Rice大学研究：碳捕获与封存或可捕获美国数据中心74%碳排放

你刚用AI生成了一张精美的配图，隔壁同事让大模型写完了季度报告，楼下的初创公司正在训练一个千亿参数的新模型——这些场景正变得越来越日常，但很少有人意识到，每一次敲击键盘背后，都有一群沉默的巨兽在吞电吐碳。它们就是数据中心。当AI把算力像水电一样铺进每一个应用时，数据中心的用电量和碳排放正在以令人不安的速度爬升。更现实的问题是：我们一边要更聪明的AI，一边又要守住气候目标，这两者能兼得吗？

最近，莱斯大学（Rice University）化学与生物分子工程系兼职教授、低碳能源公司Low Carbon Energies LLC创始人Hon Chung Lau，以及该公司能源转型顾问Steve C. Tsai，在《Energy & Fuels》期刊上发表了一项研究，给出了一个可能的答案——碳捕获与封存（CCS）或许能在AI时代的电力饥渴与脱碳承诺之间，找到一条务实通道。

Lau教授本人说得直白：“数据中心正在成为AI时代最棘手的能源挑战之一。问题不仅是我们能不能建出足够的算力基础设施，更在于我们能不能以可靠、负担得起且与脱碳目标兼容的方式为它们供电。”这几十个字里，藏着整个行业的集体焦虑。

研究团队没有坐在书斋里臆测，而是老老实实翻了一遍美国公开的已宣布建设的数据中心数据，包括预测装机容量、电力来源和地理位置，然后按照各州的电力结构估算了数据中心相关的碳排放量，接着研判这些二氧化碳能不能被捕获、并通过管道注入地下的咸水层（盐水层）长期封存。结果很值得细看。

数据中心膨胀速度：五年翻四倍，碳排直奔四亿吨

数字最能说明问题的严重性。据这项研究估算，美国数据中心的总电力容量可能从2025年的40吉瓦（GW）激增至2030年的169吉瓦，短短五年涨了四倍还多。做个不恰当但形象的比喻：169吉瓦大约相当于同时点亮17亿盏LED灯泡，或者满足差不多四五十个大型城市的全部用电需求。如果没有任何新的排放管控手段，支撑这些数据中心运转的化石燃料电厂排放的二氧化碳，将从2025年的约9000万吨/年，飙升到2030年的超过4.04亿吨/年。4亿吨是什么概念？它几乎相当于一个中等发达国家的年度总碳排。

从地域上看，这股算力风暴正在集中扫过德克萨斯、弗吉尼亚、宾夕法尼亚、俄亥俄、亚利桑那、科罗拉多、犹他和伊利诺伊等州。尤其是德克萨斯，研究估算，仅这一个州就需要在2030年前新增约25吉瓦的电力容量，才能喂饱即将落地的数据中心。而德克萨斯的电力结构中天然气占比较高，这意味着不加干预的话，碳排放将同步膨胀。

为什么是“碳捕获+天然气”这条路？

数据中心不能承受片刻的停电。AI训练任务需要连续运行几周甚至几个月，银行交易系统要求毫秒级的可靠性，这就要求电力供应必须24小时不间断且波动极小。现阶段，太阳能和风能虽然清洁，但靠天吃饭的间歇性让它们很难独自扛起这种“基荷”重担。Lau和Tsai的分析指出，配备碳捕获与封存装置的天然气联合循环（NGCC）发电厂，可能是近期最现实的低碳电力方案之一。

原因很直接：天然气在美国储量丰富，气电厂本身排放就比燃煤电厂少得多，而联合循环技术通过燃气轮机与蒸汽轮机联合作业，能将发电效率提升至60%左右，进一步降低单位电力的碳排放。更重要的是，美国许多数据中心扩张的热点区域——比如德州和俄亥俄等地——附近恰好有大片适合长期储碳的地下盐水层。这种“就近捕获、就近封存”的地理耦合，意味着可以在不新建超长管道的前提下，把排放出的二氧化碳压缩成液态，注入到深部咸水层中，通过物理封存和缓慢的矿化反应，将碳锁在地下数百年甚至上万年。

