“AI+能源”，“創(chuàng)造性破壞”推動(dòng)可持續(xù)發(fā)展

AI帶來(lái)能效提高，由此產(chǎn)生的節(jié)能量最終將數(shù)倍于AI本身的能耗。但這有個(gè)時(shí)間差，AI帶來(lái)的能耗增加是即時(shí)的，而AI應(yīng)用帶來(lái)的節(jié)能量需要3年-5年的時(shí)間逐步呈現(xiàn)

文｜翟永平

自2022年11月ChatGPT-3.5發(fā)布，生成式AI的指數(shù)級(jí)發(fā)展使其能源需求成為全球焦點(diǎn)。埃隆·馬斯克多次警告AI的盡頭是能源危機(jī)，“人們會(huì)看到，沒(méi)有足夠的電力來(lái)運(yùn)行所有的AI芯片”。

2024年底中國(guó)DeepSeek公司發(fā)布基于“混合專(zhuān)家”（MoE）架構(gòu)的新一代模型，其訓(xùn)練能耗大幅度降低約70%。這時(shí)微軟CEO薩蒂亞·納德拉又援引了一個(gè)160年前的經(jīng)濟(jì)學(xué)概念：杰文斯悖論。意思是當(dāng)AI模型的訓(xùn)練成本和能耗降低之后，可能刺激更多企業(yè)和機(jī)構(gòu)部署AI應(yīng)用，從而導(dǎo)致整體算力需求進(jìn)一步上升，進(jìn)而引發(fā)更大的能源消耗。

然而，上述觀點(diǎn)都忽略了一個(gè)關(guān)鍵維度：AI在實(shí)體經(jīng)濟(jì)中還可以扮演“節(jié)能利器”的角色。AI驅(qū)動(dòng)的能源供應(yīng)系統(tǒng)優(yōu)化，工業(yè)流程改進(jìn)，交通、建筑等能源消費(fèi)領(lǐng)域效率提高，可以實(shí)現(xiàn)大量的節(jié)能減排。AI既是能源消耗者（Energy for AI），更是能源系統(tǒng)的“效率倍增器”（AI for Energy）。

關(guān)鍵問(wèn)題在于：AI自身消耗的能源與使用AI之后節(jié)約的能源相抵，究竟能否實(shí)現(xiàn)凈正收益？

這筆關(guān)乎全球能源格局和氣候變化應(yīng)對(duì)路徑的宏觀賬本，正是本篇年終專(zhuān)稿試圖探討的議題。

Energy for AI：算力增長(zhǎng)的能源約束與破局之道

AI的爆發(fā)式增長(zhǎng)正在重塑全球能源格局。由于AI模型的訓(xùn)練與推理需求激增，數(shù)據(jù)中心成為電力需求增長(zhǎng)最快的行業(yè)。

1.AI的能源“胃口”到底有多大？

AI的能源需求正以遠(yuǎn)超預(yù)期的速度增長(zhǎng)。根據(jù)國(guó)際能源署的數(shù)據(jù)，2024年數(shù)據(jù)中心約占全球電力消耗的1.5%，即415太瓦時(shí)（TWh）。2024年，美國(guó)占全球數(shù)據(jù)中心電力消耗的比例最大（45%），其次是中國(guó)（25%）和歐洲（15%）。自2017年以來(lái)，全球數(shù)據(jù)中心電力消耗年均增長(zhǎng)約12%，是總電力消耗增長(zhǎng)率的四倍多。

國(guó)際能源署預(yù)測(cè)，到2030年全球數(shù)據(jù)中心電力消耗預(yù)計(jì)將增長(zhǎng)一倍以上，達(dá)到約945太瓦時(shí)，略高于日本當(dāng)前全國(guó)電力消費(fèi)總量。AI將成為這一增長(zhǎng)的最主要驅(qū)動(dòng)力，同時(shí)其他數(shù)字服務(wù)需求的持續(xù)擴(kuò)張也起到重要推動(dòng)作用。

