1月22日，特斯拉和SpaceX CEO马斯克在达沃斯论坛上提出将在太空建造太阳能驱动的AI数据中心，预计两年内实现，最迟三年。他强调太空的高效冷却条件可显著降低AI部署成本，但未明确商业化路线图。这一设想引发对‘太空光伏’（SBSP）的关注，即通过太空太阳能发电并传输至地面或太空设施。尽管技术构想早在上世纪70年代提出，但因发射成本、能量回传等问题尚未规模化。目前，加州理工学院与欧洲航天局均取得相关进展。与此同时，资本市场对太空光伏兴趣升温，特别是在AI算力需求激增背景下，中国也被视为潜在推动者。然而，这一概念仍处于想象阶段，更多反映资本市场的焦虑与探索。

1月13日，在2026年阿布扎比可持续发展周上，远景科技集团与阿联酋未来能源公司Masdar签署战略合作协议，共同推进AI能源系统的规模化应用和全球能源转型。远景发布全球首个能源大模型“远景天枢”，构建物理人工智能系统，实时协调可再生能源发电、储能及电网调度，推动能源成本趋近于零。“远景天枢”与气象大模型“远景天机”协同运行，预判气象因素对能源的影响，确保高效可靠运行。远景董事长张雷表示，这不仅是能源转型，更是人类文明的升级，为实现永续繁荣奠定基础。

近日，杭州铂科电子完成超亿元B轮及B+轮融资，引入领益智造、郑州航空港私募基金、周大福企业旗下六脉资本等多家战略与产业资本。资金将用于AI算力能源系统的核心技术研发、产能扩建及国际化布局。公司专注高性能算力电源与储能系统，推出“算储一体”解决方案，布局高压直流供电及液冷电源技术。董事长尹国栋表示，AI增长对电力需求远超传统能源演进速度，需重新定义能源架构。本次融资加速其在智能制造与全球协同领域的发展，推动AI能源系统产业化进程。

2025年，AI能源消耗问题引发全球关注。OpenAI创始人估算，用户对AI使用“请”和“谢谢”等礼貌用语，每年额外耗费数千万美元电费。数据显示，2024年全球数据中心耗电4150亿度，相当于日本18天用电量，其中40%用于冷却系统。AI能耗激增导致生态危机：弗吉尼亚州数据中心耗电量超居民用电总和，周边河流水温上升3℃致鱼类死亡。科技巨头尝试破局，OpenAI投资5000亿美元建设环保数据中心，Meta优化模型降低能耗。研究显示，减少礼貌用语可降低AI能耗18%，而新型AI技术或通过预测用户需求减少交互轮次。这场关于‘谢谢’的反思正重新定义数字文明的价值尺度。

路透社与Ipsos联合发布的最新民调显示，71%的美国人担忧AI可能导致大规模永久失业。自2022年底ChatGPT推出以来，AI迅速成为全球焦点，科技巨头纷纷跟进。调查还显示，77%的受访者担心AI被用于制造政治混乱，48%认为绝不应让AI决定军事打击目标。此外，超六成美国人对AI高能耗表示忧虑，谷歌已采取措施减少数据中心用电。AI在教育领域评价分化，36%认为其有帮助，40%持反对意见。此次调查收集了4446名美国成年人反馈，误差约2个百分点。

美国“星际之门”AI计划面临电力瓶颈，比特币挖矿公司Crusoe转型为AI能源供应商。Crusoe通过回收油田废弃天然气发电，向OpenAI、谷歌等大公司供应电力，计划2027年产出4.5千兆瓦。其独特模式结合低成本、灵活部署及环保优势，2024年收入近3亿美元，估值升至28亿美元。Crusoe利用数字火炬缓解系统捕获废弃天然气发电，成本低于电网电价，还能解决发热问题。然而，随着石油天然气资源枯竭及市场竞争加剧，Crusoe需寻找新增长点应对未来挑战。

标题：靠回收废气，28亿独角兽如何卡住“星际之门”背后的能源命脉 美国“星际之门”计划总投资5000亿美元，但AI发展的核心瓶颈竟是电力供应。Crusoe，一家从比特币挖矿起家的公司，已成为AI数据中心的主要电力供应商，计划2027年产出4.5千兆瓦电力，足够支持大量英伟达芯片。Crusoe出售...

《科创板日报》25日消息，诺基亚副总裁Subho Mukheriee透露，诺基亚正加大投资力度开发新型芯片组，目标是将产品功耗降低50%以上。作为全球领先的电信设备制造商，诺基亚指出，随着人工智能计算需求的增长，能源消耗面临严峻挑战，芯片技术的进步将成为缓解这一问题的关键。通过优化芯片设计，诺基亚希望显著减少数据中心及网络的电力使用，从而应对潜在的能源危机。

香港大学、北航与苏黎世联邦理工学院合作的BiLLM团队近期发布了一项突破性研究成果，他们在IEEE Spectrum上展示了一种名为BiLLM的训练后量化方法，能将大模型参数压缩至1.1bit，实现极致的内存节省。该方法针对LLM参数规模过大带来的挑战，通过1bit和2bit的混合表示，成功在OPT模型和Llama系列上超越现有技术。BiLLM在1.08bit下甚至优于全精度的OPT-66B模型，并能在半小时内完成7B LLM的二值化。研究已获ICML 2024接收，引发行业热议，强调数据质量和训练时间对模型性能的重要性。