2026年5月7日，化学与工程新闻（C&EN）刊发了题为《解决AI能源危机，从分子层面着手》的观点文章。文章指出，随着人工智能技术的爆发式增长，全球数据中心的能耗正以前所未有的速度攀升。许多专家和决策者将希望寄托于修建更多的发电设施、部署可再生能源或提升电网传输能力。然而，本文作者提出了一个更为根本性的观点：AI能源危机的答案不在于获取更多电力，而在于通过更好的化学和材料科学来大幅降低每次计算所消耗的能量。
AI能耗的惊人增长
过去五年中，大规模AI模型的训练和运行已成为全球电力需求增长最快的领域之一。以当前最先进的大语言模型为例，其训练过程需要消耗数百万千瓦时的电力，相当于数百个家庭的年用电量。国际能源署（IEA）的预测数据显示，到2030年，全球数据中心的电力消耗可能占到全球总发电量的8-10%。
互连技术的瓶颈
在数据中心内部，能源浪费的一个关键环节是"互连"——即芯片与芯片之间、板卡与板卡之间的数据和能量传输。传统互连技术主要依赖铜导线，其在高频信号传输中的电阻损耗、串扰和发热问题日益突出。对于AI计算而言，海量参数的频繁交换是不可避免的，这些通信过程消耗的能源可能占到总能耗的30-40%。
分子层面的创新
首先是新型导电材料的开发。研究人员正在探索基于石墨烯、碳纳米管和各种二维材料的新型互连技术，这些材料不仅具有超高的电导率和热导率，还具备优异的机械柔韧性。其次是光电互连技术，通过将电信号转换为光信号进行传输，可以几乎消除电阻损耗。第三是热管理材料的创新，通过设计具有高导热性、低介电常数和低热膨胀系数的新型封装材料，可以有效降低芯片工作温度，减少冷却需求。
存内计算的材料需求
"存内计算"（Processing-in-Memory, PIM）架构通过在内存芯片内部集成计算单元，大幅减少了数据搬移，而要实现高效的PIM，就需要开发兼具优异存储性能和计算能力的新型功能材料。具有忆阻效应的有机-无机杂化材料、铁电聚合物等正在这一领域展现出巨大潜力。
产业界的响应
一些具有前瞻性的科技公司已经开始在分子层面布局。某全球领先的AI芯片制造商最近宣布与顶尖材料科学研究所建立长期合作，共同开发下一代低能耗互连技术。美国能源部下属的多个国家实验室也已启动了专门针对"AI能效材料"的研究计划。作者在文章结尾强调："电网正在AI的胃口面前不堪重负，但答案不是更多电力，而是更好的化学。"