气候科技风投转向 AI，将资本从减碳引向数据中心供电

在 2026 年上半年全球行业投资达到 261 亿美元后，气候科技风投已大幅转向 AI。资金正流向发电、电网设备、冷却系统和数据中心。这一转变重振了一个曾受政策反复和艰难退出环境冲击的投资类别，但也带来令人不安的矛盾：即使减排并非首要目的，只要技术能帮助 AI 获得电力，也可能吸引资本。

气候科技风投转向 AI，源于一个基本的商业信号。超大规模云服务商需要海量且可靠的电力，而公用事业公司正面临电网拥塞和设备排队周期漫长的问题。能够解决这些制约的初创企业，如今面对的是预算充足、建设工期紧迫的客户。碳移除、低碳燃料及其他以减排为目标的技术，则必须与这类即时需求竞争。

这不只是营销措辞的暂时改变。它改变了投资者评判气候科技初创企业的方式，改变了哪些技术能够实现商业化规模，也改变了稀缺工程人才的流向。同一笔资本既能推动清洁电力与电网现代化，也可能为维持数据中心运行的化石燃料基础设施提供资金，同时推高当地成本和排放。

气候科技风投转向 AI，已在重塑融资格局

AI 基础设施已成为引导气候技术投资的最强力量，取代减排成为最明确的短期销售理由。

市场情报公司 Currence（原名 Sightline Climate）统计，2026 年上半年全球气候科技风险投资达到 261 亿美元，较一年前同期增长 55%。其投资分析指出，AI 基础设施建设是增长的最大驱动因素。

低碳数据中心占该期间总投资的 34%。包含此类项目的建筑环境类别增长超过 800%，并在 Currence 的数据集中超过能源类别，成为最大的垂直领域。

这些数字需要结合背景来看。一些规模极大的融资就能显著拉动六个月期的风险投资总额。数据中心开发商也更像基础设施企业，而非传统软件初创公司。它们的融资用于土地、建筑、电力系统以及其他资本密集型资产。

不过，发展方向已经很清楚。投资者不再只是支持衡量企业碳足迹的软件，而是在为发电、输电、电力电子、热管理系统、柔性负荷软件以及实体数据中心容量提供资金。

新的融资叙事往往从速度和可靠性开始。数据中心开发商需要电力接入、冷却设备、变压器、备用系统以及可信的运营时间表。能够消除一个瓶颈的能源初创企业，就能解决客户显而易见的问题。

这一命题不同于以气候为先的投资逻辑。传统气候投资从排放源出发，探寻哪种技术能将其消除；AI 基础设施投资则从一个计算项目出发，思考如何让它获得供电。

这两个目标有时会重叠。先进地热、核电、储能和电网增强技术，可以在不完全依赖化石燃料发电的情况下提供电力。大型科技公司也可以为新兴能源系统提供融资所需的长期合约。

不过，这种重叠并非必然。效率更高的柴油发电机仍然燃烧柴油。燃气电厂可能比某些零碳替代方案更快提供可靠电力。围绕可再生能源设计的数据中心，仍可能加剧对输电容量、设备和土地的竞争。

这一区别解释了为何这一转变至关重要。风险资本影响哪些原型能成长为公司、哪些工厂得以建设，以及哪些技术职业道路在商业上显得更具吸引力。围绕 AI 需求组织的融资市场，将产生与围绕避免排放组织的市场不同的技术组合。

这一发展也改变了“气候科技”的含义。该标签越来越多地涵盖这样的企业：其主要客户是超大规模云服务商，核心指标是已交付的电力。它们的环境价值取决于发电来源、部署地点、运营模式以及所替代的技术。

这一更宽泛的定义可以帮助可行的能源技术走出示范阶段。但它也可能让普通基础设施项目借用气候语言，却并未带来显著的碳减排。投资者和客户必须区分这两种结果。

AI 需求已让电力成为决定性约束

投资转向的原因在于，计算能力不再只受芯片、资本或建设条件限制，而是越来越受制于电力。

根据国际能源署的数据，数据中心在 2024 年全球耗电约 4,150 太瓦时，约占全球电力消费的 1.5%。该机构预计，到 2030 年，这一需求将增长逾一倍，达到约 9,450 太瓦时。

