核聚变研究与AI数据中心争夺同一批电子

9月29日，CBC新闻报道，纽芬兰与拉布拉多省政府已接到一些公司的接洽，它们希望在当地开发AI数据中心。能源与矿业部长Lloyd Parrott在9月中旬关于丘吉尔瀑布协议的辩论中说，“我们的大门敞开做生意。”该省以谈判涉及商业机密为由，不肯透露是哪些公司。

对任何追踪核聚变研究资金的人来说，时机很关键。与CBC报道放在同一批材料里的还有两条研究内容，都发布于9月29日，它们对一个脱碳世界究竟需要多少电力，给出了方向相反的说法。

Hannah Ritchie 9月29日发布在Substack上的文章，梳理了一组归于牛津大学教授Nick Eyre名下的数字。在该模型中，全球终端能源需求从今天的416艾焦降到转型后体系的247艾焦，电力需求则从110艾焦升到189艾焦。原因在于使用端的转换效率：汽油车大约把20%的能量变成运动，电动车约为80%。Ritchie明确指出了局限。该模型假设电气化和转向氢能之外没有其他效率提升，假设所有未电气化的部门都靠氢能运转，也没有考虑各国发展带来的能源增长。她称这是“一个相当简化的模型”，并说它很可能低估了需求的下降幅度。

反方向的证据来自一份标注为2026年9月的NBER工作论文，作者是Matthew Schwartz、Isaiah Andrews和Jesse M. Shapiro。三人用一套开源LLM流程，扫描了五本经济学期刊的4452个已发表复现包。它标记出3460篇文章或其附录中的不一致，在496篇文章中把计算时间缩短了10倍以上，并在923个案例中给出了原论文没有的扩展。

这是个关于研究自动化的结果，不是关于能源的。但它和一份融资公告撞在了同一周，而那份公告完全建立在“算力效率才是硬约束”这一前提上。Efficient Computer 9月29日说，它完成了由TQ Ventures领投的65000万美元B轮融资，总融资额达到17300万美元，估值6.5亿美元。CEO Brandon Lucia写道，公司现已量产的Electron E1芯片，相比传统CPU架构声称有10到100倍的能效提升。

Lucia的论证依赖阿姆达尔定律：如果一次计算只有90%能放进专用加速器，最大可能的收益就是10倍，因为剩下的10%仍然低效。对过去三年关注过AI硬件创业公司的人来说，这套说辞并不陌生。而且估值是公司自己的说法，不是经过审计的数字。

同一天，Oracle宣布了Oracle Fusion Claw，一个受治理的智能体执行运行时，以及25个由Claw驱动的新应用。新闻稿引用CEO Mike Sicilia的话说，该产品把客户“从AI辅助带到执行”。Oracle说，该运行时跑在Oracle Cloud Infrastructure上，由包括Gemini和OpenAI在内的前沿模型驱动。

这些都不是核聚变。这正是要点。这批材料中与核聚变相关的内容是一组近期标题，不是全文。这里可用的工作资料讲的是电力方程的需求端，不是任何新的反应堆结果。诚实的解读是：9月29日最新、记录最充分的发展，讲的是谁拿到电子、电子用得多高效，而不是等离子体约束有什么突破。

Stephen Wolfram 9月28日的文章，就AI与研究领域整体提出了一个相关的论点。他写道，现代AI“首先是一种利用人类既有知识语料库的方式”，而计算是“一种开放式的、生成根本且不可约简的新事物的方式”。数学家Dan Romik在9月29日发布的文章里说得更尖锐：AI模型生成的定理与其训练语料库“距离为一”，但它无法反思、简化或推广这些输出，所以一个自主循环“在写完距离为一的定理后不久就会停下来”。

CBC的报道指出，纽芬兰与拉布拉多当地也存在同样的张力。TechNL CEO Andrea King对CBC说，拉布拉多符合数据中心支持者想要的条件，也就是低碳水电、寒冷天气和土地，但这并不能解决问题。她说：“你必须看经济成本，以及这些电力还能拿去做别的什么的机会成本。”《Hyperscale》作者、科技记者Paris Marx对CBC提出了类似的观点，问把电力交给数据中心是否合理，因为可能存在更好的用途。该省没有点名任何支持方或项目。