人工智能与能源远不只是一个需求问题

这是克里斯托尔能源公司创始人兼首席执行官卡萝尔·纳赫勒（Carole Nakhle）周一发表在《地缘政治情报服务》（GIS）杂志的时事评论。纳赫勒女士认为－－“人工智能正在推动电力需求上升，但其净影响将取决于效率提升、新增供应，以及电网和保障措施能够多快适应”：

简而言之

? 全球数据中心用电量在2020年至2025年间几乎翻了一番
? 随着人工智能与更广泛的电气化争夺电力，电网瓶颈正在加剧
? 人工智能可能增加排放，但也可以减少甲烷、碳排放和能源使用

数据中心的迅速扩张，以及开发和运行日益复杂的人工智能模型所需要的计算能力，正在推动电力消耗上升。这正促使大量投资流向新的发电能力、电网以及其他能源基础设施。科技公司越来越多地寻求长期电力来源，在某些情况下甚至寻求专用电力来源，这引发了人们对电力供应能否足够迅速扩大以跟上需求的担忧。

然而，这只是人工智能对能源影响的一个方面。人们了解得较少、也更难量化的，是能源效率和生产率方面可能获得的提升，从更好地管理电力系统和提高工业流程效率，到改善能源本身的勘探、生产和供应。随着人工智能更加深入地嵌入生产、输送和管理能源的系统，人们开始对日益依赖人工智能的能源系统的安全性和韧性提出疑问。技术发展的速度进一步增加了不确定性，因为能源基础设施、监管和保障措施可能需要更长时间才能适应。这些不同力量如何演变，将决定人工智能最终对能源产生怎样的影响。

人工智能对电力日益增长的需求

人工智能的迅速扩张伴随着巨大的电力需求。开发和使用人工智能模型需要大量计算能力，其中很大一部分集中在数据中心——也就是处理和储存数字信息的服务器及相关设备。尽管2025年数据中心仅占全球电力消费量的大约2%，但其电力需求在短短五年内几乎翻了一番，达到788太瓦时。需求也高度集中：2025年，美国约占全球总量的40%，中国排名第二。

人们普遍预计，这一上升趋势将会持续。一个关键问题是电力基础设施能否跟得上，特别是在电动汽车、空调以及更广泛的电气化也在推动电力需求上升之际，数据中心还在争夺电力和电网容量。然而，在数据中心高度集中的地方，它们造成的压力可能尤其严重。在得克萨斯州这个全球增长最快的数据中心市场之一，随着等待接入的项目越来越拥挤，当局于2026年8月暂时停止处理新的数据中心电网接入申请，同时对项目进行审查。

这种局面正促使大量投资流向电网和发电领域。科技公司越来越多地寻求确保长期电力供应：微软签署了一项为期20年的协议，支持重启宾夕法尼亚州三里岛1号核电机组，而亚马逊则支持到2039年在美国电网上新增超过5吉瓦核电能力的计划。对于一个核心业务历来与发电相距甚远的行业而言，获得可靠电力正在成为一项战略考量。

充满不确定性的电力需求前景

不应把未来电力需求预测视为一成不变。人工智能本身正在迅速发展，其未来能源需求将取决于采用程度、未来模型的计算强度以及硬件和软件效率的提高。在硬件层面，能源效率每年提高40%。

可能出现的结果范围非常广泛。国际能源署的各种情景预计，2035年全球数据中心电力需求可能在700太瓦时至1,700太瓦时之间——相差1,000太瓦时，大致相当于日本一年的电力消费量。即使是目前的电网接入申请，也可能夸大未来需求。在美国，数据中心项目申请的超过1,000吉瓦电力中，只有大约28%会转化为确定承诺。开发商可能会先为几个潜在地点分别提交电网接入申请，然后再决定在哪里建设，这意味着同一项潜在需求可能会在电网接入队列中重复出现多次。

在英国，数据中心接入申请推动电力需求申请在不到一年内从41吉瓦增加到125吉瓦，促使监管机构天然气与电力市场办公室提议征收承诺费并设置项目里程碑，以遏制投机性申请。

然而，人工智能对能源的影响远远超出了数据中心消耗的电力。它对整个经济能源需求产生的净影响，人们了解得要少得多。人工智能可以提高建筑和工业领域的能源使用效率，同时帮助复杂的电力系统预测需求和供应，并优化发电、储能和消费。

潜在收益可能相当可观。国际能源署估计，如果在建筑领域广泛采用现有人工智能应用，每年可以节省大约300太瓦时电力——大致相当于澳大利亚和新西兰年度发电量的总和。美国能源部认为，人工智能可能成为预测可再生能源发电，以及改善电网规划、运行和可靠性的重要工具。这些影响比数据中心用电量更难量化，因此，人工智能对能源需求产生的净影响可能与目前数据中心预测所显示的情况不同。

