休斯顿大学研发集装箱式碳捕获系统 SMEC，助力应对 AI 电力需求
随着人工智能技术的爆发式增长，全球电力需求正面临前所未有的压力。在此背景下，休斯顿大学（University of Houston）的研究团队开发出一项名为“小模块化电化学容器”（Small Modular Electrochemical Container, SMEC）的新型碳捕获技术。
该研究成果由休斯顿大学工程教授 Mim Rahimi 与前博士生哈桑（Hassan）共同完成，并已发表在学术期刊《环境科学与技术》（Environmental Science & Technology）上。SMEC 系统的核心优势在于其紧凑性：整套设备可装入标准的 40 英尺（约 12 米）运输集装箱中，无需依赖传统碳捕获系统中常见的大型昂贵基础设施。
Rahimi 表示：“我们正在将传统上需要巨大基础设施的技术进行微型化改造，使其能够适配运输集装箱的尺寸。”这一突破为碳捕获技术的应用场景和部署地点开辟了全新的可能性。
适应 AI 数据中心的高能耗与灵活性需求
根据美国能源部（U.S. Department of Energy）的数据，2023 年数据中心约占全美电力消耗量的 4.4%，预计到 2028 年这一比例可能攀升至 12%。为满足日益增长的算力需求，包括天然气发电厂在内的全天候可靠供电设施亟需扩容。
然而，将传统碳捕获技术整合进现有发电设施存在显著障碍。常规系统通常依赖大型吸收塔、高热量输入以及广泛的工厂结构改造。Rahimi 指出，使用传统系统往往意味着要为特定发电厂建造高达 130 英尺（约 40 米）的专用结构。
相比之下，SMEC 技术通过电化学手段在二氧化碳进入大气前将其从废气中分离。该技术将捕获与释放过程集成于单个电化学细胞中，消除了对大型吸收柱和专用膜的需求。更重要的是，其容量可通过简单开启或关闭容器单元来灵活调整。“对于同时使用天然气和可再生能源供电的数据中心而言，这种灵活性尤为关键。”Rahimi 补充道。
技术参数与实验室验证
SMEC 的核心组件是无膜电化学介导氨基再生（Membrane-less Electrochemically Mediated Amine Regeneration, EMAR）细胞。哈桑解释称：“无膜 EMAR 的模块化和对称架构构成了 SMEC 设计的基础，使我们能够将单个细胞组合成一个紧凑的系统，并扩展以满足不同的碳捕获要求。”
研究团队在实验室环境中模拟了天然气和燃煤发电厂的废气条件，对该技术进行了性能评估。数据显示，在最佳条件下，SMEC 实现了约 90% 的二氧化碳捕获效率，并在 50 小时内完成了 300 次循环测试，保持了稳定的运行状态。
大规模部署潜力：以 OpenAI 星门项目为例
为了评估该技术在实际工业场景中的应用潜力，研究人员构建了一个模型，模拟其在德克萨斯州阿比林（Abilene）OpenAI “星门”（Stargate）AI 数据中心项目相关的 360 兆瓦天然气发电厂中的运行情况。
分析结果表明，仅需大约 20 个运输集装箱大小的 SMEC 单元，即可捕获该发电厂 98% 的二氧化碳排放量。即使包含支持基础设施，拟议的设备占地面积也仅占数据中心 875 英亩（约 354 公顷）园区的一小部分。
尽管目前的研究重点仍集中在固定源排放（如发电厂），但 Rahimi 认为该技术具备更广阔的应用前景。“我们正在努力让这项技术能够直接从大气中捕获二氧化碳，这将使系统能够在任何地方独立运行。”
