就在北美 AI 企業(yè)集體陷入 "能源短缺困境" 的關鍵節(jié)點，當?shù)貢r間 12 月 18 日，美國特朗普政府再度推出極具戰(zhàn)略性的 "創(chuàng)世紀計劃"，并于本月正式啟動公私合營模式。

盡管這是一份與科技相關的戰(zhàn)略布局，但此次牽頭的是手握全美核心科研資源的美國能源部（DOE，Department of Energy），英偉達、OpenAI、谷歌、微軟等 24 家頂尖 AI 和算力企業(yè)集體抱團入局，這波操作被外界直接對標 "曼哈頓計劃"。

報道稱，"創(chuàng)世紀計劃" 是能源部近年來規(guī)模最大的科研戰(zhàn)略舉措，核心目標是用 AI 重構科學研究與能源生產體系，不僅要穩(wěn)固美國的科技霸權，更要破解 AI 發(fā)展與能源供給不足的核心矛盾。

更進一步說，特朗普政府希望借助 AI 技術，在十年內將美國的科研生產力與全球影響力提升一倍。

不同于常規(guī)項目的分散推進，"創(chuàng)世紀計劃" 構建了清晰的頂層設計與緊湊的推進時間表 ——60 天內確定 20 個具備高 AI 突破潛力的科技挑戰(zhàn)課題，90 天內整合盤點全聯(lián)邦計算資源，270 天內完成首個挑戰(zhàn)課題的平臺試運行。

為此，能源部拿出 3.2 億美元作為首批投資，重點搭建美國科學云與轉型 AI 模型聯(lián)盟兩大基礎設施：前者負責 AI 模型與科學數(shù)據(jù)的托管與分發(fā)，后者聚焦具備自我迭代能力的 AI 模型研發(fā)，形成 "聯(lián)邦搭臺、全域共享" 的科研基礎設施生態(tài)體系 —— 簡單來說，一個是管理 AI 模型和科學數(shù)據(jù)的 "共享倉庫"，一個專攻可自我升級的 AI 模型，最終打造一套可共建共享的科研基建生態(tài)。

因此在當天的聲明中，白宮科技政策辦公室主任 Michael Kratsios 表示，目前 24 家 AI 企業(yè)的加入僅是開端，未來將持續(xù)吸納更多企業(yè)、高校、非營利組織及聯(lián)邦機構加入，這也契合其 "國家任務" 的定位。

作為美國聯(lián)邦政府下屬的重要部門，能源部下轄洛斯阿拉莫斯、橡樹嶺等 17 個國家實驗室，坐擁全球頂尖的超級計算機、海量科學數(shù)據(jù)集以及四萬余名科研人員，而這三者正是大規(guī)模 AI 系統(tǒng)訓練與部署的核心支撐條件。

此外，主導該計劃的能源部科學副部長 Darío Gil，更是兼具 AI 與量子計算深厚造詣的跨界頂尖專家。他表示，計劃將打造 "有史以來最復雜、最強大的科學儀器"，實現(xiàn)超算、AI 系統(tǒng)與精密科學儀器的深度協(xié)同聯(lián)動。

在全球 AI 企業(yè)普遍面臨能源短缺困境的大背景下，美國政府已逐漸意識到，利用 AI 破解能源生產與利用的效率瓶頸，正是該計劃的關鍵發(fā)力點之一。

從已曝光的合作方向來看，24 家科技企業(yè)早已覆蓋能源領域的核心賽道：例如，英偉達正與能源部聯(lián)手開展裂變、聚變能源研究，通過 AI 數(shù)字孿生技術優(yōu)化反應堆運維，降低安全風險；谷歌推出的 AI co-scientist 多智能體工具，能大幅縮短新型儲能材料、高效光伏材料的研發(fā)周期；即便在智能電網(wǎng)調度、能源供應鏈優(yōu)化等場景中，AI 也能有效提升運行效率。

事實上，這些研究已有實證支撐：例如通過 AI 算法精準預測風電、光伏發(fā)電的波動，優(yōu)化調度與運維策略，可使可再生能源的供電穩(wěn)定性提升 15%-20%，對緩解能源短缺的效果十分顯著。

最值得玩味的是，此次抱團的 24 家機構堪稱 "冤家聚頭"：英偉達與 AMD 在 GPU 領域競爭多年，谷歌、微軟、亞馬遜在云計算領域競爭白熱化，OpenAI 與谷歌 DeepMind 在大模型賽道也針鋒相對。

但在 "AI + 能源" 這一國家戰(zhàn)略面前，這些競爭對手達成了共識：當能源成為發(fā)展瓶頸后，單靠一家企業(yè)單打獨斗難以破解這一難題，借力聯(lián)邦資源不失為一條 "捷徑"。

在此之前，這種 "政府搭臺、企業(yè)抱團" 的模式已有多次成功案例 —— 從冷戰(zhàn)時期的國防承包商聯(lián)盟，到互聯(lián)網(wǎng)時代的半導體產業(yè)協(xié)同發(fā)展，美國政府始終是背后的核心推手。

而此次在 AI 領域的投入力度與資源整合決心，比以往任何一次都更為強勁。

當然，這場 "科技豪賭" 也暗藏不少變數(shù)。3.2 億美元的啟動資金看似不菲，但與私營企業(yè)動輒數(shù)百億美元的 AI 投入相比，無異于杯水車薪。

更關鍵的是，計劃尚未明確總預算規(guī)模及后續(xù)資金來源。而技術落地更是核心挑戰(zhàn)：在核電站安全決策、電網(wǎng)應急調度等關鍵場景中，AI 大模型的 "黑箱" 問題與幻覺風險，使其可靠性存疑。

除此之外，相較于面臨能源短缺的北美 AI 企業(yè)，中國 AI 企業(yè)在能源方面的顧慮更少，更能為 "AI + 制造" 的全面智能化轉型提供有力支撐。相較于美國以市場為導向的發(fā)展模式，中美雙方在 AI 能源應用的技術路徑、標準制定上注定將走出不同的發(fā)展路徑，這也將為后續(xù)新一輪 "AI 競賽" 埋下伏筆。