇关于数学研究的文章从另一个方向说明了同一点：AI可以自动化更多工作，但工作不会消失。Dan Romik在自己的博客中认为，数学研究是一个反馈回路，当前AI模型生成的新定理与人类生成的知识“只差一步”，如果没有人类去反思、简化和推广，这个回路就会在他所说的自产垃圾堆积下停滞。他还引用了Scott Aaronson对OpenAI声称解决纳维-斯托克斯方程的反应，说那是一串A，并表示他不相信我们已经处在一个AI能给每个定理写上最终QED的世界。

Stephen Wolfram 9月28日的文章提出了一个相容但侧重点不同的论点。他写道，现代AI很有用，有时非常有用，在他自己的数学探索中，它最大的用途是按主题挖掘人类数学的知识库。但他把AI与计算区分开来：AI使用的是人类知识的既有语料，而计算能够生成根本上、不可约地新的东西。他还认为，伟大的数学由它提出的问题来定义，而人类的想象力决定提出哪些问题。

这两篇文章都没有提到数据中心，也都不是聚变成果。它们与这篇报道相关，是因为它们描述了电力问题的需求侧。如果AI系统要用于研究、用于数千篇论文规模的经济学复现，或者用于自行发起实验的智能体回路，那么算力总得放在某处。纽芬兰与拉布拉多正是如今被问到该不该放在那里的地方之一。

该省还没有说同意。CBC报道称，一位部门发言人表示，只要提案符合政府政策目标，包括环境要求，并给纽芬兰与拉布拉多居民带来明确好处，就可以考虑数据中心。目前没有公开任何提出方、容量数字、购电协议或时间表。在出现之前，对现状的诚实描述是：一扇门被说成是敞开的，还没有任何东西走进去。