從地域分布來(lái)看，美國(guó)在這項(xiàng)預(yù)測(cè)增長(zhǎng)中占據(jù)絕對(duì)主導(dǎo)地位，中國(guó)緊隨其后。特別值得注意的是，在美國(guó)，從現(xiàn)在到2030年間，數(shù)據(jù)中心將貢獻(xiàn)近一半的電力需求增長(zhǎng)。根據(jù)預(yù)測(cè)，2030年美國(guó)用于數(shù)據(jù)中心的電力消耗將超過(guò)其鋁、鋼、水泥、化工等所有能源密集型工業(yè)產(chǎn)品的生產(chǎn)用電總和。

面對(duì)AI的能源需求激增的挑戰(zhàn)，能源生產(chǎn)商特別是美國(guó)的化石能源公司多少有些竊竊私喜，美國(guó)天然氣及燃?xì)獍l(fā)電行業(yè)迎來(lái)“第二春”。美國(guó)豐富的頁(yè)巖氣資源成本低廉、供應(yīng)可靠，而天然氣電廠能快速響應(yīng)數(shù)據(jù)中心高穩(wěn)定性供電需求。相比可再生能源的間歇性，天然氣可靈活調(diào)峰滿(mǎn)足AI算力突增時(shí)的電力需求。以弗吉尼亞州為例，Meta、亞馬遜、微軟等巨頭在此建設(shè)超大規(guī)模數(shù)據(jù)中心。2024年該州數(shù)據(jù)中心用電量已占全州電力需求26%，預(yù)計(jì)2030年這一比例可達(dá)40%。

2.AI低碳能源供應(yīng)路在何方？

這樣看來(lái)，在AI爆發(fā)式增長(zhǎng)過(guò)程中并不缺電，但缺綠電。對(duì)此，業(yè)界正從技術(shù)革新、能源結(jié)構(gòu)這兩個(gè)維度尋找破局路徑。在政策層面，中國(guó)政府大力推進(jìn)“東數(shù)西算”來(lái)加速數(shù)據(jù)中心的綠色轉(zhuǎn)型。

在軟件算法方面，AI模型的訓(xùn)練和推理過(guò)程可以通過(guò)多種策略來(lái)減少能耗。例如，使用混合專(zhuān)家模型（MoE）可以在推理時(shí)選擇性地激活模型中最相關(guān)的部分，從而節(jié)省計(jì)算資源并降低能耗。模型壓縮技術(shù)（如知識(shí)蒸餾、量化和稀疏化）可大幅降低計(jì)算需求，模型輕量化技術(shù)大幅降低推理能耗。

硬件芯片的效率提升也是降低AI模型能耗的關(guān)鍵因素。隨著技術(shù)的進(jìn)步，新一代的GPU和其他專(zhuān)用芯片在能效方面有了顯著的提升。例如，最新的B200 GPU相比之前的H100和A100系列，在每瓦特浮點(diǎn)運(yùn)算上的能效分別提高了60%和80%。這些改進(jìn)不僅減少了單個(gè)芯片的能耗，還使得大規(guī)模AI模型的訓(xùn)練和推理更加高效。

硬件和軟件的協(xié)同設(shè)計(jì)也是提高能效的重要手段。通過(guò)共同優(yōu)化軟件和硬件，可以最大化能效和性能。例如，針對(duì)特定任務(wù)設(shè)計(jì)的模型可以減少不必要的計(jì)算，從而降低能耗。同時(shí)，邊緣計(jì)算技術(shù)通過(guò)在設(shè)備端運(yùn)行AI推理，減少了數(shù)據(jù)傳輸?shù)男枨螅M(jìn)一步降低了能耗。