人工智能对能源供应和排放的影响

对于能源供应能否跟上人工智能驱动的需求增长的担忧，只反映了问题的一面。能源公司本身也正在采用人工智能，以更加高效地寻找和生产能源。石油和天然气公司是较早采用人工智能的企业。通过改善决策并减少不确定性，人工智能可以降低勘探和生产的风险与成本，同时增加能够以经济方式开采的碳氢化合物数量。

沙特阿拉伯国家石油公司表示，在其位于沙特阿拉伯的胡赖斯油田，部署这些技术帮助石油产量提高了15%。该公司还把人工智能应用于地震分析和油藏建模，以改善碳氢化合物的发现和采收。一项研究发现，通过提高开采生产率、降低成本和减少运营风险，人工智能能够扩大具有经济开采价值的化石燃料资源。人工智能在创造额外能源需求的同时，也可能帮助增加能源供应。

供应增加也引出了碳排放问题。能够以经济方式开采的石油和天然气增加，最终可能意味着更多的化石燃料消费和排放。运行人工智能本身所需要的电力也可能增加排放，尤其是在新增需求由化石燃料发电来满足的情况下。国际货币基金组织估计，按照当前能源政策，人工智能驱动的电力需求可能在2025年至2030年间使全球温室气体排放增加17亿吨，相当于意大利大约五年的能源相关排放量。实际碳足迹将取决于电力来源，而人工智能模型的迅速演变以及科技公司披露信息有限，使精确衡量变得困难。

然而，这种关系是双向的。人工智能可以减少石油和天然气生产过程中产生的碳和甲烷排放，从识别泄漏，到优化设备和流程，从而减少生产每一桶石油所需要的能源。根据阿布扎比国家石油公司的说法，2022年至2023年间，该公司在整个业务中部署的30多种人工智能工具帮助避免了多达100万吨二氧化碳排放，同时创造了运营价值。

风险与未知因素

围绕人工智能与能源的不确定性并不仅限于需求和供应。随着人工智能更加深入地嵌入能源基础设施，其日益扩大的作用也带来了有关安全、韧性和依赖性的不确定因素。

能源系统已经变得日益数字化并彼此互联，从而扩大了网络攻击可能进入的入口。根据国际能源署的数据，过去四年针对能源公用事业公司的网络攻击增加了两倍，而且在人工智能的帮助下正变得更加复杂。其后果可能远远超出信息被盗：网络事件可能中断供应、损坏实体设备，并可能威胁公共安全。

但是，风险并不仅限于恶意行为者利用人工智能。自主性日益增强的人工智能系统可能采取超出其操作者意图的行动。2026年7月，正在接受测试的开放人工智能公司人工智能智能体逃出了受控环境，并未经授权访问了属于抱抱脸这一开源人工智能平台的系统。这一事件表明，能力强大的人工智能智能体可能以其开发者未曾预料或无法控制的方式行动。

监管又增加了一层不确定性。人工智能能力的发展速度超过了监管框架、标准和制度保障措施的演变速度——随着人工智能被整合进可靠性和安全性至关重要的关键基础设施，这种差距带来的后果将变得更加重大。

事实与数据

人工智能繁荣的能源成本

? 在性能水平相当的情况下，使用人工智能模型的成本从2022年11月至2024年10月下降了280多倍。
? 仅数据中心消耗的电力就已经与德国或法国的用电量相当，到2030年可能与世界第三大电力消费国印度的用电量相当。
? 中国预计，全国算力用电量每年的增量将超过1,000亿千瓦时，到2030年达到8,000亿千瓦时，约占总用电量的6%。
? 在欧盟，数据中心约占总电力需求的3%，但各国之间存在差异，在爱尔兰这一比例超过20%。
? 欧盟的《云计算与人工智能发展法案》旨在未来五至七年内将欧盟数据中心容量扩大至三倍。

事态发展的可能性

较有可能：能源供应和效率跟上人工智能发展

人工智能的采用继续迅速扩大，推动数据中心用电量上升，并要求对发电和电网进行大量投资。局部瓶颈出现，但更高的成本和基础设施限制也加速了更高效芯片、模型和冷却技术的创新，同时鼓励新增电力供应。在数据中心之外，人工智能提高工业、建筑和电力系统的效率，并提升整个经济的生产率。能源需求继续上升，但随着技术和市场进行调整，其增幅低于按照目前计算需求进行简单外推所得出的水平。

较不可能：人工智能增长压垮能源供应

人工智能能力和采用速度远远快于预期，新应用不断涌现，其速度超过效率提升遏制其电力需求的速度。数据中心需求接近目前预测区间的上限，而关键地区的发电能力和电网难以足够迅速地扩张。人工智能推动生产率、就业、投资和工业竞争力迅速发生变化，使经济、基础设施和监管体系的调整能力承受巨大压力。