在算力扩张下，AI成为“隐形能源黑洞”，未来AI或决战于绿色能源之巅。

　　在全球能源转型与数字技术革命的交会点，人工智能(AI)正以前所未有的速度重塑能源产业。据国际能源署(IEA)预测，到2030年，可再生能源占全球发电量的50%以上。AI技术则是实现这一目标的核心驱动力。不过，一些专家已经开始“泼冷水”了。在算力扩张下，AI成为“隐形能源黑洞”。未来，AI将决战于什么?也许是绿色能源之巅。

　　AI的能源消耗困境

　　“AI在提升能效的同时本身消耗大量的能源，‘杰文斯悖论’正在显现。”中国互联网协会专家刘文清说。

　　“杰文斯悖论”由英国经济学家威廉·斯坦利·杰文斯于1865年提出。他观察到，煤炭技术效率的提高加速了开采，从而抵消了节省下的能源。这提醒我们，在寻求提高资源利用效率时，需要制定相应的政策或策略来管理整体的资源使用。

　　国际能源署数据显示，到2030年，AI相关算力基础设施的能耗可能占全球电力需求的3%~5%。而其在石油、化工等传统高耗能行业的应用，则有望减少全球工业能耗的10%~15%，呈现“既耗能又节能”的双向特性。

　　事实上，互联网“大佬”们早就对AI的能耗提出过警告。马斯克和黄仁勋都曾表示，现有电网难以支撑AI芯片的全速运行。在2024年瑞士达沃斯世界经济论坛上，OpenAI首席执行官萨姆·奥尔特曼指出：“未来，人工智能的发展需要在能源方面实现突破，因其耗电量将远超人们的预期。”

　　据《福布斯》杂志报道，ChatGPT每日消耗的电力超过50万千瓦时，相当于1.7万个美国家庭的平均日用电量总和。若谷歌将ChatGPT类AI整合至搜索服务，其年耗电量将是传统搜索能耗的23~30倍。

　　正因如此，不久前，亚马逊、谷歌、Meta等科技巨头在发展AI的同时，把触角伸向能源领域。它们在美国共同签署了“三倍核电”倡议，将共同为“到2050年全球核电规模应达到目前水平的3倍”提供支持。在石油领域，“杰文斯悖论”同样存在。BP通过AI将墨西哥湾勘探周期从6~12个月缩短至8~12周，壳牌利用AI技术压缩地震数据处理周期。但据第三方研究，其能耗数据出现增长。尽管效率提升显著，其单位项目的碳足迹仍引发争议。

　　近年来，我国的算力能耗极速上升。中国信息通信研究院发布的《中国绿色算力发展研究报告(2024年)》指出，截至2023年底，数据中心碳排放总量为0.84亿吨，约占全国二氧化碳排放总量的0.67%。尽管与电力、钢铁等传统行业相比，数字碳足迹占比仍然较低。但随着数字设备制造和数据中心使用的快速增加，其碳排放增速显著。

　　中国“东数西算”的解题思路

　　制造业占全球总耗电量的40%以上。因此，利用AI提高能效已是大趋势。但是AI消耗的能源又不能忽视。如何平衡?推动绿色算力也许是个答案。

　　2022年2月，随着国家发展改革委等四部门联合批复同意在京津冀、长三角、粤港澳大湾区、成渝、内蒙古、贵州、甘肃、宁夏启动建设国家算力枢纽节点，中国正式拉开了“东数西算”工程大幕，构建了“数据向东、算力向西”的新型资源配置体系。

　　“‘东数西算’的战略深意在于破解中国算力困局。”中国信息通信研究院院长余晓晖表示。中国的能源失衡表现其一在于，东部地区承载全国70%的算力需求，但土地成本是西部的5倍，电价高出30%。

　　“东数西算”工程将宁夏、内蒙古等地的数据中心与西部风电和光伏项目直连，2024年绿电覆盖率达42%。以宁夏中卫数据中心为例，集群光伏直供比例达60%，单机柜年减碳可达18吨。

　　“我国算力基础设施建设已达到世界领先水平。然而，标准化、普惠化算力服务统一大市场尚未形成，存在算力供给紧张与部分算力未能有效利用的矛盾。”余晓晖说。

　　截至2023年底，中国算力规模位列全球第二，占比达到26%。在用算力中心机架总规模达到810万标准机架，同比增长24.2%，算力总规模超过230EFLOPS(FP32)。

　　2023年12月，国家发展改革委、国家数据局等部门联合印发了《关于深入实施“东数西算”工程加快构建全国一体化算力网的实施意见》，提出到2025年底，普惠易用、绿色安全的综合算力基础设施体系初步成型，东西部算力协同调度机制逐步完善，通用算力、智能算力、超级算力等多元算力加速集聚。

　　接下来如何发展?中国能源建设集团董事长宋海良提出，需要构建“绿电优先”的算力调度平台，推动“东数西算”与“西电东送”协同，利用西部可再生能源支持AI基础设施。下一步，需要在统筹全国算力设施区域优化布局的基础上，解决好算力服务统一市场构建和资源全域有效利用的问题。

　　技术与政策需要协同

　　要解决AI的能源黑洞问题，需要技术、行业与政策的协同。

　　通过技术创新与绿色算力，优化算法降低算力需求，开发边缘计算与储能协同技术，是一条现实途径。

　　在油气领域，一些油田已经开始边缘计算、大数据分析等技术的尝试。比如，新疆油田在偏远井区部署边缘计算设备，实现了数据本地化处理，减少了对中心服务器的依赖。

　　随着大模型等人工智能产业和应用的迅速发展，我国对智能算力资源的需求愈发旺盛。“在通用人工智能生态体系中，算法和模型的创新是关键、数据是基石、算力是核心支撑、应用场景是驱动力，需要产业上下游各方齐心协力、紧密合作。”燧原创始人兼COO张亚林表示。

　　政策与技术的协同路径尤为重要。专家指出，在政策层面，我国需要完善绿电定价机制，探索算力价格与碳排放挂钩。目前，AI在能源领域的应用缺乏统一的标准。例如，碳管理算法可能因数据偏差导致减排路径失真，需要通过国际组织协调数据共享与模型透明度。

　　放眼国际，一些国家和组织正在采取行动。例如，新加坡因能源短缺，出台了限制数据中心容量的法规，并在2019年至2022年间暂停审批新的数据中心项目。2023年，欧盟通过了一项能源效率指令，要求能耗500千瓦功率以上的数据中心运营商每年报告其能源消耗。

　　然而，国际合作更多表现为技术主权与全球治理的博弈。美国、欧盟通过AI算法与算力优势主导新能源产业链高附加值环节。发展中国家需要加大本土研发投入力度，培养复合型人才，构建从材料研发到智能制造的完整生态。然而，这并不容易。因此，博鳌亚洲论坛2025年年会呼吁建立开源技术平台，共享气象数据与发电模型，推动非洲、东南亚等地区的新能源普及。

　　AI与能源的结合，既是技术革命也是治理挑战。AI不是问题的答案，而是答案的一部分。未来，也许要通过算法革新、绿电普及与全球碳定价协同，才能破解这一悖论。

　　责任编辑：石杏茹