2025年8月，谷歌發(fā)表研究論文公布了Gemini AI模型在生產(chǎn)環(huán)境中的能耗與環(huán)境影響。研究發(fā)現(xiàn)，2025年5月期間，單個(gè)文本提示的中位能耗僅為0.24瓦時(shí)，碳排放為0.03克，耗水量為0.26毫升，較早期公開(kāi)估計(jì)低1個(gè)-2個(gè)數(shù)量級(jí)。能耗下降的核心驅(qū)動(dòng)力來(lái)自全棧優(yōu)化：模型架構(gòu)上采用混合專(zhuān)家系統(tǒng)和注意力機(jī)制改進(jìn)，使計(jì)算量減少10倍-100倍；算法層面應(yīng)用精確量化訓(xùn)練（AQT）降低數(shù)據(jù)精度需求；推理優(yōu)化通過(guò)推測(cè)解碼和動(dòng)態(tài)批處理提升硬件利用率；定制TPU硬件能效較初代提升30倍；數(shù)據(jù)中心PUE（總能耗與IT設(shè)備能耗的比值，反映電能利用效率，越接近1越好）低至1.09。軟件效率提升與清潔能源采購(gòu)共同促成12個(gè)月內(nèi)能耗下降33倍，碳排放減少44倍。

科技公司高度重視綠電供應(yīng)。以中國(guó)騰訊公司為例，騰訊2022年公布碳中和目標(biāo)及行動(dòng)路線(xiàn)圖，明確提出2030年實(shí)現(xiàn)100%綠色電力的目標(biāo)。在美國(guó)，科技公司采取了多種策略和行動(dòng)來(lái)鎖定綠色能源供應(yīng)，比如簽訂長(zhǎng)期的可再生能源采購(gòu)協(xié)議（PPAs），這些PPAs不僅包括傳統(tǒng)的風(fēng)能和太陽(yáng)能項(xiàng)目，還涉及更先進(jìn)的技術(shù)，如小型模塊化反應(yīng)堆（SMRs）和下一代地?zé)崮堋９雀琛⑽④浀让绹?guó)科技公司還在探索小時(shí)級(jí)匹配的可再生能源供應(yīng)。這意味著不僅在年度的范疇內(nèi)實(shí)現(xiàn)100%可再生能源供應(yīng)，還通過(guò)與可再生能源資產(chǎn)（如風(fēng)能、太陽(yáng)能和儲(chǔ)能）的組合，確保每小時(shí)都能使用清潔能源。

在中國(guó)，隨著AI、云計(jì)算等新興技術(shù)的普及，國(guó)內(nèi)算力需求呈現(xiàn)年均30%以上的高速增長(zhǎng)，但東部地區(qū)面臨土地緊張、綠電供應(yīng)等問(wèn)題，數(shù)據(jù)中心建設(shè)遭遇瓶頸。與此同時(shí)，西部地區(qū)擁有全國(guó)70%的可再生能源資源，卻存在本地消納不足的困境。為優(yōu)化資源配置，2022年國(guó)家發(fā)展改革委等四部門(mén)正式啟動(dòng)“東數(shù)西算”工程，旨在通過(guò)構(gòu)建全國(guó)一體化算力網(wǎng)絡(luò)，引導(dǎo)東部算力需求有序向西部轉(zhuǎn)移。

據(jù)測(cè)算，在西部建設(shè)運(yùn)營(yíng)數(shù)據(jù)中心綜合成本約為東部的50%-70%，具備較大成本優(yōu)勢(shì)。八大國(guó)家樞紐節(jié)點(diǎn)已建成智算規(guī)模62萬(wàn)PFLOPS（1PFLOPS即每秒千萬(wàn)億次），約占全國(guó)智算總量的80%。國(guó)家鼓勵(lì)通過(guò)綠證、綠電交易提升數(shù)據(jù)中心綠電占比。推進(jìn)數(shù)據(jù)中心用能設(shè)備節(jié)能降碳，目前八大樞紐節(jié)點(diǎn)數(shù)據(jù)中心集群平均PUE（電能利用效率）達(dá)到1.3左右，最先進(jìn)數(shù)據(jù)中心PUE最低降至1.04。