这里需要稍微解释一下“盐水层”：它并非我们平时说的地下淡水层，而是埋深通常在800米以下、充满高浓度盐水的多孔岩层。这些咸水因为矿化度太高，既不能饮用也不能灌溉，但它们的大孔隙和封闭盖层结构恰好成为二氧化碳的理想“容器”。注入的二氧化碳会逐渐溶解在咸水中，部分还会与围岩中的矿物反应生成碳酸盐，变成石头的一部分——这是自然界原本就存在的碳封存路径，只不过我们现在尝试用工程技术加速并集中化这一过程。

当然，研究团队并没有说这是唯一出路。Lau在论文中强调，碳捕获只是一种工具，不是万灵药。它需要和其他措施——比如提升可再生能源比例、改进数据中心冷却效率、优化AI芯片能效——一起上阵，才能让整个算力大跃进的碳账不至于崩盘。

️ 地下储碳空间的胃口有多大？

这项研究给出的最鼓舞人心的数字来自对地下存储容量的评估。他们发现，美国有34个州的盐水层储存容量，足以容纳当地数据中心在2030年之后超过100年的累计碳排放。这意味着从地质空间的角度看，不存在明显的物理上限。

具体到可捕获的量，计算显示，2025年这些盐水层就可以吞下约5900万吨来自数据中心的碳排放，占当年该行业总排放的大约66%。而到2030年，随着捕获设施部署加速，年捕获量可能攀升至2.99亿吨，相当于届时数据中心相关排放的约74%。如果把跨州存储的可能性也算进来——即排放源所在州如果存储空间不足，可以运输到邻近州进行封存——那么超过90%的数据中心相关二氧化碳排放理论上都能被碳捕获与封存技术抵消。

这样一个数字很容易让人产生“问题已经解决了”的错觉，但实际上74%或90%的实现，前提是碳捕获设备被大规模安装、管道网络建成、监管框架到位，并且成本可控。目前碳捕获技术的商业化推广还面临每吨捕获成本高、政策激励不确定、公众对地下注入的接受度等现实障碍。研究者只是用数据证明，这条路从技术容量和地理条件上看是走得通的，至于走不走、走多快，取决于接下来的投资和政策选择。

AI时代，别让电表吃掉所有绿色承诺

坦白说，大模型竞赛卷到今天，巨量的资本、算力、人才齐齐涌向“更大、更强”，但支撑这股洪流的能源基础设施却在很大程度上被当成背景板。每前进一位参数，背后都是实打实的机组运转、煤炭和天然气的燃烧。如果没有同步的低碳电力部署，AI产业的爆发完全可能成为全球脱碳进程中的一匹黑马——朝着相反方向狂奔。

这项研究最警醒的部分，不是技术参数，而是一个被反复验证的逻辑：算力需求不可能凭空出现，它必然要找到某个发电方式；如果一边喊脱碳口号一边用纯化石电力去驯服AI，那么数据中心将在无人察觉的时刻，悄悄变成一只碳排巨兽。Lau的报告相当于递出了一张诊断单：病情可能很快加重，但有效药物之一的碳捕获与封存就摆在桌上，要不要用，什么时候用，是留给科技公司、电网运营商和政策制定者的共同考题。

至于我们这些每天使用AI的普通人，也许可以在惊叹算法魔术之余，偶尔想一想屏幕另一端的那座巨大仓库——里面一排排服务器正在发光发热，头顶的烟囱正往外呼着看不见的二氧化碳。AI能不能既聪明又绿色，答案并不在技术论文的末尾，而在我们能否在算力饥渴和气候边界之间，找到那个“脚踏实地”的平衡点。