以 AI 为重点的设施贡献了其中大部分增长。加速服务器使用专为 AI 和其他并行工作负载设计的处理器，单个机架的耗电量远高于许多传统系统，同时还需要更多冷却与电力设备。

国际能源署预计，在其基准情景下，加速服务器的用电量将以约 30% 的年增长率上升。到 2030 年，这些设备将贡献数据中心电力消费净增量的近一半；传统服务器所占比例则小得多。

全球占比可能让问题看起来仍可控。数据中心在需求增长中的占比，依然低于若干更广泛的经济类别。但其地方性影响远为集中。

一个大型园区的用电需求可能与高耗能工业设施相当。多个拟建园区也可能在短期内集中落在同一公用事业服务区域。届时，电力规划者必须考虑新的变电站、输电线路、发电设施和备用容量。

美国体现了这种压力。数据中心在 2023 年消耗约 1,760 太瓦时电力，占全国用电量的 4.4%。美国能源部的数据中心评估预计，到 2028 年，这一范围将达到 3,250 至 5,800 太瓦时。

这将占美国电力消费的 6.7% 至 12%。如此宽的区间很重要，因为没有投资者或公用事业公司知道最终需求会达到何种水平。AI 采用情况、硬件效率、融资条件和电网延误，都可能改变结果。

国际能源署估计，若不解决电网风险，约 20% 的已规划数据中心项目可能面临延期。数据中心有时可在两三年内建成，而大型输电和发电项目往往需要更长时间。

这种时间错配为初创企业创造了机会。电网软件可以识别闲置容量或协调柔性需求。新型冷却系统可以降低设施的电力和用水需求。现场发电则可减少对延迟电网接入的依赖。

柔性负荷技术提供了另一条路径。它使计算设施能在电网紧张时减少或重新安排部分任务。与医院或其他持续关键负荷不同，AI 训练任务有时能够承受有限的调度变化。

Emerald AI 通过开发这一模式吸引了投资者。该公司称，其软件可根据电网状况动态调整数兆瓦级数据中心工作负载。2026 年 8 月，公司宣布完成 1.5 亿美元 A 轮融资，估值为 10.5 亿美元。

该轮融资吸引了专注能源的基金和大型工业参与者。Nvidia、Samsung Ventures、Siemens、GE Vernova、RWE 及其他投资者参与其中。这一广泛的投资者群体表明，AI 供电问题已将风险资本、计算供应商、公用事业公司和设备制造商连接起来。

Emerald 表示，其已完成五项全球示范项目并实现商业部署。这些说法仍需持续的独立验证，尤其是在不同工作负载和电力市场中。不过，这笔融资反映出市场对将计算视为可调节电网资源的解决方案存在强劲需求。

发电初创企业同样受到关注。先进核能开发商承诺提供稳定的零碳输出，地热企业则寻求可靠的地下热能资源。电池企业提供短时支持，长时储能开发商则瞄准更长的供电缺口。

没有任何一种方案能提供普适答案。核电项目面临建设、许可、燃料和成本风险。地热开发仍高度依赖具体地点。储能经济性取决于持续时长和循环使用，而可再生能源项目仍需要输电和并网支持。

因此，天然气仍具竞争力。它可调度、为公用事业公司所熟悉，并且拥有既有供应网络支持。国际能源署的能源展望预计，到 2035 年，天然气将为数据中心额外提供 1,750 太瓦时电力。

这一预测揭示了核心压力。AI 公司追求速度、可靠性和规模；气候投资者则寻求商业客户和可辩护的回报。即使不能带来最大幅度的减排，最快落地的项目也可能胜出。

为 AI 供电与减碳并非同一种投资逻辑

最核心的逆转在于，气候资本如今追随的是新的能源消费来源，而不再只专注于消除排放。

当 AI 需求为更清洁的电力创造了稳定买家时，它可以支持脱碳。新兴能源项目往往难以在客户签署长期协议前获得融资。超大规模云服务商能够提供贷款机构所需的信用质量和采购规模。