AI for Energy——激活能源供應(yīng)與需求的創(chuàng)新應(yīng)用

1.AI在能源供應(yīng)端的創(chuàng)新應(yīng)用

AI技術(shù)通過(guò)增強(qiáng)預(yù)測(cè)精度、優(yōu)化運(yùn)行策略和提升維護(hù)效率，正在推動(dòng)全球能源供應(yīng)系統(tǒng)向更智能、更高效的方向轉(zhuǎn)型。

在可再生能源領(lǐng)域，AI通過(guò)分析氣象衛(wèi)星、地表傳感器和歷史發(fā)電數(shù)據(jù)，構(gòu)建高精度預(yù)測(cè)模型，有效應(yīng)對(duì)風(fēng)光發(fā)電的間歇性問(wèn)題。阿里巴巴達(dá)摩院開(kāi)發(fā)AI驅(qū)動(dòng)的天氣預(yù)報(bào)和新能源預(yù)測(cè)應(yīng)用，在“八觀”氣象大模型基礎(chǔ)上，推出可再生能源預(yù)測(cè)平臺(tái)eForecaster。該技術(shù)已在中國(guó)某省電力調(diào)度中心成功應(yīng)用，覆蓋262座風(fēng)電場(chǎng)和331座光伏電站，新能源發(fā)電功率和電力負(fù)荷預(yù)測(cè)的準(zhǔn)確率分別提升至96%和98%以上，助力電網(wǎng)在遭遇劇烈天氣變化時(shí)安全穩(wěn)定運(yùn)行。

在電網(wǎng)運(yùn)營(yíng)領(lǐng)域，AI技術(shù)通過(guò)深度學(xué)習(xí)和數(shù)據(jù)分析，能夠?qū)崿F(xiàn)對(duì)電網(wǎng)運(yùn)行狀態(tài)的實(shí)時(shí)監(jiān)控、預(yù)測(cè)和優(yōu)化，從而提高電網(wǎng)的穩(wěn)定性、可靠性和效率。在能源轉(zhuǎn)型的大背景下，電力系統(tǒng)的復(fù)雜性不斷提升，分布式電源數(shù)量增多，靈活調(diào)節(jié)資源類(lèi)型更廣泛，因此特別需要AI的加持。

其中一項(xiàng)重要工作是提升“電力需求預(yù)測(cè)”與“波動(dòng)性可再生能源出力預(yù)測(cè)”的準(zhǔn)確性，從而優(yōu)化電力行業(yè)資產(chǎn)（包括可調(diào)度發(fā)電廠、儲(chǔ)能設(shè)施及需求側(cè)靈活調(diào)節(jié)資源）的利用效率，最終提高整個(gè)電力系統(tǒng)的運(yùn)行效率。例如，法國(guó)的輸電系統(tǒng)運(yùn)營(yíng)商RTE與比利時(shí)的輸電系統(tǒng)運(yùn)營(yíng)商Elia均采用人工智能進(jìn)行實(shí)時(shí)預(yù)測(cè)，以評(píng)估系統(tǒng)供需失衡情況；日立能源（Hitachi Energy）推出的“諾查丹瑪斯”（Nostradamus）人工智能工具，可提供便捷獲取的負(fù)荷預(yù)測(cè)、市場(chǎng)電價(jià)預(yù)測(cè)及可再生能源出力預(yù)測(cè)服務(wù)；IBM研究院成立了GridFM工作組，旨在通過(guò)人工智能改進(jìn)電網(wǎng)運(yùn)營(yíng)與規(guī)劃——該工作組重點(diǎn)關(guān)注電網(wǎng)抗干擾能力、效率及可再生能源并網(wǎng)，利用預(yù)訓(xùn)練的最優(yōu)潮流模型和多模態(tài)數(shù)據(jù)，實(shí)現(xiàn)停電預(yù)測(cè)與負(fù)荷預(yù)測(cè)。

隨著電力系統(tǒng)中風(fēng)電、光伏占比的提升，火電廠的角色逐漸向“靈活調(diào)節(jié)”轉(zhuǎn)型，但這一轉(zhuǎn)變導(dǎo)致其平均效率下降。在這樣的情況下，將AI應(yīng)用于電力系統(tǒng)運(yùn)營(yíng)，通過(guò)優(yōu)化調(diào)度，可讓具備靈活調(diào)節(jié)能力的火電廠維持更高的利用率，從而最大限度減少效率損失。這些措施不僅能優(yōu)化資源利用，還能降低系統(tǒng)成本、增強(qiáng)電網(wǎng)穩(wěn)定性。此外，故障預(yù)警是AI在能源供應(yīng)端的另一個(gè)重要應(yīng)用。通過(guò)安裝智能傳感器和監(jiān)控設(shè)備，AI系統(tǒng)可以實(shí)時(shí)監(jiān)測(cè)電網(wǎng)設(shè)備的運(yùn)行狀態(tài)，及時(shí)發(fā)現(xiàn)異常并發(fā)出預(yù)警。這種預(yù)防性的維護(hù)方式不僅可以減少停電事故的發(fā)生，還能延長(zhǎng)設(shè)備的使用壽命，降低運(yùn)營(yíng)成本。

2.AI在能源消費(fèi)端的創(chuàng)新應(yīng)用

AI在能源消費(fèi)側(cè)的創(chuàng)新應(yīng)用主要體現(xiàn)在工業(yè)、交通和建筑三大領(lǐng)域，通過(guò)優(yōu)化生產(chǎn)流程、提升能效和增強(qiáng)系統(tǒng)靈活性，顯著降低了能源需求與碳排放。在工業(yè)領(lǐng)域，AI通過(guò)實(shí)時(shí)數(shù)據(jù)分析和機(jī)器學(xué)習(xí)優(yōu)化生產(chǎn)流程，例如國(guó)際鋼鐵巨頭安賽樂(lè)米塔爾（ArcelorMittal）公司利用AI算法實(shí)時(shí)調(diào)整盧森堡工廠的能源使用，實(shí)現(xiàn)3%的能效提升。水泥行業(yè)也通過(guò)AI優(yōu)化煅燒工藝，德國(guó)海德堡材料公司以此將熟料比降低5個(gè)百分點(diǎn)，單廠年減排4萬(wàn)噸二氧化碳。輕工業(yè)中，西門(mén)子埃爾朗根工廠通過(guò)全廠級(jí)AI優(yōu)化（包括電機(jī)尺寸調(diào)整和溫控策略）實(shí)現(xiàn)25%-42%的能耗強(qiáng)度下降。

交通領(lǐng)域，AI通過(guò)路線(xiàn)優(yōu)化、預(yù)測(cè)性維護(hù)和生態(tài)駕駛策略降低能耗。物流企業(yè)DHL旗下Greenplan開(kāi)發(fā)的AI工具為車(chē)隊(duì)規(guī)劃最優(yōu)路徑，減少20%燃油成本；沃爾瑪通過(guò)AI預(yù)測(cè)卡車(chē)維護(hù)需求，提升燃油效率5%-7%。在電動(dòng)汽車(chē)領(lǐng)域，AI精準(zhǔn)預(yù)測(cè)電池衰減并優(yōu)化充電策略，如TuSimple自動(dòng)駕駛卡車(chē)通過(guò)AI控制車(chē)速降低10%-20%能耗。在航空業(yè)，阿拉斯加航空應(yīng)用AI規(guī)劃飛行路徑，單次航班節(jié)油5%-12%。據(jù)估算，到2035年AI可使全球道路貨運(yùn)能耗減少1.5艾焦（相當(dāng)于4%的行業(yè)需求）。