这一机制对资本密集型技术尤其重要。新的反应堆设计或地热系统无法仅靠小规模试点销售实现扩张。它们需要场址、许可、设备、并网接入，以及愿意承担开发风险的客户。

数据中心可以成为这些客户。它们的用电需求庞大、长期且在项目投运后相对可预测。其所有者也面临控制 AI 增长相关排放的公众压力。

由此可能形成一座有用的商业桥梁。科技公司获得电力，能源初创企业则从示范项目迈向运营项目。在客户提供可信订单后，设备制造也能够扩大规模。

Elemental Impact 已通过一项涉及 Amazon、Google、Meta 和 Microsoft 的数据中心创新计划，将这一做法部分制度化。该计划拟在 2027 年前向最多十家初创企业的每个项目投资 50 万至 500 万美元。

该计划重点是在真实的数据中心环境中部署能源和材料技术。这一点很重要，因为气候硬件往往难以跨越从试点成功到可复制的商业化生产之间的鸿沟。投资者常将这一鸿沟称为“死亡之谷”。

真实设施能够为初创企业提供运营数据、标杆客户，以及后续融资所需的证据。技术公司则有机会在将设备推广至更大规模机群之前进行测试。双方获得的价值都超过又一次实验室试验。

然而，客户需求本身并不能决定环境价值。一项让数据中心更易建设的技术，可能会提高整体用电量。效率提升或许能降低每次计算的能耗，但总体使用量仍可能持续增长。

当企业购买清洁能源证书，或在远离设施的地区签署合同时，核算会变得更加复杂。按年度匹配可以表明可再生能源发电量等于年度用电量，却无法证明数据中心在每一个运行小时都使用了无碳电力。

本地电网同样重要。即便企业宣称已签约采购可再生能源，在风能或太阳能出力下降时，项目仍可能依赖化石燃料发电。即使企业核算显示碳足迹较低，新增需求也可能改变边际上由哪些电厂运行。

因此，AI 电力投资趋势包含两种不同的主张。第一种为扩大清洁发电、输电、储能或灵活性技术提供资金。第二种则为任何能够足够快地提供可用兆瓦容量的系统提供资金。

投资者可以在同一投资组合中持有这两种立场。某支基金可能同时投资先进核能技术和低排放柴油发电机。两家公司都在解决数据中心可靠性问题，但两项投资的脱碳效果截然不同。

这带来了一个衡量难题。来自 AI 客户的收入，并不能证明一家初创企业降低了全社会的排放。投资者需要了解基准技术、预计运行时长、燃料来源、部署规模以及反弹效应等方面的证据。

比较时应考察项目替代了什么。一套避免建设调峰电厂的灵活负荷平台，可以降低成本和排放。如果同样的软件只是支持更快增长、却没有避免基础设施建设，其气候价值就会更低。

地理位置可能完全改变答案。水电资源丰富地区的新增需求，其排放特征不同于高度依赖燃煤电网地区的需求。缓解拥塞的项目可能帮助一个地区，却将发电压力转移到其他地区。

时间也会改变计算结果。为应对即时短缺而建设的燃气电厂，可能运行数十年。其最初作为过渡方案的角色，可能造成长期碳锁定，即在更清洁的替代方案出现后，基础设施仍继续排放。

这并不意味着与 AI 相关的能源投资天然有害。它意味着气候结果必须被证明，而不能被想当然地认定。电力可得性和减碳是两类独立的绩效指标。

这一标准同样能保护可靠的初创企业。那些可量化地提供电网灵活性、清洁发电或效率提升的公司，不应与仅借助气候品牌包装的项目在同等条件下竞争。更好的衡量方式有助于资本区分两者。

气候科技风险投资向 AI 转向，仍可能推动脱碳，但前提是投资者保持这种纪律。否则，“为 AI 供能”将成为目标，而气候影响主要只会留存在融资推介材料中。

融资热潮让重要的气候技术被忽视

流向 AI 基础设施的资本创造了赢家，但并未解决整个气候技术领域更广泛的融资危机。

Currence 的头条数据展现了整体市场的强劲表现。但其背后的分布并不那么令人安心。大型数据中心和基础设施融资轮次占据了总额的很大一部分，而多个以减排为核心的领域依然疲软。