建筑領(lǐng)域，AI驅(qū)動(dòng)的能源管理系統(tǒng)（BEMS）通過(guò)整合天氣、電價(jià)和室內(nèi)人數(shù)等數(shù)據(jù)實(shí)現(xiàn)動(dòng)態(tài)調(diào)控。瑞典某市政公司為600所學(xué)校部署AI-BEMS，結(jié)合1萬(wàn)個(gè)傳感器數(shù)據(jù)，每15分鐘調(diào)整暖通空調(diào)設(shè)定值，節(jié)電率達(dá)10%。印度Infosys園區(qū)在已有LEED鉑金認(rèn)證基礎(chǔ)上，通過(guò)AI再提升7%能效。新加坡某科技公司總部?jī)H用歷史數(shù)據(jù)訓(xùn)練AI模型，在沒(méi)有增加硬件設(shè)施的情況下即實(shí)現(xiàn)23%制冷能耗下降。更前沿的應(yīng)用體現(xiàn)在建筑設(shè)計(jì)階段，上海某高層建筑通過(guò)AI模擬風(fēng)場(chǎng)優(yōu)化熱性能，預(yù)計(jì)比傳統(tǒng)建筑節(jié)能35%。據(jù)IEA預(yù)測(cè)，若全面推廣現(xiàn)有AI技術(shù)應(yīng)用場(chǎng)景，2035年全球建筑領(lǐng)域可節(jié)電3000億度（相當(dāng)于澳新兩國(guó)年發(fā)電量），其中10%峰值需求可參與電網(wǎng)調(diào)峰。

AI技術(shù)為解決傳統(tǒng)的節(jié)能難題提供了全新路徑。傳統(tǒng)節(jié)能依賴(lài)人工經(jīng)驗(yàn)與靜態(tài)策略，而AI系統(tǒng)通過(guò)物聯(lián)網(wǎng)實(shí)時(shí)采集設(shè)備運(yùn)行數(shù)據(jù)，利用深度學(xué)習(xí)構(gòu)建能耗數(shù)字孿生模型，可精確量化每臺(tái)設(shè)備的節(jié)能潛力空間。在合同能源管理（EMC）領(lǐng)域，AI可破解效益核算難題。基于區(qū)塊鏈的智能電表結(jié)合聯(lián)邦學(xué)習(xí)技術(shù)，可在保護(hù)商業(yè)機(jī)密前提下實(shí)現(xiàn)分項(xiàng)計(jì)量，從根本上改變了EMC的商業(yè)模式可行性。

AI在能源領(lǐng)域的局限性與前景

1.什么場(chǎng)景下不適合采用AI？

AI也存在顯著的局限性。首先，能源行業(yè)推進(jìn)AI應(yīng)用面臨最顯著的障礙是兼具數(shù)字技能與能源專(zhuān)業(yè)知識(shí)的復(fù)合型人才嚴(yán)重短缺。這一缺口導(dǎo)致雙重問(wèn)題：一方面，純技術(shù)背景團(tuán)隊(duì)開(kāi)發(fā)的AI模型常因不理解電網(wǎng)物理特性、可再生能源技術(shù)等領(lǐng)域知識(shí)，導(dǎo)致算法不可靠性；另一方面，能源從業(yè)者缺乏AI素養(yǎng)，難以有效定義需求或評(píng)估外部方案，造成項(xiàng)目失敗。

其次，AI在能源領(lǐng)域的應(yīng)用受到數(shù)據(jù)和基礎(chǔ)設(shè)施的限制。能源系統(tǒng)的許多環(huán)節(jié)缺乏高質(zhì)量、完整的數(shù)據(jù)，尤其是歷史數(shù)據(jù)的缺失或噪聲較多，導(dǎo)致AI模型的訓(xùn)練效果不佳。此外，許多地區(qū)，特別是新興市場(chǎng)和發(fā)展中經(jīng)濟(jì)體，數(shù)字化基礎(chǔ)設(shè)施不足，傳感器和聯(lián)網(wǎng)設(shè)備的覆蓋率較低，這使得AI難以有效部署。例如，老舊建筑或小型工業(yè)設(shè)施由于缺乏數(shù)據(jù)采集能力，AI優(yōu)化策略難以實(shí)施。

第三，AI在復(fù)雜開(kāi)放環(huán)境中的決策能力有限。雖然AI在結(jié)構(gòu)化任務(wù)（如負(fù)荷預(yù)測(cè)、設(shè)備監(jiān)測(cè)）中表現(xiàn)優(yōu)異，但在需要多步驟因果推理或應(yīng)對(duì)突發(fā)情況的場(chǎng)景中，AI的適應(yīng)性仍不如人類(lèi)。例如，電網(wǎng)在極端天氣下的應(yīng)急調(diào)度需要快速判斷和靈活調(diào)整，而當(dāng)前的AI系統(tǒng)難以完全模擬人類(lèi)的經(jīng)驗(yàn)和直覺(jué)，可能導(dǎo)致決策失誤。

此外，AI在涉及安全、倫理和法規(guī)的敏感領(lǐng)域存在適用性限制。例如，在關(guān)鍵基礎(chǔ)設(shè)施運(yùn)維等場(chǎng)景中，AI的“黑箱”特性使其難以滿(mǎn)足嚴(yán)格的透明性和可審計(jì)性要求。未來(lái)，AI在能源領(lǐng)域的成功部署需要結(jié)合數(shù)據(jù)治理、技能培訓(xùn)和政策引導(dǎo)，以克服現(xiàn)有局限并發(fā)揮其最大潛力。

2.AI在能源領(lǐng)域應(yīng)用是否能實(shí)現(xiàn)正收益？

AI自身的能耗與其帶來(lái)的節(jié)能潛力之間的關(guān)系是一個(gè)動(dòng)態(tài)且復(fù)雜的權(quán)衡問(wèn)題，涉及技術(shù)發(fā)展階段、應(yīng)用場(chǎng)景、能源結(jié)構(gòu)以及時(shí)間維度（短期與中期）等多重因素。當(dāng)前，AI尤其是大語(yǔ)言模型（LLM）、深度學(xué)習(xí)訓(xùn)練等任務(wù)對(duì)計(jì)算資源需求極高，依賴(lài)大規(guī)模數(shù)據(jù)中心和GPU集群，其訓(xùn)練和運(yùn)行過(guò)程消耗大量電力。

短期內(nèi)（1年-3年），隨著AI技術(shù)快速部署，算力需求激增，AI系統(tǒng)的直接能耗預(yù)計(jì)將持續(xù)上升。在沒(méi)有綠色能源替代的情況下，碳排放也會(huì)相應(yīng)上升。從中長(zhǎng)期（3年-5年及以上）來(lái)看，AI具有巨大的節(jié)能優(yōu)化潛力。在能源管理領(lǐng)域，AI可用于電網(wǎng)負(fù)荷預(yù)測(cè)、智能調(diào)度、可再生能源整合，提高整體能源使用效率；在工業(yè)領(lǐng)域，通過(guò)預(yù)測(cè)性維護(hù)、流程優(yōu)化，減少能源浪費(fèi)；在建筑與交通管理中，AI可以?xún)?yōu)化暖通系統(tǒng)、照明控制及交通流量，降低整體能耗。

AI的能耗與碳排放的趨勢(shì)有個(gè)“時(shí)間差”。短期內(nèi)（1年-3年），AI的能耗增長(zhǎng)是“即時(shí)”的，數(shù)據(jù)中心的綠電供應(yīng)也沒(méi)有完全到位；而AI應(yīng)用落地帶來(lái)的節(jié)能效益尚未完全釋放，可能導(dǎo)致短期內(nèi)出現(xiàn)“能耗先增、節(jié)能減排后至”的階段性失衡。