据有关投资数据的报道，碳管理和低碳燃料在 2026 年的融资均出现下滑。这些领域针对的是更清洁的数据中心无法消除的工业和交通排放。

碳管理涵盖碳捕集、利用、封存和清除技术。低碳燃料则面向难以直接电气化的行业，包括航空、航运以及部分工业流程。它们的客户通常不像超大规模云服务商那样具有迫切的支出需求。

这种差异改变了风险投资的经济逻辑。数据中心供应商可以面向少数存在即时容量问题的大型买家。一家碳清除公司则可能依赖自愿采购、政策激励或未来的合规市场。

低碳燃料还面临另一条艰难路径。它们必须建设生产设施、确保原料供应、满足技术标准，并与成熟燃料竞争。其气候价值可能相当可观，但营收增长或许仍较为缓慢。

政策不确定性加剧了这种分化。历史上，政府激励和排放法规一直支持那些环境效益超过即时商业价值的技术。当这些政策弱化时，AI 需求就成为少数仍能带来大规模采购的来源之一。

这也解释了为什么融资转向对个体投资者而言看似合理。风险基金必须为资本带来回报，而不只是减少排放。一家拥有超大规模云服务商合同的初创企业，看起来比依赖不确定碳市场的公司更安全。

问题会在投资组合层面显现。如果大多数投资者都追随同一商业信号，整个技术类别都可能失去资金。研究人员离开，制造计划停滞，有价值的知识产权得不到部署。

聚焦 AI 的投资也可能挤占实体供应链。数据中心会争夺变压器、涡轮机、开关设备、建筑工人和电网接入资源。清洁能源项目需要其中许多相同资源。

地方社区则面临另一组权衡。当新的数据中心需要重大升级时，公用事业公司可能将基础设施成本分摊给所有客户。如果预期需求未能出现，家庭和小型企业可能承担部分财务风险。

电力可负担性已经成为新设施建设面临的政治约束。监管机构必须决定，专为异常庞大客户建设的发电和输电设施应由谁买单。这些决定可能决定项目能否推进。

用水、噪音、土地占用和备用发电还会引发更多反对。一项年度碳排放较低的项目，仍可能给当地带来集中的成本。气候资质并不能消除社区审查的必要性。

这一投资逻辑还取决于人们对 AI 经济性的持续信心。Currence 和其他分析师追踪着庞大的项目储备，但最终规模仍不确定。模型效率、客户需求、芯片进展和融资成本都可能改变建设计划。

如果这些项目被推迟，一家估值建立在预期吉瓦容量基础上的初创企业将面临严重风险。硬件企业无法像软件公司那样快速削减开支，因为工厂、设备和工程项目都带有固定成本。

新投资者可能低估这些约束。企业软件公司习惯于能够通过云端分发扩展的产品，而能源硬件则需要测试、认证、采购、建设和长期维护。

风险投资中失败不可避免，但被抬高的预期可能损害整个类别。一连串代价高昂的崩盘，可能令技术扎实的公司日后更难融资。气候技术在当前 AI 热潮之前也经历过类似周期。

风险不仅在于 AI 投资泡沫破裂。更深层的风险是，气候资本围绕单一客户类别重新组织，然后在这一类别放缓时撤退。

更具持久力的策略，是将数据中心视为早期买家，而不是唯一市场。电网设备还应服务于公用事业公司、制造商、交通系统和不断发展的社区。清洁发电的价值也应超越单一的计算周期。

投资者还应将运营里程碑与融资事件区分开来。一轮大型融资证明一家公司吸引到了资本，却不能证明其系统能以商业化规模实现经济运行。

独立的绩效数据将十分重要。投资者需要了解容量因子、安装周期、交付能源成本、客户集中度以及经核实的排放结果。这些指标能够揭示一家初创企业是否正在打造可持续的能源业务。

这一区分对于核能及其他首创项目尤为重要。一份长期协议可以改善融资前景，却无法消除工程或监管风险。建设表现仍是决定性考验。

对于灵活负荷软件，关键证据在于可重复性。一次演示必须转变为可在多个电网、计算工作负载和市场规则下可靠运行的商业服务。运营商必须在响应电网请求时保持性能。

对于数据中心开发商，投资者应考察低碳声明是否符合其逐小时运营情况。他们还应评估项目面临许可延误、输电限制和客户取消订单的风险。

气候科技风险投资向 AI 转向值得审视，因为它的机会与脆弱性来自同一来源。AI 提供需求、资本和紧迫感，而对 AI 的依赖也会集中风险。

三个信号将显示这场转向是否兑现成果

下一项考验是，AI 驱动的资本能否带来投入运行的清洁能源容量、可衡量的电网效益，以及更广泛的气候市场。

第一个信号是商业化部署。已宣布的反应堆、地热电站、储能项目和电网工具必须完成许可和建设。投资者应关注投运日期和已交付容量，而不仅仅是合同或融资轮次。

如果项目接近其公布的时间表投入运行，AI 投资逻辑将更具可信度。数据中心需求将有助于为此前难以规模化的新型能源技术融资。反复延期则会削弱这一结论。

第二个信号是经过验证的灵活性。Emerald AI 和类似公司认为，数据中心能够作为电网资产，而非缺乏弹性的负荷。它们的系统必须证明，在电网压力期间，计算需求能够安全地作出响应。

该公司的融资公告称，其技术已实现商业化、多兆瓦部署。接下来的证据应包括其在更多客户和区域电力系统中的可重复表现。

强劲的结果将支持一种更高效的替代方案：无需为每一个预期峰值建设发电设施。若结果薄弱或适用范围狭窄，公用事业公司仍将面临同样的基础设施扩张，只是可用于控制成本的工具更少。

第三个信号是数据中心之外的资本。这个投资周期最强的版本，将创造日后能够扩展至更广泛经济领域的技术。最弱的版本，则会让气候融资依赖于超大规模云服务商的数据中心建设。

投资者应关注碳管理、低碳燃料、工业热能、气候适应及其他资金不足类别是否复苏。若持续下滑，将表明 AI 正在缩窄气候技术领域，而非增强它。

同样的问题也适用于服务多类客户的初创企业。若一项电网技术先从数据中心切入，随后拓展至工厂和公用事业领域，其市场前景会更具持久性，也能创造更广泛的公共价值。

公共机构和监管部门将影响这三个信号。并网改革能够加速有价值项目的落地，而审慎的费率设计则可保护其他用电客户。许可审批决定将揭示哪些社区接受所提出的权衡。

企业采购同样重要。Amazon、Google、Meta 和 Microsoft 正与 Elemental Impact 合作开展部署项目。这项创新倡议为检验大型采购方能否推动新兴系统走出试点阶段提供了结构化测试。

其成败应以部署和复制情况来衡量。一个始终未能转化为重复订单的示范项目，对解决能源约束帮助有限。若一项技术被多处设施采用，则可能重塑设备市场。

从事 AI 工作的读者应当关注这一点，因为能源约束将影响产品可用性、运营成本和基础设施的地理分布。无论处理器或模型如何进步，延迟的电网接入都可能限制算力扩张。

企业采购方也应预期会面临更多关于 AI 工作负载运行地点及电力供应方式的问题。采购团队或许需要在安全性、性能和数据治理之外，同时评估区域电网状况。

知识工作者面临的影响较为间接，但同样重要。AI 服务依赖于无法像普通软件那样扩展的物理系统。持续关注能源协议、监管决定和建设里程碑，将成为理解这一领域的关键。

可检索的知识库可帮助团队将这些进展与供应商声明及内部 AI 计划联系起来。相关证据将分散在监管申报、公告、公用事业程序和技术报告之中。

气候科技 VC 向 AI 的转向，既不必然意味着清洁能源的胜利，也不必然代表对气候目标的放弃。它本质上是将资本重新投向一个规模异常庞大、需求迫切的买方。

决定性问题在于，这些资本最终建设了什么。它是否带来了新的无碳电力、灵活计算能力，以及可服务其他用户的电网容量？还是主要加速了数据中心建设，而被忽视的排放源仍在等待解决？

关注已投入运营的项目、经验证的电网表现，以及超大规模云服务商之外的投资。这些信号将表明，为 AI 供能究竟成为通向更广泛脱碳的桥梁，还是仅仅取代脱碳，成为气候技术的核心目标。