因此，我們應(yīng)該在短期內(nèi)優(yōu)先在“減排見(jiàn)效快”的場(chǎng)景部署AI，快速產(chǎn)生減排收益，抵消部分能耗增量。隨著AI技術(shù)進(jìn)步（如更高效的芯片架構(gòu)、低功耗AI模型、綠色數(shù)據(jù)中心）、可再生能源比例提升，以及AI節(jié)能應(yīng)用的規(guī)模化落地，中期內(nèi)（3年-5年）AI的凈節(jié)能效應(yīng)將逐步顯現(xiàn)并超過(guò)其自身能耗。AI的應(yīng)用有望帶來(lái)數(shù)倍于其自身能耗的節(jié)能效果，AI必將成為推動(dòng)全球碳中和的重要工具。

從長(zhǎng)遠(yuǎn)來(lái)看，核聚變技術(shù)有望為AI發(fā)展提供終極零碳能源供應(yīng)。而AI與核聚變的結(jié)合正在加速可控核聚變從實(shí)驗(yàn)室走向商業(yè)化的進(jìn)程。AI通過(guò)處理海量實(shí)驗(yàn)數(shù)據(jù)、實(shí)時(shí)預(yù)測(cè)等離子體不穩(wěn)定性，并優(yōu)化控制策略，顯著提升了聚變裝置的穩(wěn)定性和效率。兩者形成“AI加速聚變研發(fā)，聚變賦能AI算力”的共生關(guān)系。

目前，全球資本正加速布局聚變技術(shù)。微軟、谷歌、亞馬遜等科技巨頭正積極布局核聚變能源商業(yè)化。微軟已與Helion Energy簽署全球首個(gè)聚變電力采購(gòu)協(xié)議；谷歌投資了Commonwealth Fusion Systems（CFS），支持其21世紀(jì)30年代初并網(wǎng)目標(biāo)；亞馬遜則通過(guò)氣候基金投資General Fusion等初創(chuàng)公司。2025年7月，中國(guó)聚變能源有限公司成立，成為推進(jìn)中國(guó)聚變工程化、商業(yè)化的創(chuàng)新主體。

雖然核聚變技術(shù)仍面臨科學(xué)技術(shù)和工程技術(shù)難題，但這些動(dòng)向凸顯了各方對(duì)核聚變技術(shù)的押注，加速推動(dòng)核聚變成為AI和經(jīng)濟(jì)發(fā)展的終極能源解決方案。

結(jié)束語(yǔ)

2025年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)授予喬爾·莫基爾、菲利普·阿吉翁和彼得·豪伊特，以表彰他們“解釋創(chuàng)新驅(qū)動(dòng)的經(jīng)濟(jì)增長(zhǎng)”理論，其中包括 “創(chuàng)造性破壞”增長(zhǎng)模型。在能源領(lǐng)域，新技術(shù)（如光伏發(fā)電）通過(guò)市場(chǎng)競(jìng)爭(zhēng)淘汰舊技術(shù)（如煤電），驅(qū)動(dòng)產(chǎn)業(yè)升級(jí)與效率提升，就是以創(chuàng)造性破壞推動(dòng)能源系統(tǒng)向可持續(xù)轉(zhuǎn)型。

當(dāng)前，AI技術(shù)正加速創(chuàng)新技術(shù)研發(fā)的進(jìn)程。AI通過(guò)縮短新能源材料研發(fā)周期、優(yōu)化氣候模型、提升電網(wǎng)智能化、降低高耗能行業(yè)能耗、加速新興技術(shù)擴(kuò)散。在這一過(guò)程中，我們需平衡AI自身能耗，通過(guò)綠色算法與可再生能源供電，并輔以政策引導(dǎo)與標(biāo)準(zhǔn)規(guī)范，確保AI驅(qū)動(dòng)的“創(chuàng)造性破壞”始終錨定可持續(xù)未來(lái)。

（作者為騰訊戰(zhàn)略發(fā)展部碳中和高級(jí)顧問(wèn)、亞洲開(kāi)發(fā)銀行前首席能源專(zhuān)家；編輯：馬克）